Банк будущего: автоматизация процессов с помощью ИИ-агентов

Статья посвящена анализу возможности применения технологий искусственного интеллекта в операционной деятельности банка на примере казначейских функций. Рассматриваются предпосылки перехода от традиционных процедур обработки информации к автоматизированным механизмам принятия решений, основанным на использовании ИИ-агентов. Целью исследования является обоснование подхода к интеграции агентных решений в среду банковского казначейства с учётом институциональных, технологических и организационных условий. Методологическую основу составили сравнительный анализ существующих научных и прикладных работ, систематизация публикаций по тематике автоматизации финансовых операций, а также концептуальное проектирование структуры взаимодействия ИИ-агентов с действующими процессами управления ликвидностью и внутренними расчётами. В статье выявлены направления, по которым применение ИИ-агентов способно трансформировать выполнение казначейских операций, включая автоматическое ранжирование платёжных поручений, динамическое перераспределение ликвидности между подразделениями, адаптацию параметров привлечения ресурсов в зависимости от состояния денежного и фондового рынков. Полученные результаты демонстрируют, что целенаправленное проектирование агентных сценариев позволяет повысить оперативность принятия решений, снизить транзакционные издержки и обеспечить согласованность действий подразделений в управлении финансовыми потоками. Научная новизна. Показано, что существующая технологическая база банков, включающая API-интерфейсы, внутренние аналитические системы и цифровые каналы обмена данными, может быть использована для внедрения многоагентных решений без радикальной перестройки операционной инфраструктуры. Отдельное внимание уделено вопросам надёжности и верифицируемости при использовании генеративных ИИ-агентов в казначействе. Практическая значимость работы заключается в формировании концептуальных оснований для внедрения ИИ-агентов в казначейские процессы банка, что может быть использовано при разработке планов цифровой трансформации и модернизации операционной среды.

1. Mehdiabadi A., Tabatabeinasab M., Spulbar C., Yazdi A. К., Birau R. Are We Ready for the Challenge of Banks 4.0? Designing a Roadmap for Banking Systems in Industry 4.0 // International Journal of Financial Studies. 2020. Vol. 8, Issue 2, No 32. DOI: 10.3390/ijfs8020032

2. Покаместов И. Е., Никитин Н. А. Современные технологии искусственного интеллекта как инструмент трансформации цепочек создания стоимости российских коммерческих банков // Финансы: теория и практика. 2024. Т. 28, No 4. С. 122–135. DOI: 10.26794/2587-5671-2024-28-4-122-135

3. Mehdiabadi A., Shahabi V., Shamsinejad S., Amiri M., Spulbar C., Birau R. Investigating Industry 5.0 and Its Impact on the Banking Industry: Requirements, Approaches and Communications // Applied Sciences. 2022. Vol. 12, Issue 10. РР . 1-25. DOI: 10.3390/app12105126

4. Kaur N., Sahdev S. L., Sharma M., Siddiqui L. Banking 4.0: «The Influence of Artificial Intelligence on the Banking Industry & How AI is Changing the Face of Modern Day Banks» // International Journal of Management. 2020. Vol. 11, Issue 6. РР . 577–585. DOI: 10.34218/IJM.11.6.2020.049

5. Fares O. H., Butt I., Lee S. H. M. Utilization of artificial intelligence in the banking sector: a systematic literature review // Journal of Financial Services Marketing. 2023. Vol. 28. РР. 835–852. DOI: 10.1057/s41264-022-00176-7

6. Городецкая О. Ю., Гобарева Я. Л. Ключевые тренды применения искусственного интеллекта в банковской сфере // Финансовые рынки и банки. 2022. № 12. С. 34–42.

7. Кумар А., Кумар А., Кумари С., Кумари С., Кумари Н., Бехура А. К. Искусственный интеллект: стратегия управления финансовыми рисками // Финансы: теория и практика. 2024. Т. 28, № 3. С. 174-182. DOI: 10.26794/2587-5671-2024-28-3-174-182

8. Marsal A., Perkowski P. Generative AI as Routine-Biased Technical Change? Evidence from a Field Experiment in Central Banking (April 23, 2025). Available at SSRN: http://dx.doi.org/10.2139/ssrn.5228176

9. Vakilzadeh H., Eulerich M., Sanatizadeh A. Multi-Agent Systems and Generative Agent-Based Models in Accounting and Auditing (December 11, 2024). Available at SSRN: http://dx.doi.org/10.2139/ssrn.5052723

10. Noguer I., Alonso M. BANK-RL: A Multi-Agent Hierarchical Reinforcement Learning Framework for Banks. 2024. Available at SSRN: http://dx.doi.org/10.2139/ssrn.5071840

11. Joshi S. A Comprehensive Survey of AI Agent Frameworks and Their Applications in Financial Services (May 01, 2025). Available at SSRN: http://dx.doi.org/10.2139/ssrn.5252182

12. Joshi S. A Literature Review of Gen AI Agents in Financial Applications: Models and Implementations (February 01, 2025). Available at SSRN: http://dx.doi.org/10.2139/ssrn.513398513

13. Gupta M., Acharya V. AgNet: A Novel AI Agent Network Architecture (December 16, 2024). Available at SSRN: http://dx.doi.org/10.2139/ssrn.5108385

14. Wu Y., Bai B. An Analysis of How Generative Ai Affects Organization Decision-Making Processes within Organizational Behavior, Using Multi-Agent Systems. Available at SSRN: http://dx.doi.org/10.2139/ssrn.5195590

15. Davidson S. The economic institutions of artificial intelligence // Journal of Institutional Economics. 2024. Vol. 20, e20. DOI: 10.1017/S1744137423000395

16. Agrawal A. K., Gans J. S., Goldfarb A. Artificial Intelligence: The Ambiguous Labor Market Impact of Automating Prediction (February 25, 2019). Available at SSRN: http://dx.doi.org/10.2139/ssrn.3341456

17. Jim M. M .I., Hasan M. The Role оf AI in Strengthening Data Privacy for Cloud Banking. // Frontiers in Applied Engineering and Technology. 2024. Vol. 1, No. PP. 252–268. DOI: 10.70937/faet.v1i01.39

18. Virkar V., Dad Shrikant, Dad Shreeram, Wagh K. Enhancing Transparency and Compliance in Bank-Agent Hiring Platforms // Enhancing Transparency and Compliance in Bank-Agent Hiring Platforms. 2025. Vol. 14, Iss. 3. PP. 2258–2263. DOI: 10.15680/IJIR-SET.2025.1403049|

19. Torrance A. W., Tomlinson B. Agents in a Tangled Bank: An Ecosystem Approach to AI Regulation / University of Kansas School of Law Research Paper Series. 2025. – 55 р. DOI: 10.2139/ssrn.5176993

20. Berg C., Davidson S., Potts J. Institutions to constrain chaotic robots: why generative AI needs blockchain // SSRN Electronic Journal. 2023. – 11 р. DOI:10.2139/ssrn.4650157

21. Зверькова Т. Н. Риски генеративного искусственного интеллекта в финансовом посредничестве и подходы к их оценке // Сибирская финансовая школа. 2024. № 3. С. 34–43. DOI: 10.34020/1993-4386-2024-3-34-43

22. Зверькова Т. Н. Интеграция искусственного интеллекта в банковские ИТ-инфраструктуры: технические и финансовые аспекты // Сибирская финансовая школа. 2024. № 4. С. 15–25. DOI: 10.34020/1993-4386-2024-4-15-25

23. Зверькова Т. Н. Интеграция искусственного интеллекта в банковские процессы: теоретические подходы // Сибирская финансовая школа. 2025. № 1. С. 17–26. DOI: 10.34020/1993-4386-2025-1-17-26.