Искусственный интеллект в банках Базеля
Банки Базеля, как описано в части E, глава I, охватывают широкий спектр — от филиалов UBS через Basler Kantonalbank и её дочернюю компанию Bank Cler до частных банков и местных представительств иностранных учреждений. Применение ими искусственного интеллекта следует модели швейцарской банковской отрасли в целом: крупнейшие учреждения реализуют специальные программы, а небольшие банки полагаются на продукты поставщиков программного обеспечения и провайдеров автоматизированных банковских систем.1 Опрос FINMA, опубликованный в 2024 году, показал, что около половины опрошенных учреждений уже используют искусственный интеллект или разрабатывают приложения, в среднем по нескольку приложений на учреждение. Опрос также показал, что большинство этих приложений опирается на модели, поставляемые небольшим числом внешних поставщиков.2
Борьба с отмыванием денег — область, где выигрыш наиболее ощутим. Традиционный мониторинг транзакций опирается на правила, такие как пороговые значения для наличных взносов или оповещения о переводах в страны повышенного риска, которые порождают множество ложных срабатываний, и аналитикам приходится проверять их одно за другим. Модели машинного обучения могут ранжировать оповещения по степени риска, выявлять сети связанных счетов и обнаруживать закономерности, которые не предусматривало ни одно фиксированное правило. Закон о борьбе с отмыванием денег (AMLA) и Постановление FINMA о борьбе с отмыванием денег оставляют выбор метода за учреждением при условии, что его система мониторинга эффективна, а проведённые разъяснения задокументированы.3 Те же инструменты помогают в процедурах «знай своего клиента». Они извлекают данные из паспортов, корпоративных реестров и трастовых документов, сверяют имена с санкционными списками и негативными публикациями в СМИ и составляют профиль, который сотрудник комплаенса проверяет перед установлением отношений.
Предотвращение мошенничества — вторая устоявшаяся область. Эмитенты карт и поставщики платёжных услуг в Швейцарии используют модели оценки транзакций в режиме реального времени, а банки применяют поведенческую аналитику для выявления захвата учётных записей и мошенничества с авторизованными платежами, при котором клиентов путём манипуляций побуждают переводить деньги преступникам. Третью область образуют кредитные решения, хотя швейцарские банки полагаются на автоматизированный скоринг главным образом в потребительском кредитовании и лизинге и гораздо меньше — в ипотечном кредитовании и кредитовании малых предприятий, где кредитные менеджеры по-прежнему принимают решения на основе личного знания и обеспечения.4
Консультационные услуги менялись медленнее. Робо-эдвайзеры, формирующие портфели на основе анкет, появились в Швейцарии примерно с 2015 года — их предлагали стартапы, кантональные банки и крупные банки, — однако они так и остались скромной долей рынка управления капиталом. Генеративные модели открыли иной путь. Менеджеры по работе с клиентами теперь пользуются внутренними ассистентами, которые обобщают аналитику, готовят заметки к встречам, составляют проекты писем клиентам и проверяют, согласуется ли рекомендация с инвестиционным профилем клиента, зафиксированным согласно Закону о финансовых услугах (FinSA).5 В частном банковском обслуживании, где у Базеля давние традиции, технология поддерживает консультанта, не заменяя личных отношений, которых по-прежнему ожидают состоятельные семьи.
Картину дополняют коммуникация с клиентами и разработка программного обеспечения. Чат-ассистенты отвечают на типовые вопросы на сайте банка и в его приложении, а голосовые системы маршрутизируют звонки и аутентифицируют звонящих. Внутри банка разработчики используют ассистентов по программированию для написания и тестирования программного обеспечения, что важно, поскольку швейцарские банки поддерживают крупные и нередко устаревшие автоматизированные банковские системы. Ряд учреждений сообщил о росте производительности в разработке программного обеспечения, превышающем рост в любой другой функции, хотя опубликованные цифры сильно разнятся и зависят от того, как измеряется производительность.6
Примечания
- О банковском ландшафте Базеля см. часть E, глава I. О применении ИИ швейцарскими банками разного размера см. опросы Швейцарской ассоциации банкиров и надзорные сообщения FINMA с 2023 года. Статус подлежит проверке. ↩
- FINMA, Risk Monitor 2024 и сопроводительное сообщение об опросе о применении ИИ поднадзорными учреждениями, опубликованное весной 2025 года. Цифры и даты подлежат проверке. ↩
- Ст. 6 и 7 Закона о борьбе с отмыванием денег (AMLA, SR 955.0); ст. 20 Постановления FINMA о борьбе с отмыванием денег (AMLO-FINMA, SR 955.033.0) о компьютерном мониторинге транзакций. См. часть E, глава III. Подлежит проверке. ↩
- О выявлении мошенничества и кредитном скоринге в швейцарском банковском деле см. годовые отчёты Швейцарской ассоциации банкиров и литературу о Законе о потребительском кредите (CCA, SR 221.214.1), требующем оценки кредитоспособности согласно ст. 28–30. Подлежит проверке. ↩
- О проверках пригодности и уместности согласно ст. 10–14 Закона о финансовых услугах (FinSA, SR 950.1) см. часть E, глава II. О робо-консультировании в Швейцарии см. исследования Люцернского университета прикладных наук и искусств (IFZ) о цифровом управлении капиталом. Подлежит проверке. ↩
- О применении ассистентов по программированию и измерении производительности в финансовых учреждениях см. BIS, Annual Economic Report 2024, глава III, и цитируемые там исследования о генеративном ИИ и производительности. Цифры подлежат проверке. ↩
Только для общего ознакомления. Настоящая статья не является юридической или налоговой консультацией, не заменяет консультацию по конкретному делу и не создаёт отношений между адвокатом и клиентом. Она отражает правовое положение по состоянию на октябрь 2026 г.