Венчурные фонды Greylock и Better Tomorrow Ventures (BTV) провели встречу с основателями ведущих стартапов в сфере искусственного интеллекта для финтеха, чтобы обсудить вызовы и возможности новой технологической волны . В дискуссии приняли участие создатели компаний Rogo, Foundation AI и Basis, которые разрабатывают решения для автоматизации Уолл-стрит, страхового бизнеса и бухгалтерии . Спикеры поделились практическими инсайтами о проектировании ИИ-агентов, поиске кадров, стратегиях продаж крупным корпоративным клиентам и будущем финансового сектора.
📈 Почему финтех стал главным полем битвы для ИИ 2:15
Сет Розенберг, партнер фонда Greylock, сформулировал инвестиционный тезис, согласно которому финтех является одной из наиболее перспективных сфер для применения искусственного интеллекта. По мнению инвестора, даже если развитие передовых ИИ-моделей остановится прямо сейчас, индустрии потребуется еще от 10 до 20 лет, чтобы полностью внедрить существующие технологии в повседневную практику бизнеса .
Сет Розенберг выделяет следующие ключевые факторы привлекательности финтех-рынка для разработчиков ИИ:
- Масштаб индустрии: финансовые услуги составляют около четверти мировой экономики, а общая капитализация сектора оценивается в 11 триллионов долларов .
- Обилие неструктурированных данных: отрасль перегружена сложными документами — чеками, инвойсами, отчетами форм 10-K и 10-Q, а также кредитными заявками, которые идеально подходят для обработки языковыми моделями .
- Высокая экономическая отдача: даже незначительное улучшение качества решений при андеррайтинге или инвестировании приносит компаниям огромную финансовую выгоду .
- Огромные затраты на персонал: традиционные финансовые институты тратят колоссальные средства на оплату услуг бэк-офиса и рутинные операции .
Венчурный фонд Better Tomorrow Ventures активно поддерживает это направление. Как рассказал представитель фонда JC, BTV инвестирует в финтех на стадиях seed и pre-seed, а также развивает в Нью-Йорке акселератор The Mint, в рамках которого предоставляет стартапам ранних стадий финансирование в размере 500 тысяч долларов и общее офисное пространство для ускорения разработки .
🛡️ Создание «рвов» вокруг продукта: полезность против ценности бизнеса 9:26
Одной из главных тем обсуждения стала проблема создания долгосрочных конкурентных преимуществ (так называемых «рвов», или moats) в эпоху доступных API. Митч, сооснователь компании Basis, подчеркивает, что разработчикам ИИ-приложений важно разделять понятия «полезного продукта» и «ценного бизнеса» . По его мнению, создание ценности для клиента не гарантирует автоматического роста капитализации самой компании.
В качестве аналогии Митч приводит Salesforce: с технической точки зрения написать SQL-запрос для извлечения данных можно быстрее, чем это делает их платформа, однако ценность Salesforce заключается во внедренных рабочих процессах (embedded workflows), высокой вовлеченности пользователей и накопленном контексте данных . Для Basis таким «рвом» становится выполнение конкретных задач бэк-офиса. Если ИИ-система накапливает контекст о клиенте и становится местом, где фактически ведется вся бухгалтерия компании, она становится незаменимой .
Джон Уиллет, сооснователь Rogo, признается, что его компания прошла через несколько этапов эволюции продукта . Изначально на Уолл-стрит преобладало мнение, что ИИ должен автоматизировать простые шаблонизированные задачи, например, создание профилей компаний или саммари финансовых отчетов . Однако на практике выяснилось две вещи:
- Экономия пары часов в неделю не оправдывает стоимость крупных контрактов .
- В инвестиционном банкинге черновик презентации, готовый на 90%, часто бесполезен — аналитикам все равно приходится переделывать его вручную .
В результате Rogo изменила стратегию. Вместо создания простого интерфейса поверх баз данных (FactSet, Capital IQ, PitchBook), компания сосредоточилась на разработке ИИ-аналитика, способного вести сложные финансовые рассуждения на уровне человека . Как утверждает Джон Уиллет, именно качество финансового мышления модели определяет, выиграет ли банк сделку .
🤖 В поисках истинной «агентности»: отличие от традиционной автоматизации 14:41
Джейми Кафф, сооснователь Foundation AI, считает, что сегодня термин «агент» часто используется как модное слово. По его мнению, простое добавление ИИ-шага в линейный конструктор процессов (workflow builder) не делает систему агентом .
Настоящий ИИ-агент должен обладать следующими свойствами:
- Способность автономно находить решение для новой, ранее не встречавшейся задачи .
- Умение работать не по жестко заданному коду, а на основе стандартных операционных процедур (SOP) — длинных текстовых инструкций, которые обычно пишутся для людей-сотрудников .
- Постоянное самообучение и улучшение результатов по мере выполнения работы .
Foundation AI внедряет таких агентов в страховые компании, которые ежедневно обрабатывают сотни миллионов PDF-файлов . Джейми Кафф отмечает, что крупным клиентам часто приходится преодолевать «страх перед призраками прошлого» — негативный опыт работы с системами RPA (Robotic Process Automation, такими как UI Path) или старыми OCR-решениями . Чтобы завоевать доверие, стартапу необходимо продемонстрировать, что ИИ-агент работает так же гибко, как и человеческая команда .
💼 Отказ от модели per-seat и специфика продаж крупным фондам 17:51
Традиционная модель тарификации «за пользователя» (per-seat) теряет актуальность, когда ценность продукта заключается в сокращении штата. Митч рассказывает, что Basis отказалась от этой модели . По его мнению, идеальная тарификация должна напоминать оплату человеческого труда, например, почасовую ставку. Однако на практике клиенты-бухгалтеры не готовы воспринимать счета за объем потраченных ИИ-токенов . В качестве компромисса Basis использует прокси-метрику: стоимость подписки привязана к количеству конечных клиентов, которых обслуживает бухгалтерская фирма .
Джон Уиллет поделился опытом продаж ИИ-решений в консервативные финансовые институты . По его наблюдениям, на рынке сейчас борются два тренда: всеобщее признание того, что ИИ изменит Уолл-стрит, и растущий скептицизм в отношении немедленного эффекта технологий . На заявления некоторых клиентов о желании «занять выжидательную позицию» Rogo отвечает аргументом о длительности интеграции .
Процесс внедрения ИИ в банке занимает от 6 до 12 месяцев. Это время уходит на:
- Подключение к внутренним базам данных и лицензирование внешних источников .
- Построение графа знаний поверх информации клиента .
- Обучение сотрудников правильному взаимодействию с ИИ-системой .
Джон Уиллет подчеркивает: если банк решит дождаться условной GPT-5, его конкуренты, которые начали внедрение раньше, смогут мгновенно переключить систему на новую модель и окажутся на два года впереди . Кроме того, требования к качеству данных в финтехе максимальны. Если ИИ-система выдаст хедж-фонду неверную цифру для сделки или не укажет точный источник информации, инструментом больше никогда не воспользуются . Стартапам рекомендуется начинать работу с крупными клиентами через формат «партнерств по проектированию» (design partnerships), фокусируясь на создании реально используемого продукта в течение первых 3–6 месяцев, и лишь затем думать о масштабировании выручки .
🗽 Охота за талантами: почему Нью-Йорк побеждает Кремниевую долину 23:09
Участники панели сошлись во мнении, что Нью-Йорк становится лучшим местом для создания прикладных ИИ-компаний (vertical AI), поскольку здесь сосредоточены ключевые клиенты из сферы финансов и страхования . Джейми Кафф считает, что если для разработки базовых моделей (frontier models) или инструментов для разработчиков больше подходит Сан-Франциско, то для отраслевого ИИ близость к клиенту критически важна .
В вопросе найма основатели обращают внимание на изменение требований к инженерам. По словам Митча, в эпоху доступности мощных моделей традиционные навыки написания кода отходят на второй план . Важнее становятся такие качества, как:
- Агентность (самостоятельность): способность сотрудника быстро находить ответы и разбираться в незнакомых темах (например, использовать ChatGPT для изучения основ бухгалтерского учета) .
- Вкус и продуктовое мышление: понимание архитектуры данных и бизнес-логики клиента .
- Умение переобучаться: способность адаптироваться к быстро меняющимся технологическим стандартам .
Джейми Кафф добавляет, что отличным источником сильных кадров в Нью-Йорке стали бывшие основатели стартапов (в компании Retool на определенном этапе они составляли две трети команды) . Такие специалисты обладают широким кругозором и способны совмещать функции разработки и продаж . Также компании активно нанимают специалистов на стыке технологий и бизнеса — так называемых инженеров по внедрению (deployed engineers) или специалистов по прикладному ИИ, которые могут общаться с клиентами на их языке (например, бывшие инвестиционные банкиры) [24:02, 40:01].
🔮 Внутреннее использование ИИ и будущее на горизонте 10 лет 28:34
Стартапы активно используют искусственный интеллект для оптимизации собственной работы. В Rogo нетехнические сотрудники с помощью ИИ генерируют SQL-запросы для анализа пользовательской активности, что позволило компании отказаться от найма выделенных BI-аналитиков . Основатели Basis и Foundation AI рассказали об успешном опыте использования автономного ИИ-разработчика Devin для ревью кода (pull requests) . При этом Митч отметил, что для эффективной работы ИИ-инструментов приходится перестраивать внутренние процессы компании: например, делить крупные репозитории кода на более мелкие, чтобы моделям было проще с ними работать .
Говоря о будущем финансового сектора на горизонте 5–10 лет, участники дискуссии сделали несколько прогнозов:
- Сокращение рабочих мест: по мнению Митча, большинство задач, которые сегодня выполняются людьми в финансовой сфере, через 7 лет будут автоматизированы .
- Сверхэффективные команды: Джейми Кафф ожидает появления гигантских по капитализации компаний, управляемых очень небольшими командами за счет оркестрации сотен ИИ-агентов .
- Роль человеческого фактора: Джон Уиллет считает, что ИИ сравнится по качеству аналитики с лучшими управляющими директорами Morgan Stanley, однако в вопросах привлечения капитала личные отношения и эмпатия останутся ключевыми еще долгое время .
- Инфраструктурная перестройка: Сет Розенберг предполагает, что для полноценной автономной работы ИИ-агентов в финансах потребуется интеграция блокчейн-технологий. Это позволит роботам проводить транзакции и платежи программным путем без риска и ограничений традиционной банковской инфраструктуры [36:00, 36:27].
