Предел автономности ИИ-агента в кредитных организациях: экономический парадокс снижения издержек и роста потерь

Настоящая статья посвящена вопросам применения искусственного интеллекта (ИИ) в кредитных организациях. Цель исследования состоит в обосновании предельного уровня участия ИИ-агента в банковской деятельности, при котором дальнейшее сокращение роли работника (специалиста банка) перестаёт улучшать экономическую отдачу применения агента. Методологическая основа исследования включает математическое моделирование зависимости между степенью участия ИИ-агента, положительным результатом и затратами, возникающими при повторяемой ошибке. Результаты работы. Показано, что расширение роли ИИ-агента снижает текущие затраты и ускоряет прохождение стандартных банковских операций, однако одновременно увеличивает цену ошибочной логики, если она воспроизводится в потоке однородных действий до момента выявления. Обосновано, что выгода от передачи решений агенту растёт с убывающим приростом, тогда как затраты возрастают по мере приближения к полной автономии. Выводы. Полная передача выполнения операций ИИ-агенту не должна рассматриваться как заранее предпочтительный вариант для банка. Экономически оправданным является такой уровень участия агента, при котором прирост дохода превышает рост затрат, связанных с повторяемой ошибкой.

1. Diamond D. W. Financial intermediation as delegated monitoring: a simple example // Federal Reserve Bank of Richmond Economic Quarterly. 1996. Vol. 82, No. 3. pp. 51–82. URL: https://www.richmondfed.org//media/richmondfedorg/publications/research/economic_quarterly/1996/summer/pdf/ diamond.pdf.

2. Diamond D. W., Dybvig P. H. Bank runs, deposit insurance, and liquidity // Journal of Political Economy. 1983. Vol. 91, No. 3. pp. 401–419. DOI: 10.1086/261155

3. Andolfatto D., Berentsen A., Martin F. M., Zhang S. Diamond-Dybvig and beyond. On banking instability // European Economic Review. 2023. Vol. 154. Article 104437. DOI: 10.1016/j.euroecorev.2023.104437

4. McLeMore P., Mihov A., Sanz L. Artificial intelligence and operational losses. Evidence from U.S. bank holding companies / Federal Reserve Bank of Boston. Working paper. 2025. URL: https://www.bostonfed.org/-/media/Documents/events/2025/stress-testing-research-conference/McLeMore_AIandOpLosses.pdf.

5. Ciumara T. The impact of artificial intelligence on credit risk assessment and business model transformation in the financial sector // Annals of the «Constantin Brâncuşi» University of Târgu-Jiu, Economy Series. 2024. Vol. I, Issue 6. pp. 199–203.

6. Zhang S., Yu L. Consumer credit risk assessment. A review from the state-of-the-art classification algorithms, data traits and learning methods // Expert Systems with Applications. 2024. Vol. 237. Article 121484. DOI 10.1016/j.eswa.2023.121484

7. Haque Mukit M. M., Hasan F., Choudhury T., Fadli A., Fadul A. Machine Learning & Artificial Intelligence Powered Credit Scoring Models for Islamic Microfinance Institutions: A Blockchain Approach // Risks. 2026. Vol. 14, Issue 1. DOI: 10.3390/risks14010012

8. Awadelkarim A. M. Federated and Interpretable AI Framework for Secure and Transparent Loan Default Prediction in Financial Institutions // Mathematical and Computational Applications. 2026. Vol. 31, Issue 2. DOI: 10.3390/mca31020056

9. Bahlool R., Nabil H., Elmedany W. Performance, Fairness, and Explainability in AI-Based Credit Scoring: A Systematic Literature Review // Journal of Risk and Financial Management. 2026. Vol. 19, Issue 2. DOI: 10.3390/jrfm19020104

10. Sadok H., Sakka F., Maknouzi M. E. H. Artificial intelligence and bank credit analysis. A review // Cogent Economics & Finance. 2022. Vol. 10, Issue 1. Article 2023262. DOI: 10.1080/23322039.2021.2023262

11. Danielsson J., Uthemann A. Artificial intelligence and financial crises // Journal of Financial Stability. 2025. Vol. 80. Article 101453. DOI: 10.1016/j.jfs.2025.101453

12. Bernardelli А., Adelaide Emma, Giudici Р. AI Risk Management: A Bibliometric Analysis // Risks. 2025. Vol. 13, Issue 7. DOI: 10.3390/risks13070131

13. Ganesh S., Ardon L., Borrajo D., Garg D. et al. Generative AI Agents for Knowledge Work Augmentation in Finance // Annual Review Control, Robotics, and Autonomous Systems. 2025. Vol. 8. РР. 189–210. DOI: 10.1146/annurev-control-022823-033813

14. McClellan M. AI and Financial Fragility: A Framework for Measuring Systemic Risk in Deployment of Generative AI for Stock Price Predictions // Journal of Risk and Financial Management. 2025. Vol. 18, Issue 9. DOI: 10.3390/jrfm18090475

15. Mathen M., Paul A. Toward an evolving framework for responsible AI for credit scoring in the banking industry // Journal of Information, Communication and Ethics in Society. 2022., Vol. 23, No. 1. РР. 148–163. DOI: 10.1108/JICES-08-2024-0122

16. Skouloudis A., Venkatraman А. Scratching the Surface of Responsible AI in Financial Services: A Qualitative Study on Non-Technical Challenges and the Role of Corporate Digital Responsibility // AI 6. 2025. Vol. 6, Issue 8. DOI: 10.3390/ai6080169