Финансовые компании хотят заработать на собственном ИИ. Сделают ли это их инвесторы?

В этом году минимум три финансовые компании — необанк Revolut, кредитный финтех Affirm и платежная система Mastercard — сообщили о запуске собственных ИИ-моделей вместо внедрения решения сторонних разработчиков. ИИ перестает быть просто статьей операционных расходов и превращается в самостоятельный тип актива финансовых компаний. Но когда и при каких условиях это может повысить стоимость их бизнеса? 

В конце августа этого года Revolut представил собственную ИИ-модель PRAGMA и объявил о создании специализированного подразделения Revolut Research, которое будет ее развивать. ИИ от необанка анализирует последовательности банковских событий по клиентам, чтобы проводить кредитный скоринг и выявлять мошенничества, а также предлагать клиентам наиболее подходящие для них продукты. 

PRAGMA разработана в сотрудничестве с Nvidia. Эта модель специально создана для расшифровки сложных финансовых моделей поведения и обеспечения оценки рисков в режиме реального времени. По данным Revolut, в тестах на исторических данных PRAGMA показала в 2,3 раза более высокую точность при оценке риска дефолта клиента, помогла выявить на 65% больше случаев мошенничества, а релевантность рекомендаций выросла на 41%.

Сооснователь и CEO Revolut Ник Сторонский в интервью Reuters заявил, что компания использует 30–40 млн транзакций в день для развития собственных ИИ-моделей. 

Необанк такой не один: в марте 2026-го платежная система Mastercard рассказала о своей новой генеративной ИИ-модели, обучаемой на миллиардах анонимизированных транзакций. 

В сентябре 2026-го американский ​​кредитный финтех Affirm тоже сообщил, что запустил собственную ИИ-модель, которая точнее оценивает платежеспособность клиентов (в том числе с небольшой кредитной историей) и позволяет одобрять им займы. Прежняя система оценки отклоняла часть заявок от таких клиентов. 

Для банков и финтех-компаний выгода от применения ИИ в первую очередь заключается в удешевлении процесса оценки рисков, а значит и стоимости обслуживания клиентов. Для того же Revolut это важно, так как компания планирует выйти на IPO, а до этого увеличить свою оценку до $150-200 млрд.

Основатель The AI Value Institute Клинт Сукермани написал, что финансовым организациям пора перестать учитывать масштабируемые ИИ-инициативы исключительно как расходы и рассматривать их как стратегическую инвестицию в развитие бизнеса. 

Но что это значит для инвесторов таких компаний? То, как реагирует рынок на планы компаний и фактическое внедрение ИИ до сих пор недостаточно изучены, отмечает исследователь факультета экономики Уорикского университета Зихань Ту. В своем исследовании, результаты которого опубликованы 22 сентября 2026 года, он проанализировал объявления компаний из S&P 100 об использовании ИИ в 2023–2024 годах и оценил, как они были связаны с краткосрочной реакцией рынка. Оказалось, что сообщения о фактическом внедрении ИИ дают на 4,6 процентных пункта больше аномальной доходности их бумаг (сверх той, которую можно было бы ожидать с учетом общего движения рынка и других факторов риска) по сравнению с сообщениями о намерении внедрять ИИ. 

В более раннем исследовании от 2025 года McKinsey посчитала, что банки, которые в числе первых внедрят ИИ, смогут увеличить рентабельность материального капитала (ROTE) на величину до 4 процентных пунктов за счет преобразования бизнес-моделей и дополнительной экономической ценности. Напротив, банки, которые будут медлить с внедрением ИИ, в долгосрочной перспективе, вероятно, столкнутся со снижением прибыли.

Инвесторы вряд ли будут готовы платить премию только за то, что у банка или финтеха есть собственные ИИ-модели, написал в комментарии для Oninvest греческий эксперт в области управления рисками, искусственного интеллекта и банковских технологий, координатор рабочей группы по финансовым услугам AI Catalyst Антонис Драгиотис. 

По его словам, им потребуются доказательства того, что внедрение таких моделей обеспечит лучшие экономические результаты. Более того, по мере того, как ИИ-модели внедряют все большее количество компаний, их наличие в будущем уже не будет значимым конкурентным преимуществом.

Международный эксперт в сфере финансовых технологий Вадим Иваненко отмечает, что если собственная ИИ-модель позволяет банку или финтеху снизить стоимость обслуживания клиента, к примеру, на 30%, сократить потери от мошенничества, улучшить качество кредитного портфеля, увеличить конверсию финансовых продуктов или повысить удержание клиентов — это реальная экономическая ценность.

Он рекомендует инвесторам компаний, которые заявили о внедрении собственных ИИ-моделей или ИИ-инструментов, анализировать следующие показатели компании до и после внедрения:

— соотношение операционных расходов и доходов (cost-to-income ratio) и стоимость обслуживания одного клиента или транзакции;

— потери от мошенничества (fraud losses) и долю ложноположительных срабатываний;

— стоимость кредитного риска (cost of risk), кредитные потери и качество скоринговых моделей;

— ценность клиента за время его взаимодействия с компанией (customer lifetime value, CLV), удержание клиента, конверсию и доход на клиента;

— дополнительная операционная прибыль и окупаемость ИИ-инвестиций с учетом инфраструктуры, разработки, контроля и сопровождения.

Важно сравнивать эти метрики, чтобы отделить эффект внедрения ИИ от других факторов, добавляет Вадим Иваненко.

Независимый аналитик фондового рынка Вадим Кондратюк добавляет: премия к оценке оправдана лишь в том случае, если ИИ повышает ROTE компании или снижает стоимость собственного капитала (то есть если рынок начинает считать ее более надежной). 

Он рекомендует инвесторам обращать внимание на три показателя: динамику отношения расходов к доходам (cost-to-income ratio), стоимости риска на протяжении кредитного цикла (снижается ли она благодаря более качественной оценке заемщиков) и выручки на клиента. Последняя должна расти более быстрыми темпами, чем у конкурентов.

В случае с Revolut внедрение собственной ИИ-модели пока не отразилось в отчетности. По итогам первого полугодия 2026-го чистые операционные доходы Revolut Holdings Europe выросли на 36,8% год к году — до €1,24 млрд, а операционные расходы — на 36,5%, до €1,055 млрд. Расходы относительно доходов снизились с 82,9% до 80,2%, однако кредитные потери почти утроились — с €25,7 млн до €76,1 млн.

Акции Affirm на следующий день после сообщения о запуске собственной ИИ-модели выросли на 1,32%. Оценить ее влияние на показатели компании также пока невозможно, так как с момента запуска прошло лишь полтора месяца. Но Affirm уже заявила, что с новой системой оценки число завершенных покупок выросло на 3,4% по сравнению с контрольной группой. При этом дополнительно одобренные кредиты оказались качественнее: заемщики лучше справлялись с выплатами, чем клиенты, получившие кредиты при использовании прежних моделей Affirm. Во II квартале 2026 года (последние доступные данные) операционная прибыль Affirm выросла почти втрое — до $147 млн, а операционная маржа — с 6,6% до 12,6%. При этом операционные расходы подскочили на 24,5%, а отчисления в резервы на кредитные потери — на 42,5%, до $223 млн.

Для Mastercard ситуация несколько иная: банковский показатель стоимости кредитного риска (cost of risk) к ней напрямую неприменим. Для платежной системы более актуальны потери от мошенничества (fraud losses) и доля ложноположительных срабатываний (когда легальная операция определяется как мошенническая). Компания еще в 2024 году сообщала, что внедрение стороннего генеративного ИИ показало рост выявления мошенничества в среднем на 20%, а в отдельных случаях — до 300%, и сокращение ложноположительных срабатываний более чем на 85%. Во II квартале 2026 года выручка Mastercard от дополнительных сервисов и решений, в том числе услуг в сфере безопасности и внедрения собственных ИИ-технологий, выросла на 20% год к году, до $3,83 млрд. 

«Есть интересный парадокс: чем доступнее становится ИИ, тем меньше ценность самого факта его использования и тем выше ценность способности эффективно применять его в конкретном бизнесе», — говорит Вадим Иваненко.

По его словам, ИИ существенно изменит банковскую индустрию, но рынок сегодня склонен переоценивать скорость этих изменений и недооценивать сложность их практической реализации.

Кроме того, сами игроки начинают притормаживать внедрение ИИ. К примеру, американский Goldman Sachs в октябре запретил своим трейдерам и банкирам использовать сторонние ИИ-инструменты — Claude Code от Anthropic и GitHub от Microsoft — после анализа производительности и рисков.  

Иваненко считает, что крупные банки и финансовые платформы имеют преимущество перед небольшими игроками благодаря миллионам клиентов, историческим данным и огромным объемам транзакций. Но с другой стороны, у традиционных банков зачастую фрагментированая IT-инфраструктура, сложные процессы согласования и высокая стоимость изменений. Но крупный банк необязательно автоматически окажется успешнее небольшого финтеха. Иногда технологическая гибкость, качество данных и скорость внедрения важнее абсолютного масштаба.