Финансовые регуляторы сейчас находятся на распутье в вопросах применения искусственного интеллекта (ИИ): выступает ли он помощником, или соперником? Если они будут слишком консервативны в своей реакции на ИИ, то есть опасность, что ИИ будет встроен в финансовые рынки без адекватного надзора. Следствием может стать увеличение интенсивности, частоты и серьезности финансовых кризисов. С другой стороны, есть шансы, что широкое и адекватное использование ИИ может стабилизировать финансовую систему, снизив вероятность разрушительных кризисов. Это возможно, если регуляторы в вопросе применения ИИ займут проактивную позицию. В статье авторы поднимают вопрос: «Выступает ли активное применение технологий ИИ новым фактором риска макрофинансовой стабильности?» На данный вопрос пока нет однозначного ответа. Предметом исследования выступает применение искусственного интеллекта в финансовой сфере. Цель статьи – оценить степень влияния технологий ИИ и машинного обучения (МО) на способность центрального банка проводить политику макрофинансовой стабильности и ее результативность. Методологией исследования является системный анализ примеров и публикаций о практическом применении технологий ИИ в финансовой сфере, а также сценарное моделирование, с помощью которого определены возможные сценарии развития и применения ИИ/МО финансовыми регуляторами.

 

После глобального финансового кризиса (2008–2009 гг.) полномочия национальных центральных банков (далее – ЦБ) были существенно расширены. Помимо прежних мандатов они стали нести ответственность в том числе за поддержание макрофинансовой стабильности. Правила политики поддержания макрофинансовой стабильности нацелены на защиту устойчивости национальной финансовой системы к эндогенным и экзогенным факторам рисков и неопределенностей, а тем самым на повышение ее устойчивости. Хотя ключевые элементы и операционные характеристики политики макрофинансовой стабильности были в начале 2010-х гг. определены, ряд важных концептуальных вопросов и операционных проблем ее применения еще только разрабатываются, в том числе в силу расширяющегося применения инновационных технологий как ЦБ, так и финансовыми посредниками [1].

Применение цифровых технологий в финансовой отрасли и в деятельности самого ЦБ неизбежно меняет основы деятельности ЦБ и как минимум ставит ряд важных вопросов, ответы на которые будут определять результаты и эффективность функционирования ЦБ:

В статье исследуется проблема влияния технологий ИИ/МО на способность ЦБ проводить политику макрофинансовой стабильности и ее результативность, поскольку ЦБ в своей деятельности приходится учитывать многие риски и неопределенности, в том числе обусловленные новыми факторами – расширяющимся применением ИИ/МО, а также возможные каналы их распространения по национальной финансовой системе (каналы распространения макрофинансовой нестабильности).

 

Многочисленные исследования последнего времени посвящены изучению различных рисков и неопределенностей, порождаемых все большим использованием технологий и приложений искусственного интеллекта и машинного обучения. В основном в научной среде сформировано положительное мнение о возможности  применения ИИ в банковской сфере – в области обслуживания клиентов кредитных организаций, поскольку это позволяет повысить персонализацию обслуживания. Например, А. Р. О. Пашаев вводит термин «гиперперсонализация»,  появившийся  вследствие использования  искусственного интеллекта  [2].

Что касается возможности применения ИИ в целях макрорегулирования, ученые высказывают разные точки зрения. По мнению Г. В. Семеко, ИИ хорошо подходит для решения микропроблем, но при этом сталкивается с серьезными концептуальными и практическими сложностями при использовании технологии в государственных или частных макроцелях [3]. В то время как Э. Н. Гаврилова полагает, что при правильном и умелом использовании потенциала технологий/приложений ИИ возможно создать наиболее устойчивую, стабильную и справедливую финансовую систему в стране [4].

 

Применение центральными банками технологий и приложений ИИ/МО

Осенью 2024 г. Комитет Ирвинга Фишера провел опрос 60 ЦБ о применении ими технологий и приложений ИИ/МО. Результаты исследования показали, что большинство ЦБ, особенно в странах Азии, придает приоритетное значение изучению и применению технологий ИИ/МО [5]. Во многом это объясняется тем, что данные технологии поддерживают различные направления деятельности ЦБ:

Участвовавшие в опросе ЦБ указали, что наиболее ценными считают выгоды применения технологий и приложений ИИ/МО в сферах кибербезопасности, исследований и статистики. В то же время, например, в сфере кибербезопасности количество зарегистрированных случаев использования ИИ/МО довольно ограничено, что, возможно, отражает сложности внедрения соответствующих программ, включая дефицит инвестиций, ИТ-ресурсов и квалифицированного персонала [10]. Участники опроса также отмечали, что использование технологий и приложений ИИ/ МО улучшает выявление киберугроз и сокращает время, необходимое для предотвращения и/или снижения сопутствующих потерь; облегчает проведение различных макроэкономических исследований, дополняя их математическим анализом; обобщает данные первоисточников; облегчает написание и объяснение кода; помогает редактировать черновики документов.

Приложения ИИ/МО воздействуют на результативность и эффективность исполнения ЦБ установленных в законодательстве основных полномочий и функций. Например, в сфере монетарной политики они улучшают точность прогнозирования инфляционной динамики, а тем самым повышают результативность политики таргетирования инфляции. Использование технологий ИИ/МО и нейросетей улучшает макроэкономическое моделирование, а тем самым повышает эффективность монетарной политики [11]. Приложения ИИ/МО помогают ЦБ анализировать текстовую информацию в целях уточнения прогнозов макрофинансовых стрессовых ситуаций или разрабатывать стресс-тесты [12].

Но несмотря на большие ожидания и предполагаемый потенциал, практическое применение ЦБ современных приложений на основе ИИ/МО остается ограниченным: только около четверти разработок доходит до полномасштабной реализации. В целом на конец 2024 г., как следует из данных обследования, ЦБ продолжали в основном экспериментировать с применением различных приложений ИИ/МО.

Неактивное применение ЦБ технологий и приложений ИИ/МО в операционной деятельности во многом определяется несколькими факторами: недостаточной мощностью ИТ-инфраструктуры (в том числе ее пропускной способностью); неразвитостью координации работы различных подразделений внутри структуры самих ЦБ (бизнес-подразделений, департаментов ИТ и безопасности, отделов, ответственных за бюджет и ресурсы); разрывом между высокой скоростью разработок технологических инноваций и более медленными темпами проектирования и формализации институциональных механизмов [13].

 

Применение ИИ/МО в целях поддержания  макрофинансовой стабильности

Широкое применение технологий и приложений ИИ/МО в реальном и финансовом секторах создает ряд новых проблем, имеющих серьезные последствия для финансовой стабильности, для регулирующего органа, ответственного за поддержание макрофинансовой стабильности. К числу наиболее сложных можно отнести несколько.

Большие языковые модели позволяют использовать альтернативные (неструктурированные) данные для анализа и прогнозирования развития ситуации на финансовом рынке при применении ИИ/МО. Но по сравнению с традиционными стандартизированными данными для них характерны более короткие временные ряды или размеры выборки. Так, для понимания динамики фаз макрофинансового цикла требуются данные как минимум за период 22–25 лет, но подобной статистики нет у многих национальных ЦБ. Финансовые и регуляторные рекомендации или решения, сгенерированные ИИ/МО на основе альтернативных данных, временные ряды которых существенно короче, могут быть предвзятыми и не подлежащими обобщению (так называемая проблема толстого хвоста [14]).

Проблемы оценки и прогнозирования динамики финансовой стабильности также обусловлены тем, что большинство участников финансового рынка и регулирующих (надзорных) органов, применяя ИИ/МО, опирается на единообразные наборы данных, сходные модели и взаимосвязанности сетей. Это усугубляется спецификой генеративного ИИ: способностью быстро обрабатывать и анализировать огромные объемы данных за доли секунды, принимать решения и предпринимать , зачастую без вмешательства человека, действия, которые подчас трудно объяснимы. К тому же растет применение программ генеративного ИИ в различных секторах экономики и углубляется их интеграция в повседневное использование хозяйствующими субъектами. В результате в финансовой системе накапливаются риски и неопределенности [10].

Применение ИИ/МО в макропруденциальном анализе помимо доступности и качества данных осложнено уникальностью каждого финансового кризиса, характером ожиданий хозяйствующих субъектов, неопределенностью целей макропруденциальной политики, что не позволяет однозначно согласовать цели регулирования и целевые алгоритмы ИИ/МО [15].

Как правило, развитие финансовых кризисов сопровождается значительными убытками для национальных экономик. Полезность генеративных ИИ/МО напрямую зависит от объема и качества вводимых данных. Но применимость этих технологий в макропруденциальной политике может быть ограниченной как в силу уникальности и неопределенности факторов риска, провоцирующих макрофинансовую нестабильность, так и вследствие нелинейности и волатильности зависимостей между базовыми переменными. По этим причинам экстраполяция прежних трендов на будущее развитие событий может вести к ошибочным результатам. Иными словами, хотя у финансовых кризисов есть некоторые общие черты, которые можно выделить ретроспективно, но триггеры каждого индивидуальны и их пока невозможно предвидеть заранее (эта характеристика финансовых кризисов получила название «неизвестно неизвестное» [16, с. 9]). К тому же цели макроэкономической политики1 сформулированы в нормативных правовых актах расплывчато и не имеют количественных характеристик, их сложно конкретизировать и детализировать как алгоритмическую функцию для ИИ/МО [17].

Поскольку программы ИИ/МО обучаются на ретроспективных данных, не учитывающих изменения в текущей ситуации, применение генерируемых ими рекомендаций может усугубить макрофинансовый стресс, спровоцировав:

 

Риски макрофинансовой стабильности, исходящие от технологий ИИ/МО

Риски и неопределенности, порождаемые применением ИИ/МО, могут распространяться в национальной финансовой системе по нескольким каналам, усиливающим их дестабилизирующее воздействие:

У программ генеративного ИИ и персонала ЦБ могут быть совершенно разные способы достижения одной и той же цели, и существует риск, что при применении программ ИИ/МО будут выбраны способы, наносящие ущерб общественному благосостоянию или не соответствующие этическим или моральным стандартам общества. Подобное развитие усугубляется сложностью конкретизации данных о целях макропруденциальной политики.

Быстрое и неупорядоченное внедрение программ и приложений ИИ/МО в операционную деятельность компаний реального сектора усиливает риск сбоев в функционировании многих секторов экономики (по данным McKinsey, на начало 2025 г. три четверти компаний уже использовали хотя бы одно приложение ИИ в своих бизнес-процессах [18]). Масштабы таких нарушений могут значительно различаться в зависимости от темпов и масштабов внедрения ИИ/МО. Сложность генеративного ИИ затрудняет прогнозирование последствий реализации сгенерированных программами рекомендаций, что может привести к непредвиденным системным рискам.

Органы финансового регулирования и надзора сталкиваются с двумя основными проблемами при оценке потенциальных последствий применения технологий ИИ/МО в целях обеспечения макрофинансовой стабильности: рост неопределенностей в силу быстрых инноваций и ограниченность данных о том, какие конкретные программы/приложения ИИ/МО используют поднадзорные финансовые организации. Поскольку уязвимости финансовой системы могут быстро развиваться в условиях высокой скорости изменений на финансовых рынках, а регулирующие (надзорные) органы располагают лишь фрагментарными данными о применении тех или иных программ/приложений ИИ/МО, то у ЦБ отсутствует целостное представление о том, что происходит в финансовых организациях, их использующих. Значительное снижение эффективности финансового надзора может вести к накоплению системных рисков и макрофинансовой нестабильности.

В дополнение к  уязвимостям  финансового сектора недостаточные объемы инвестиций регулирующих органов в повышение квалификации персонала и ресурсы, необходимые для критической оценки разработок ИИ и использования ИИ финансовыми институтами, также могут представлять риски для макрофинансовой стабильности.

Четыре типа уязвимостей, порождаемых технологиями ИИ/МО, могут усиливать системный риск на финансовых рынках:

Высококонцентрированные рынки поставщиков услуг существуют во всех важных звеньях цепочки поставок программ/приложений ИИ, включая оборудование, инфраструктуру и агрегацию данных. Риски, обусловленные концентрацией поставщиков услуг, возрастают, когда многие финансовые институты полагаются на ограниченный набор поставщиков определенных услуг или когда финансовые институты пользуются несколькими услугами одного и того же поставщика. На рынках ускоренных вычислительных чипов и облачных сервисов доминирует ограниченное количество поставщиков. Кроме того, рынок агрегации финансовых данных в последние годы становился все более консолидированным, по мере того как крупные поставщики данных приобретали более мелких конкурентов [15]. Концентрация поставщиков услуг на рынке генеративного ИИ – серьезная проблема, особенно с точки зрения операционной уязвимости бизнеспроцессов финансовых институтов.

Широкое применение технологий/приложений генеративного ИИ финансовыми институтами зачастую опирается на использование сходных источников данных и моделей, что ведет к большей корреляции на финансовых рынках [14].

Технологии ИИ/МО оказывают влияние на ключевые направления деятельности ЦБ, равно как и на функционирование национальных финансовых систем. Они также влияют на общую макроэкономическую ситуацию: производительность ресурсов, потребление, инвестиции и рынки труда, что, в свою очередь, оказывает обратное воздействие на финансовую стабильность. Так, например, широкое применение компаниями технологий ИИ/МО помогает фирмам быстрее реагировать на конъюнктурные изменения и регулировать отпускные цены, а в результате может ускоряться динамика темпов инфляции, что существенно усложняет возможности ЦБ проводить политику таргетирования инфляции.

 

Применение технологий ИИ/МО финансовыми институтами трансформирует их взаимодействие друг с другом и саму финансовую систему, а также усиливает внутренние уязвимости, присущие национальным финансовым системам. Это вынуждает ЦБ вносить изменения в операционную и регуляторную деятельность и надзорную практику. ЦБ вводят в свою деятельность инновационные технологии, но при этом сталкиваются с несколькими серьезными проблемами выбора: применять собственные разработки приложений ИИ/МО или же закупать их у сторонних поставщиков; использовать в надзорной и аналитической работе лишь традиционные данные или и нетрадиционные данные; как оптимальнее выстроить обмен данными между органами государственного управления, – и многими  другими.

 

Макропруденциальная политика должна быть ориентирована на предотвращение возможных будущих негативных событий, а тем самым носить проактивный, а не реактивный характер. Для выполнения установленных мандатов финансовые регуляторы и надзорные органы обязаны постоянно пытаться предвосхищать возможное формирование уязвимостей и/или усиление вероятности материализации факторов рисков, а не просто отвечать на кризисы по мере их возникновения, пытаясь смягчить их негативные последствия. Но в последнее время работа макропруденциальных регуляторов становится все труднее и сложнее, поскольку растет сложность финансовой системы, а ее периметр становится все более расплывчатым.

Применение финансовыми регуляторами ИИ/ МО может быть полезным, поскольку программы способны быстро обрабатывать огромные объемы данных, но перед ЦБ встает сложная задача формирования внутренней структуры эффективного централизованного управления инновационными технологиями. В настоящее время можно выделить четыре возможных дальнейших сценария развития и применения ИИ/МО финансовыми регуляторами и ЦБ: максимально благоприятный (ИИ – помощник), консервативный и рискованный (ИИ для ограниченного применения и ИИ – соперник), а также негативный («зима ИИ») (рис. 1).

Для проектирования благоприятного сценария эволюции инновационных технологий необходимы как активное развитие инновационных технологий, так и адекватное государственное регулирование. В настоящее время большинство национальных финансовых регуляторов придерживается консервативного подхода в отношении применения ИИ/МО в целях поддержания макрофинансовой стабильности. Однако хаотичное использование технологий ИИ/МО участниками финансового рынка может серьезно подорвать стабильность финансовых систем и стать триггером серьезного и быстро развивающегося финансового кризиса. По этой причине председатель Европейского центрального банка, директор-распорядитель Международного валютного фонда К. Лагард предложила включить поддержание упорядоченного применения инновационных технологий в цели макропруденциальной политики [19].

 

Список литературы