Выявление мошенничества даёт 90–99 % точности и работает в 300 раз быстрее, но больше половины мошенничества тоже использует ИИ. Цифры и асимметрия.
Выявление мошенничества — доказанный сценарий: около 90 % финансовых институтов развернули меры на базе ИИ (72 % активно применяют ИИ для выявления фрода), достигая 90–99 % точности против 58–70 % у систем на правилах и работая примерно в 300 раз быстрее.
Но и атакующие автоматизировались: более 50 % мошенничества теперь связано с ИИ, а число попыток фрода с дипфейками выросло за три года на 2 137 %.
Рынки давно исполняются машинами: 70–80 % сделок с акциями в США исполняются алгоритмами на базе ИИ против менее 50 % десять лет назад.
У следующего рубежа есть бюджет: 52 % институтов пилотируют или разворачивают агентный ИИ, и 71 % сообщает, что ИИ соответствует ожиданиям по ROI или превосходит их — заметно выше среднего по отраслям.
Финансовые услуги сообщают о лучшей отдаче от ИИ, чем большинство отраслей, и причины структурные, а не культурные:
Последний пункт недооценён: финансы стали сильны в ИИ отчасти потому, что преступники не давали им расслабиться.
| Показатель | Системы ИИ | На правилах |
|---|---|---|
| Точность обнаружения | 90–99 % | 58–70 % |
| Скорость | примерно в 300 раз быстрее | базовая |
| Развёртывание | около 90 % институтов | унаследованный слой |
Встречная тенденция заслуживает того же места: более половины мошенничества теперь использует ИИ, попытки с дипфейками выросли за три года на 2 137 %, а годовые потери от фрода прогнозируются в районе 40 млрд долларов к 2027 году. Обнаружение резко улучшилось и потери растут — оба утверждения верны, потому что объём и изощрённость атак росли быстрее.
Операционное следствие: голосовая и видеоверификация больше не являются достаточным контролем. Подтверждение по отдельному каналу для крупных переводов — не паранойя, а сегодняшний минимум.
При 70–80 % сделок с акциями США, исполняемых алгоритмически, интересный вопрос 2026 года не в том, торгует ли ИИ, а в том, насколько высоко он поднимается по стеку решений: генерация сигнала, построение портфеля, наложение риска. Каждый уровень возвращает тот же вопрос управления в более острой форме: кто отвечает за решение, которое не принимал ни один человек?
52 % пилотируют или разворачивают агентный ИИ, при этом 81 % респондентов отрасли ожидает ощутимого влияния на операции. Реалистичные ближайшие применения: онбординг клиентов, сверка, обработка комплаенс-документов, разрешение обращений (шаблон, который поддержка уже доказала).
Трудность не в возможностях, а в дизайне полномочий. Агент с продуктивными правами в регулируемом институте — сначала вопрос контроля и только потом вопрос продукта.
Дисциплина модельного риска в финансах становится образцом, который другие отрасли копируют под режимом высокого риска европейского закона об ИИ (сроки перенесены на декабрь 2027 года). Если вы строите управление ИИ где-то ещё, playbook финансовых услуг — реестр моделей, независимость валидации, документированный мониторинг, челленджер-модели — самая проверенная в бою отправная точка из доступных.
Третий опрос Банка Англии и FCA об ИИ в британских финансовых услугах показал, что 75 % компаний уже используют ИИ, а ещё 10 % планируют внедрение в течение трёх лет. Регуляторы спрашивают не о том, надзирать ли за ИИ в финансах, а о том, как это делать.
Казначейство Великобритании опубликовало Financial Services AI Adoption Plan 14 июля 2026 года — самое ясное на сегодня заявление о том, что крупный регулятор рассматривает внедрение ИИ как политику, которую нужно активно формировать, а не просто терпеть.
FTC в июле 2026 года взялась за точность ИИ, дав сигнал, что утверждения о том, что делают системы ИИ, сами по себе являются полем правоприменения. Для финансовых институтов это касается маркетинга и раскрытия информации не меньше, чем моделей.
Документацию управления моделями, объяснимость неблагоприятных решений и ответственность за модели поставщиков. Общая тема всех регуляторных высказываний 2026 года одна: вы остаётесь ответственны за решение, которое приняла модель вашего поставщика.
Точность обнаружения выросла с 58–70 % (правила) до 90–99 % (ИИ) при примерно 300-кратной скорости. За тот же период более половины мошенничества стало использовать ИИ, а попытки фрода с дипфейками выросли за три года на 2 137 %.
Защитники должны быть правы каждый раз и на каждом канале; атакующим достаточно одного успеха. Автоматизация усиливает обе стороны, но объём попыток она наращивает дешевле, чем возможности проверки.
Проверка по отдельному каналу для крупных операций и отношение к любому голосу и видео как к неаутентифицированным по умолчанию. Институты, у которых в 2026 году дела идут хорошо, изменили процессные допущения, а не только модели обнаружения.
Sources: Банковская статистика Axis Intelligence · Руководство Emburse по выявлению фрода · Тренды Finastra на 2026 · Данные BusinessStats об ИИ в финансах · Финансовая статистика AI Business Weekly
Последнее обновление: 30 июля 2026
Agents API от OpenAI упрощает создание устойчивых облачных агентов. Разбираем изменения, недоказанные тезисы и контролируемый запуск.
Как ИИ перекроил творческую работу: 86% внедрения, падение на 17% в дизайне, музыкальные мировые как шаблон и то, что суды так и не решили.
Данные 2026 года: 88% студентов используют генеративный ИИ, учителя экономят 5,9 часа в неделю — но формальные правила есть лишь у 13% школ.
Картина 2026 года: Digital Omnibus переносит обязанности для высокого риска на 2027 год, два новых запрета ЕС и надзор за GPAI.
Экспертные прогнозы для ИИ к 2030 году: сроки AGI, влияние на рынок труда, технологические прорывы и сценарии, по которым нет согласия.
ИИ в медицине в цифрах: 1,451 одобренное FDA устройство, 75% внедрения в системах здравоохранения и 43% без данных клинической валидации.
Данные о занятости 2026: 87 714 сокращений из-за ИИ за пять месяцев, минус 28 000 в месяц в техе и финансах, и главное различие в автоматизации.
Восемь трендов, определяющих ИИ в 2026: гонка оценок, модели-однодневки, уход Sora, мировые по авторскому праву и намеренная пауза в регулировании.
