Вестник Института экономики № 6/2025. Финансы. 

Кочергин Дмитрий Анатольевич

доктор экономических наук, доцент, главный научный сотрудник ФГБУН Институт экономики РАН, Москва, Россия

ORCID: 0000-0002-7046-1967

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ФИНАНСОВОЙ СФЕРЕ

 147-169   

 29   

 482.01 KB   

 Текст статьи

Статья посвящена исследованию направлений применения искусственного интеллекта в финансовой сфере. В ходе исследования рассмотрены основные понятия и элементы технологии искусственного интеллекта, определены основные области его применения в финансовой сфере, выявлены новые возможности и риски, обусловленные внедрением искусственного интеллекта. В результате исследования установлено, что внедрение искусственного интеллекта позволяет автоматизировать бизнес-процессы, оптимизировать использование ресурсов и времени, выполнять рутинные процессы и решать сложные задачи посредством анализа больших данных и распознавания закономерностей. Основными областями использования искусственного интеллекта в финансовом секторе являются: платежи, финансовое посредничество, страхование и управлениями активами. В этих областях применение искусственного интеллекта повысит эффективность предоставления финансовых услуг за счет снижения затрат на внутреннюю обработку транзакций, соответствия нормативным требованиям, выявления мошенничества и обслуживания клиентов. Вместе с тем, применение искусственного интеллекта генерирует новые источники киберрисков, обостряет проблемы предвзятости и дискриминации при принятии финансовых решений, что способствует росту юридических и операционных рисков.

Ключевые слова: искусственный интеллект, машинное обучение, нейронные сети, большие языковые модели, генеративный искусственный интеллект, агенты искусственного интеллекта, общий искусственный интеллект, применение искусственного интеллекта в платежах, кредитовании, страховании и управлении активами, риски внедрения искусственного интеллекта.

УДК: 336.71, 004.8

EDN: EQJOKW

DOI: https://doi.org/10.52180/2073-6487_2025_6_147_169

Литература

1. Aldasoro I., Gambacorta L., Korinek A., Shreeti V., Stein M. Intelligent Financial System: How AI Is Transforming Finance // BIS Working Papers. 2024. No. 1194, June. https://www.bis.org/publ/work1194.pdf (accessed: 10.08.2025).
2. Aldasoro I., Armantier O., Doerr S., Gambacorta L., Oliviero T. Survey Evidence on Gen AI and Households: Job Prospects Amid Trust Concerns // BIS Bulletin. 2024. No. 86, April. https://www.bis.org/publ/bisbull86.pdf (accessed: 10.08.2025).
3. Bank for International Settlements (BIS). Artificial Intelligence and the Economy: Implications for Central Banks // Annual Economic Report. 2024. June. Рp. 91–127. http://www.bis.org/publ/arpdf/ar2024e3.pdf (accessed: 10.08.2025).
4. Basel Committee on Banking Supervision (BCBS). Digitalisation of Finance. 2024. May. https://www.bis.org/bcbs/publ/d575.pdf (accessed: 10.08.2025).
5. Bell S.A., KorinekA. AI’s Economic Peril // Journal of Democracy. 2023. Vol. 34. No. 4. Рp. 151–161.
6. Board of Governors of the Federal Reserve System (BGoFRS). Money and Payments: The U.S. Dollar in the Age of Digital Transformation. 2022. January. https://www.federalreserve.gov/publications/files/money-and-payments-20220120.pdf (accessed: 10.08.2025).
7. Borchert L., De Haas R., Kirschenmann K., Schultz A. Broken Relationships: De-risking by Correspondent Banks and International Trade // EBRD Working Papers. 2023. No. 285. December.
8. Boyd D., Crawford K. Critical Questions for Big Data // Information, Communication & Society. 2012. Vol. 15. No. 5. Рp. 662–79. DOI: 10.1080/1369118X.2012.678878.
9. Browning J., LeCun Y. AI and the Limits of Language // Noema. 2022. 23 August.
10. Chen S., Doerr S., Frost J., Gambacorta L., Shin H.S. The Fintech Gender Gap // Journal of Financial Intermediation. Elsevier. 2023. Vol. 54. DOI: 10.1016/j.jfi.2023.101026.
11. Committee on Payments and Market Infrastructures (CPMI). CPMI Quantitative Review of Correspondent Banking Data, 2023. May. https://www.bis.org/cpmi/paysysinfo/corr_bank_data.htm (accessed: 10.08.2025).
12. Chow T., Halperin B., Mazlish J.Z. Transformative AI, Existential Risk, and Asset Pricing. Working Paper. 2023. https://www.basilhalperin.com/papers/ agi_emh.pdf (accessed: 10.08.2025).
13. Cornelli G., Frost J., Gambacorta L., Rau R., Wardrop R., Ziegler T. Fintech and Big Tech Credit: Drivers of the Growth of Digital Lending // Journal of Banking and Finance. 2023. Vol. 148. March. DOI: 10.1016/j.jbankfin.2022.106742.
14. Di Maggio, Ratnadiwakara M.D., Carmichael D. Invisible Primes: Fintech Lending with Alternative Data // NBER Working Papers. 2023. No. 29840.
15. Doerr S., Gambacorta L., Guiso L., Sanchez del-Villar M. Privacy regulation and fintech lending // BIS Working Papers. 2023. No. 1103. June. https://www.bis.org/publ/work1103.pdf (accessed: 10.08.2025).
16. European Central Bank (ECB). Eurosystem Report on the Public Consultation on a Digital Euro, 2021. April. https://www.ecb.europa.eu/pub/pdf/other/ Eurosystem_report_on_the_public_consultation_on_a_digital_euro~539fa8cd8d.en.pdf (accessed: 10.08.2025).
17. Federal Reserve Bank of New York. Survey of Consumer Expectations. 2024. https://libertystreeteconomics.newyorkfed.org/2024/10/exposure-to-generative-ai-andexpectations-about-inequality/ (accessed: 10.08.2025).
18. Grand G., Blank I., Pereira F., Fedorenko E. Semantic Projection Recovers Rich Human Knowledge of Multiple Object Features from Word Embeddings // Nature Human Behaviour. 2022. Vol. 6. Рp. 975–987.
19. Hitaj D., Pagnotta G., Hitaj B., Mancini L., Perez-Cruz F. MaleficNet: Hiding Malware into Deep Neural Networks Using Spread-Spectrum Channel Coding. In: V. Atluri, R.Di Pietro, C. Jensen, W. Meng (eds.). Computer security – ESORICS 2022. Springer Cham, 2022. 23 September. DOI: 10.1007/978-3-031-17143-7_21.
20. Korinek A., Stiglitz J.E. Artificial Intelligence, Globalization, and Strategies for Economic Development // NBER Working Paper. 2012. No. 28453. https://www.nber.org/system/files/working_papers/w28453/w28453.pdf (accessed: 10.08.2025).
21. Korinek A., Vipra J. Concentrating Intelligence: Scaling Laws and Market Structure in Generative AI // Institute for New Economic Thinking Working Paper Series. 2024. No. 228. April. https://papers.ssrn.com/sol3/Delivery.cfm/5044496.pdf?abstractid=5044496&mirid=1 (accessed: 10.08.2025).
22. McKinsey & Company. Scaling Gen AI in Banking: Choosing the Best Operating Model, 2024. March. https://www.mckinsey.com/industries/financial-services/our-insights/scaling-gen-ai-in-banking-choosing-the-best-operating-model (accessed: 10.08.2025).
23. McKinsey & Company. The State of AI in Early 2024: Gen AI Adoption Spikes and Starts to Generate Value, 2024. May. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-2024 (accessed: 10.08.2025).
24. Noy S., Zhang W. Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence // Science. 2023. 381 (6654). Pp. 187–192. DOI: 10.2139/ssrn.4375283.
25. Organisation for Economic Co-operation and Development (OECD). Generative Artificial Intelligence in Finance // OECD Artificial Intelligence Papers. 2023. No. 9. December. https://www.oecd.org/content/dam/oecd/en/publications/reports/2023/12/generative-artificial-intelligence-in-finance_37bb17c6/ac7149cc-en.pdf (accessed: 10.08.2025).
26. Park T., Shin H.S., Williams H. Mapping the Space of Economic Ideas with LLMs // BIS Working Papers, 2024.
27. People’s Bank of China (PBoC). Progress of Research & Development of E-CNY in China, 2021. July. http://www.pbc.gov.cn/en/3688110/3688172/4157443/4293696/2021072014364791207.pdf (accessed: 10.08.2025).
28. Perez-Cruz F., Shin H.S. Testing the Cognitive Limits of Large Language Models // BIS Bulletin, 2024. No. 83, January. https://www.bis.org/publ/bisbull83.pdf (accessed: 10.08.2025).
29. Rice T., G. von Peter, Boar C. On the Global Retreat of Correspondent Banks // BIS Quarterly Review. 2020. March. Pp. 37–52. https://www.bis.org/publ/qtrpdf/ r_qt2003g.pdf (accessed: 10.08.2025).
30. Rosenblatt F. The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain // Psychological Review. 1958. Vol. 65. No. 6. Pp. 386–408. DOI: 10.1037/h0042519.
31. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. Pearson, 4th Edition, 2021.
32. Turing A.M. Computing Machinery and Intelligence // Mind. 1950. October. Vol. LIX. Issue 236. Pp. 433–460. DOI: 10.1093/mind/LIX.236.433.
33. Turing A.M. On Computable Numbers, with an Application to the Entscheidungsproblem // Proceedings of the London Mathematical Society. 1936. Series 2. Vol. 42. Pp. 230–265.
34. Zhu L., Wu H., Wells M. News-Based Sparse Machine Learning Models for Adaptive Asset Pricing // Data Science in Science. 2023. Vol. 2. No. 1.
35. United States Government Accountability Office (GAO). Artificial Intelligence: Use and Oversight in Financial Services. Report to Congressional Committees, 2025. May. https://www.gao.gov/assets/gao-25-107197.pdf (accessed: 10.08.2025).
36. White House. Strengthening American Leadership in Digital Financial Technology. Executive Order 14178. 23.01.25. https://www.whitehouse.gov/presidentialactions/2025/01/strengthening-american-leadership-in-digital-financial-technology/ (accessed: 10.08.2025).

Дата поступления рукописи: 01.09.2025 г.

Дата принятия к публикации: 18.11.2025 г.

Для цитирования:

Кочергин Д.А. Основные направления использования искусственного интеллекта в финансовой сфере // Вестник Института экономики Российской академии наук. 2025. № 6. С. 147-169. https://doi.org/10.52180/2073-6487_2025_6_147_169 EDN: EQJOKW 

  Лицензия Creative Commons 4.0