Пресса о страховании, страховых компаниях и страховом рынке

Банковское обозрение, 26 сентября 2025 г.

Очевидное в своей неочевидности

111 просмотров

На XXII Международном банковском форуме в Сочи признали: «Стремительное развитие ИИ несет в себе не только преимущества, но и риски — технические, этические, юридические и социальные».

По данным Натальи Касперской, модератора круглого стола «Высокие технологии — потенциал и риски», президента ГК InfoWatch, в 2024 году рынок страхования киберрисков достиг 3 млрд рублей, что является “копейками” по сравнению, например, с ОСАГО. Естественно, встает вопрос: «А может ли развитию этой сферы помочь ИИ?» Это, во-первых. И как быть с рисками, исходящими от самого ИИ? Можно ли застраховать и их?».

Лариса Митринская, директор по стратегическому развитию АНО «Цифровая экономика», не ушла от ответа: «О страховании киберрисков сегодня много говорят. Есть разговоры о введении обязательного страхования этого вида риска. Обсуждаются альтернативные варианты. Причиной тому являются те киберинциденты, которые все чаще и чаще возникают. Их рост оценивается в два раза за последний год. При этом степень использования ИИ при их осуществлении выросла на 70%».

Причины беспокойства

XXII Международный банковский форум зафиксировал, по крайней мере для финансового сектора, тот факт, что список источников угроз новых технологий значительно расширился и продолжает пополняться за счет очевидных и неочевидных рисков.

Первым кандидатом на включение в него стал ИИ. Но не он один привлекает злоумышленников. Перспективными инструментами им представляются и квантовая криптография, и облачные вычисления, и многое другое. При этом все они используют комплексно, выставляя при этом на обозрение лишь ИИ. И как бизнесу минимизировать новые риски уже сегодня? Одно из самых очевидных решений — расширение инструментария страхования рисков.

А вот на вопрос, как по-настоящему привлечь страховщиков, нет очевидного ответа. И спрашивать об этом у искусственного интеллекта бесполезно. Зато естественный интеллект участников круглого стола, если и не решил полностью проблему, то обозначил ключевые риски, на управлении которыми необходимо сконцентрироваться в первую очередь.

Дополнительной интригой для участников круглого стола стало заявление Сергея Швецова, председателя наблюдательного совета Московской биржи, сделанное им накануне в ходе форсайт-сессия «Будущее отечественного финансового рынка». По его словам, «Яндекс», один из двух отечественных лидеров в области построения общего ИИ, постепенно сходит с дистанции. Это означает еще более глубокое погружение отечественных пользователей моделей в мир китайских интеллектуальных поделок, которые у нас лишь дообучаются.

В ходе круглого стола Александр Долбнев, директор по работе с финансовым сектором Yandex Cloud, не стал акцентировать внимание на этой новости и заявил, что «не знает, кто об этом говорит». Зато пару слов сказал Андрей Грунин, заместитель директора Института искусственного интеллекта МГУ имени М.В. Ломоносова.

По его данным, «Яндекс» оставил без изменений свою текущую модель b2b, но добавил к ней модель b2c на базе китайской Qwen, поскольку «так делают сейчас все».

Проблема «черного ящика»

Какие же риски кроме проблем с импортозамещением моделей выделили участники панели? Андрей Грунин как практикующий теоретик дал развернутый список фундаментальных угроз, с которыми нельзя ничего поделать, продолжая использовать существующую модель трансформеров, известную как GPT. При этом эксперт особо подчеркнул, что существующие ИИ и агентские системы он рассматривает лишь как очередной этап автоматизации бизнеса с присущими ей ограничениями, но реально повышающей производительность труда и создающей новые сервисы, например гиперперсонализацию сервисов, скоринг, управление рисками и антифрод в банковском секторе с помощью ИИ.

Во-первых, это неочевидный риск предвзятости, возникающий из-за особенностей данных при обучении. Например, в случае использования в скоринге подобной модели, она может предвзято относиться к каким-то категориям граждан. Предвзятость моделей граничит с блоком этических рисков, к которым так трепетно относятся стейкхолдеры организаций.

Во-вторых, очевидно, что модели накапливают в себе огромный объем данных, включая чувствительные как с точки зрения законодательства, так и с позиций корпоративной тайны. Поэтому в теневой экономике уже сформировались целые подпольные бизнесы по извлечению приватной и конфиденциальной информации из моделей, например, при помощи инъекций в промпты.

В-третьих, угроза, в очевидности которой первыми убедились психологи. Это риск очеловечивания больших языковых моделей, переименованный инженерами в «иллюзию точности». Люди начинают воспринимать ИИ в качестве реального собеседника, который точно знает все ответы на все вопросы. Для психотерапии эта особенность ценна в медицинском аспекте, а вот для банкинга при массовом общении с клиентами того же чат-бота она реализуется как риск «неадекватного восприятия ИИ клиентом банка».

Наконец, ни в научных, ни в практикующих кругах нет понимания того, что делать с риском «черного ящика», смысл которого заключается в том, что порой невозможно определить, почему ИИ принял то или иное решение. Пока предлагается разными техническими и иными способами ограничить зону доверия людей к решениям ИИ некими рамками, что нивелирует парадигму обучения ИИ всему на свете в рамках одной модели. Но лучше так, чем захватывающие галлюцинации или проникновенные рассказы чат-бота клиентам одного банка о преимуществах продуктов другого.

ИИ и «черные лебеди»

Какие «черные лебеди» могут прилететь в дополнение к обозначенным угрозам? И в словах Александра Долбнева, и в высказываниях Андрея Грунина можно было услышать об эмерджетных рисках. Они связаны с распространением ИИ-агентов, которые могут от имени своих хозяев-людей вести диалог между собой «с разных концов интернет-кабеля».

Когда этих агентов уже два, у людей должна бы появиться тревога: не забыли ли ИИ интересы людей? А вот на вопрос, что будет происходить, когда таких агентов станет много, целый «рой», наука сейчас дать ответ не может. Если добавить в эту неопределенность человека, то станет очевидно, что все вообще неочевидно. Предполагается, что «рой» будет со временем вести себя наподобие стаи рыб или птиц, управляемой уже неким коллективным разумом «поверх» ИИ-агентов и людей. А ведь на базе такой IT-архитектуры уже начинают сроить банковские core-системы…

Метрики новых технологий

Технический директор, член правления ЕДИНОГО ЦУПИС Александр фон Розен полагает: «Учитывая огромное количество обрабатываемых транзакций, количество клиентов компании, измеряемое десятками миллионов пользователей, можно было предположить, что у нас работает не порядка 500 сотрудников, а несколько тысяч человек».

На начальном этапе это достигалось при помощи классических алгоритмических средства автоматизации. Затем появились роботы RPA, которые помогли сэкономить огромное количество ресурсов. Сейчас активно идет работа с ИИ, прежде всего для нужд собственных специалистов, что повышает производительность их труда. Результаты этой работы измерить довольно просто. Когда придет время, в компании обещают рассказать о реальном эффекте от агентского ИИ, поскольку на рынке не так много информации на эту тему.

Максим Крукелис, и.о. заместителя генерального директора, директор операционно-технологического департамента НСПК, отвечая на вопрос из зала о том, «какие собираются метрики эффективности ИИ», рассказал об эффективности ИИ в процессе разработки ПО. По его словам, измерения проводятся на стадиях документирования, коммитов, поиска информации для решения проблем. Еще одно перспективное направление ИИ, поддающееся снятию метрик, — насколько быстро новый человек в команде разработчиков вникает в суть проекта. Это — примеры того, как ИИ снижает операционные риски с вполне измеримым результатом.

Ваше мнение об этом материале:

— Ваше имя
— Ваш email
— Тема

Ваш отзыв (заполняется обязательно):

Укажите код на картинке слева:

Установите трансляцию заголовков прессы на своем сайте

 Подробнее »

Получить код для трансляции заголовков прессы »