ИИ в финансах и страховании: текущее состояние и перспективы

ИИ в финансах и страховании: текущее состояние и перспективы



Несмотря на относительную консервативность отрасли, в 2025 году компании финансового и страхового сектора в регионе Европы и Ближнего Востока планируют увеличить инвестиции в ИИ на 84% в сравнении с предыдущим годом. Об этом говорят данные совместного исследования IDC и Lenovo.

Пока лишь 7% организаций в этой сфере систематически используют ИИ. При этом 55% уже пилотируют или находятся на стадии разработки ИИ-решений и еще 28% планируют начать использовать ИИ в ближайшие 12 месяцев.

Финансовые и страховые компании внедряют нейросети для ускорения вывода продуктов на рынок, совершенствования процессов принятия решений, а также для более эффективного управления запасами и цепочкой поставок. В соответствии с глобальным трендом, интерпретирующий ИИ в отрасли вытесняется генеративным: если за прошедший год они применялись в 61% и 19% случаев соответственно, то в следующие 12 месяцев почти сравняются по популярности: 42% против 38%. Предиктивные модели при этом сохранят текущие позиции с частотой использования на уровне 20%.

В финансах, как и в целом в корпоративной среде, наиболее популярный подход к инфраструктуре для ИИ — локальные и гибридные решения, а также частное облако. Эти опции выбирают 64% компаний. При этом уже 16% используют публичное облако. Компьютеры нового поколения с поддержкой ИИ финансовые организации используют больше, чем в среднем по региону — 15% активно с ними работают и 31% пилотируют. Еще 52% компаний планируют или рассматривают возможность внедрения таких устройств.

При выборе партнеров финансовые организации отдают предпочтение провайдерам с экспертизой в ИИ, которые помогают организовать инфраструктуру и решать проблемы масштабирования.

Основные вызовы, с которыми предстоит справиться компаниям из финансового и страхового сектора для эффективного использования ИИ, — масштабирование новых практик на все подразделения, недостаток квалифицированных кадров, нехватка бюджетов на внедрение, качество данных и регуляторные сложности.