# Сет Розенберг: «Финтех — одна из самых интересных сфер для ИИ»

Источник: https://www.youtube.com/watch?v=wqFg7_FG3z8
Канал: Greylock
Опубликовано: 30.04.2025

---

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 [00:18]. В дискуссии приняли участие создатели компаний Rogo, Foundation AI и Basis, которые разрабатывают решения для автоматизации Уолл-стрит, страхового бизнеса и бухгалтерии [04:31]. 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
[[JUMP:02:15]]

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 [03:08].

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 [03:36].
*   **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 [03:49].
*   **Высокая экономическая отдача:** даже незначительное улучшение качества решений при андеррайтинге или инвестировании приносит компаниям огромную финансовую выгоду [04:02].
*   **Огромные затраты на персонал:** традиционные финансовые институты тратят колоссальные средства на оплату услуг бэк-офиса и рутинные операции [04:16].

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 [00:31].

## 🛡️ Создание «рвов» вокруг продукта: полезность против ценности бизнеса
[[JUMP:09:26]]

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» [10:19]. 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 [11:11]. 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 [11:50].

Джон Уиллет, сооснователь Rogo, признается, что его компания прошла через несколько этапов эволюции продукта [12:41]. Изначально на Уолл-стрит преобладало мнение, что ИИ должен автоматизировать простые шаблонизированные задачи, например, создание профилей компаний или саммари финансовых отчетов [12:54]. Однако на практике выяснилось две вещи:

1.  Экономия пары часов в неделю не оправдывает стоимость крупных контрактов [13:20].
2.  В инвестиционном банкинге черновик презентации, готовый на 90%, часто бесполезен — аналитикам все равно приходится переделывать его вручную [13:32].

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 [13:45]. Как утверждает Джон Уиллет, именно качество финансового мышления модели определяет, выиграет ли банк сделку [14:28].

## 🤖 В поисках истинной «агентности»: отличие от традиционной автоматизации
[[JUMP: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 [15:44].

Настоящий ИИ-агент должен обладать следующими свойствами:

*   Способность автономно находить решение для новой, ранее не встречавшейся задачи [16:10].
*   Умение работать не по жестко заданному коду, а на основе стандартных операционных процедур (SOP) — длинных текстовых инструкций, которые обычно пишутся для людей-сотрудников [16:48].
*   Постоянное самообучение и улучшение результатов по мере выполнения работы [17:26].

Foundation AI внедряет таких агентов в страховые компании, которые ежедневно обрабатывают сотни миллионов PDF-файлов [06:32]. 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 [17:13]. Чтобы завоевать доверие, стартапу необходимо продемонстрировать, что ИИ-агент работает так же гибко, как и человеческая команда [17:26].

## 💼 Отказ от модели per-seat и специфика продаж крупным фондам
[[JUMP: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 [18:19]. 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 [18:45]. В качестве компромисса Basis использует прокси-метрику: стоимость подписки привязана к количеству конечных клиентов, которых обслуживает бухгалтерская фирма [18:58].

Джон Уиллет поделился опытом продаж ИИ-решений в консервативные финансовые институты [19:24]. 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 [19:51]. На заявления некоторых клиентов о желании «занять выжидательную позицию» Rogo отвечает аргументом о длительности интеграции [20:05].

Процесс внедрения ИИ в банке занимает от 6 до 12 месяцев. Это время уходит на:

*   Подключение к внутренним базам данных и лицензирование внешних источников [20:45].
*   Построение графа знаний поверх информации клиента [20:45].
*   Обучение сотрудников правильному взаимодействию с ИИ-системой [20:45].

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 [21:10]. 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 [21:51]. 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 [22:56].

## 🗽 Охота за талантами: почему Нью-Йорк побеждает Кремниевую долину
[[JUMP: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 [24:42]. 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 [24:56].

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 [26:51]. 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) [27:31].
*   **Вкус и продуктовое мышление:** понимание архитектуры данных и бизнес-логики клиента [27:43].
*   **Умение переобучаться:** способность адаптироваться к быстро меняющимся технологическим стандартам [27:43].

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) [26:13]. Такие специалисты обладают широким кругозором и способны совмещать функции разработки и продаж [26:26]. 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
[[JUMP: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 [29:25]. Основатели Basis и Foundation AI рассказали об успешном опыте использования автономного ИИ-разработчика Devin для ревью кода (pull requests) [41:34]. 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 [42:52].

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 [33:51].
*   **Сверхэффективные команды:** Джейми Кафф ожидает появления гигантских по капитализации компаний, управляемых очень небольшими командами за счет оркестрации сотен ИИ-агентов [34:30].
*   **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 [35:10].
*   **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].