Современные технологии искусственного интеллекта как инструмент трансформации цепочек создания стоимости российских коммерческих банков
https://doi.org/10.26794/2587-5671-2024-28-4-122-135
Аннотация
Объект исследования — цепочка создания стоимости банка.
Цель —определение возможности применения технологий искусственного интеллекта (ИИ) на этапах цепочки создания стоимости коммерческих банков и трансформация цепочки стоимости под воздействием данных технологий.
Используются как общенаучные методы — анализ, синтез, абстракция, индукция и дедукция, так и графический и статистический анализы, методология цепочки создания стоимости. Изучены основные подходы к формированию цепочки стоимости в банковской отрасли, а также ключевые характеристики бизнес-процессов, входящих в нее. Особое внимание уделено технологической составляющей как базиса для развития современного цифрового банкинга. Выявлены основные направления внедрения современных технологий искусственного интеллекта как прикладных, так и генеративных моделей. Анализ цепочки стоимости показал, что создание и использование моделей ИИ — это самостоятельный вспомогательный процесс, работа которого не только влияет на основную деятельность банка, но и требует определенного уровня развития технологий и риск-менеджмента в банке. На данных библиотеки кейсов AI Russia на практических примерах продемонстрированы фактические результаты влияния моделей ИИ на этапы цепочки создания стоимости — маркетинга и продаж, клиентской поддержки и коммуникаций, операционного процессинга и риск-менеджмента. По результатам исследования сделаны выводы о том, что внедрение инноваций в области искусственного интеллекта увеличивает стоимость компании за счет роста эффективности бизнес-процессов. Внедрение искусственного интеллекта требует технологической зрелости предприятия, а его использование является самостоятельным технологическим процессом, требующим участия вспомогательных процессов, например, риск-менеджмента. Результаты исследования имеют практическую значимость для компаний банковской отрасли, так как методы анализа влияния технологий ИИ на цепочку стоимости могут быть использованы при принятии решений об их внедрении.
Об авторах
И. Е. ПокаместовРоссия
Илья Евгеньевич Покаместов, кандидат экономических наук, доцент, генеральный директор
кафедра управления финансами и инвестициями
Москва
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов
Н. А. Никитин
Россия
Никита Александрович Никитин, аспирант
факультет «Высшая школа управления»
Москва
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов
Список литературы
1. Maslej N., Fattorini L., Brynjolfsson E., et al. Artificial intelligence index report 2023. Stanford, CA: Institute for Human-Centered AI, Stanford University; 2023. 386 p. URL: https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI–Index-Report_2023.pdf (дата обращения: 11. 09. 2023).
2. Глазков Б., Красовский П., Лысенко А., Левашов А. Эффекты от внедрения решений на базе искусственного интеллекта в российских компаниях. М.: Ростелеком; 2020. 16 с. URL: https://www.company.rt.ru/press/news/files/ROSTELECOM_AI_0112.pdf (дата обращения: 12. 09. 2023).
3. Porter M. E. The competitive advantage: Creating and sustaining superior performance. New York, NY: The Free Press; 1985. 559 p.
4. Lamarque E., Key activities in the banking industry: An analysis by the value chain. 2000. URL: https://www.researchgate.net/publication/228224964_Key_Activities_In_The_Banking_Industry_An_Analysis_By_The_Value_Chain (дата обращения: 12. 09. 2023).
5. Alt R., Puschmann T. The rise of customer-oriented banking — electronic markets are paving the way for change in the financial industry. Electronic Markets. 2012;22(4):203–215. DOI: 10.1007/s12525–012–0106–2
6. Naimi-Sadigh A., Asgari T., Rabiei M. Digital transformation in the value chain disruption of banking services. Journal of the Knowledge Economy. 2022;13(1):1212–1242. DOI: 10.1007/s13132–021–00759–0
7. Смирнов В. Д. О цепочке создания стоимости в банковском деле. Экономика. Налоги. Право. 2023;16(1):77–86. URL: https://cyberleninka.ru/article/n/o-tsepochke-sozdaniya-stoimosti-v-bankovskom-dele?ysclid=m0ezv4x8ri691861411
8. Boobier T. AI and the future of banking. Chichester: John Wiley & Sons Ltd; 2020. 304 p.
9. Eloundou T., Manning S., Mishkin P., Rock D. GPTs are GPTs: An early look at the labor market impact potential of large language models. arXiv:2303.10130. 2023. DOI: 10.48550/arXiv.2303.10130
10. Naveed H., Ullah Khan A., Qiu S., et al. A comprehensive overview of large language models. arXiv:2307.06435. 2023. DOI: 10.48550/arXiv.2307.06435
11. Sevilla J., Heim L., Ho A., et al. Compute trends across three eras of machine learning. arXiv:2202.05924. 2022. DOI: 10.48550/arXiv.2202.05924
12. Hobbhahn M., Besiroglu T. Trends in GPU price-performance. Epoch AI. 2022. URL: https://epochai.org/blog/trends-in-gpu-price-performance#dataset (дата обращения: 15. 09. 2023).
13. Ran С. Exploring the opportunities and challenges of developing large AI models and their commercialization. Advances in Engineering Technology Research. 2023;6(1):611–620. DOI: 10.56028/aetr.6.1.611.2023
14. Chung H. W., Hou L., Longpre S., et al. Scaling instruction-finetuned language models. Journal of Machine Learning Research. 2024;25:1–53. URL: https://www.jmlr.org/papers/volume25/23–0870/23–0870.pdf
15. Manser Payne E. H., Dahl A. J., Peltier J. Digital servitization value co-creation framework for AI services: A research agenda for digital transformation in financial service ecosystems. Journal of Research in Interactive Marketing. 2021;15(2):200–222. DOI: 10.1108/JRIM-12–2020–0252
16. Никитин Н. А. Вероятностные методы учета модельных рисков при оценке инвестиций в технологии искусственного интеллекта. Инновационное развитие экономики. 2023;(2):123–134. DOI: 10.51832/2223798420232123
17. Thomas R., Agarwal A., Bhattacharjee A., et al. Building the AI bank of the future. Washington, DC: McKinsey & Company; 2021. 66 p. URL: https://www.mckinsey.com/~/media/mckinsey/industries/financial%20services/our%20insights/building%20the%20ai%20bank%20of%20the%20future/building-the-ai-bank-of-the-future.pdf (дата обращения: 15. 09. 2023).
18. Chui M., Hazan E., Roberts R., et al. The economic potential of generative AI: The next productivity frontier. Washington, DC: McKinsey & Company; 2023. 68 p. URL: https://www.mckinsey.com/~/media/mckinsey/business%20functions/mckinsey%20digital/our%20insights/the%20economic%20potential%20of%20generative%20ai%20the%20next%20productivity%20frontier/the-economic-potential-of-generative-ai-the-next-productivity-frontier.pdf (дата обращения: 15. 09. 2023).
Рецензия
Для цитирования:
Покаместов И.Е., Никитин Н.А. Современные технологии искусственного интеллекта как инструмент трансформации цепочек создания стоимости российских коммерческих банков. Финансы: теория и практика/Finance: Theory and Practice. 2024;28(4):122-135. https://doi.org/10.26794/2587-5671-2024-28-4-122-135
For citation:
Pokamestov I.E., Nikitin N.A. Modern Artificial Intelligence Technologies as a Tool of Transformation of Value Chains of Russian Commercial Banks. Finance: Theory and Practice. 2024;28(4):122-135. https://doi.org/10.26794/2587-5671-2024-28-4-122-135