По всем вопросам звоните:

+7 495 274-22-22

УДК: 330.44 DOI:10.33920/vne-04-2509-06

Переход к Humanless бизнес-моделям в банковской сфере как тренд мультиагентных AI-систем для устойчивого развития

Николай Иванович Ломакин кандидат экономических наук, доцент, ФГБОУ ВО «Волгоградский государственный технический университет». Россия, 400005, г. Волгоград, просп. В. И. Ленина, д. 28. E-mail: tel9033176642@yahoo.com. ORCID: 0000-0001-6597-7195
Максим Сергеевич Марамыгин доктор экономических наук, профессор, директор Института финансов и права, профессор кафедры финансов, денежного обращения и кредита, ФГБОУ ВО «Уральский государственный экономический университет». Россия, 620144, г. Екатеринбург, ул. 8 Марта, д. 62. E-mail: maram_m_s@mail.ru. ORCID: 0000-0003-3416-775X
Татьяна Ивановна Кузьмина доктор экономических наук, профессор, профессор кафедры мировой экономики ФГБОУ ВО «Российский экономический университет им. Г. В. Плеханова». Россия, 115054, г. Москва, Стремянный переулок, д. 36. E-mail: tutor07@list.ru. ORCID: 0000-0002-1757-5201
Алексей Анатольевич Положенцев магистр факультета фундаментальной и прикладной информатики, ФГБОУ ВО «Юго-Западный государственный университет». Россия, 305040, г. Курск, ул. 50 лет Октября, д. 94. E-mail: polojencev135@mail.ru. ORCID: 0009-0004-6824-1019
Ирина Анатольевна Самородова преподаватель, АОЧУ ВО «Московский финансово-юридический университет МФЮА». Россия, 115191, г. Москва, Серпуховской вал, д.17, к. 1. E-mail: iyurina@inbox.ru. ORCID: 0000-0002-0108-9022
Иван Николаевич Ломакин магистрант кафедры систем автоматизированного проектирования и поискового конструирования, ФГБОУ ВО «Волгоградский государственный технический университет». Россия, 400005, г. Волгоград, просп. В. И. Ленина, д. 28. E-mail: ivan.grom0boy@yandex.ru. ORCID: 0000-00017392-1554
Наталья Николаевна Симонова кандидат экономических наук, доцент, Волгоградский кооперативный институт (филиал) АНОО ВО «Российский университет кооперации». Россия, 400005, г. Волгоград, Новосибирская ул., д. 76. E-mail: nnsimonova@mail.ru
Ключевые слова: искусственный интеллект , мультиагентные AI-системы , Humanless бизнес-модели , банковская сфера , устойчивое развитие

В статье рассмотрены теоретические основы применения мультиагентных AI-систем для устойчивого развития банковской сферы. Актуальность исследования состоит в том, что в современных условиях наблюдаются бурные качественные изменения и широкомасштабный рост применения мультиагентных систем на искусственном интеллекте во всех сферах деятельности, включая банковскую, что в значительной мере определяет устойчивое развитие банковской системы. Новизна заключается в том, что в проведенном исследовании предложен подход для формирования голосового бота — мультиагентной системы на искусственном интеллекте, который выполняет функции продавца, запускается клиентом в «Телеграм» путем нажатия на кнопку, свободно голосом ведет беседу с потенциальным клиентом, опрашивая и получая ответы на требуемые вопросы, формируя воронку продаж из списка «горячих» клиентов, обеспечивая повышение производительности при выполнении бизнес-процессов на 40 % и более. Практическая значимость в том, что разработанный голосовой бот в формате мультиагентной системы на искусственном интеллекте может быть успешно внедрен в коммерческом банке, заменяя труд человека, обеспечивая снижение операционных издержек, повышая эффективность банковских продуктов и услуг путем увеличения продаж благодаря более высокой производительности.

Литература:

1. Ештокин, С. В. Проблемы внедрения и использования чат-ботов, робоэдвайзинга и других продуктов эпохи Индустрии 4.0 в деятельности российских банков // Проблемы рыночной экономики. — 2020. — № 4. — С. 151–164. doi.org/10.33051/2500-2325-2020-4-151-164

2. Иджитканлар, Т., Кугурульо, Ф. Устойчивость искусственного интеллекта: взгляд урбаниста сквозь призму концепции умного и устойчивого города // Городские исследования и практики. — 2022. — Т. 7. — № 1. — С. 35–64. doi.org/10.17323/usp71202235-64

3. Демба, С. Роль искусственного интеллекта в современной банковской системе. Вестник РЭУ им. Г. В. Плеханова. — 2024. — Т. 21. — № 3. — С. 164–172. doi.org/10.21686/2413-2829-2024-3-164-172

4. Беречкин, А. М., Мухамадиев, А. А. Актуальные вопросы анализа цифровизации финансовых процессов коммерческих банков Российской Федерации // Актуальные проблемы обеспечения экономической безопасности государства, регионов, предприятий: Сборник научных статей VIII Международной научнопрактической конференции. — Уфа: УГНТУ, 2024. — С. 158–161

5. Uddin, M. H., Ali, M. H., Hassan, M. K. Cybersecurity hazards and fi nancial system vulnerability: a synthesis of literature // Risk Management. — 2020. — Т. 22. — С. 239–309. doi.org/10.1057/s41283-02000063-2

6. Серебрякова, Т. А., Серебряков, В. Г., Алексин, К. В. Мультиагентные системы в банковской сфере // Международный научный журнал «Вестник науки». — 2018. — Т. 1. — № 7. — С. 52–58

7. Борщ, Л. М. Финансовая безопасность российской финансовой системы: современные вызовы и угрозы // Научный вестник: финансы, банки, инвестиции. — 2022. — № 1 (58). — С. 5–17

8. Liao, H., Holguín-Veras, J., Calderón, O. Comparative analysis of the performance of humanitarian logistic structures using agent-based simulation // Socio-Economic Planning Sciences. — 2023. — Т. 90. — Ст. 101751. doi.org/10.1016/j.seps.2023.101751

9. Alexandre, C. R., Balsa, J. Incorporating machine learning and a risk-based strategy in an anti-money laundering multiagent system // Expert Systems with Applications. — 2023. — Т. 217. — Ст. 119500. doi. org/10.1016/j.eswa.2023.119500

10. Bunnell, L., Osei-Bryson, K.-M., Yoon, V. Y. FinPathlight: Framework for an multiagent recommender system designed to increase consumer fi nancial capability // Decision Support Systems. — 2020. — Т. 134. — С. 113306. doi.org/10.1016/j.dss.2020.113306

11. Kaswan, K. S., Dhatterwal, J. S., Kumar, S., Pandey, A. Chapter 4 — Industry 4.0 multiagent system-based knowledge representation through blockchain // Artifi cial Intelligence and Industry 4.0. — 2022. — С. 93–115. doi.org/10.1016/B978-0-323-88468-6.00009-7

12. Lomakin, N., Golodova, O., Maramygin, M., Kuzmina, T., Minaeva, O., Tudevdagva, U. Hybrid Cyber-Physical System QUIK-LUA-Random Forest for Trading on MoEx // Creativity in Intelligent Technologies and Data Science. CIT&DS 2023. Communications in Computer and Information Science, том 1909. — Springer, 2023. — С. 64–79. doi.org/10.1007/978-3-031-44615-3_5

13. Ломакин, Н. И. Биржевой торговый Quik-bot. Свидетельство о регистрации программы для ЭВМ 2022662398, 04.07.2022. Заявка № 2022661988 от 22.06.2022. [Электронный ресурс]. URL: https://www. elibrary.ru/download/elibrary_49197775_27058694.PDF (дата обращения: 18.05.2025)

14. World Intellectual Property Report 2022. The Vector of Innovation Activity. — Geneva: WIPO, 2022. — 115 с. [Электронный ресурс]. URL: https://www.wipo.int/edocs/pubdocs/ru/wipo-pub-944-2022-ru-worldintellectual-property-report-2022-the-direction-of-innovation.pdf (дата обращения: 28.04.2025)

15. Yujie, H., Shucheng, L., Jiawu, G., Baoliu, L., Yuxi, W. How does the construction of new generation of national AI innovative development pilot zones drive enterprise ESG development? Empirical evidence from China // Energy Economics. — 2024. — Т. 140. — Ст. 108011. doi.org/10.1016/j.eneco.2024.108011

16. До, Т. К., Ле, Х. Н., Аникин, О. Б., Смирнов, Е. Н. Применение мультиагентной технологии в управлении клиентами в региональных банках АСЕАН // Наукоемкие технологии. — 2023. — Т. 24. — № 8. — С. 21–26

17. Challenger, M., Demirkol, S., Getir, S., Mernik, M. и др. On the use of a domain-specifi c modeling language in the development of multiagent systems // Engineering Applications of Artifi cial Intelligence. — 2014. — Т. 28. — С. 111–141. doi.org/10.1016/j.engappai.2013.11.012

18. Kwon, S., Motohashi, K. How institutional arrangements in the National Innovation System aff ect industrial competitiveness: A study of Japan and the U.S. with multiagent simulation // Technological Forecasting and Social Change. — 2017. — Т. 115. — С. 221–235. doi.org/10.1016/j.techfore.2016.10.005

19. Armenia, S., Franco, E., Iandolo, F., Maielli, G. и др. Zooming in and out the landscape: Artifi cial intelligence and system dynamics in business and management // Technological Forecasting and Social Change. — 2024. — Т. 200. — Ст. 123131. doi.org/10.1016/j.techfore.2023.123131

1. Yeshtokin, S. V. (2020). Problemy vnedreniia i ispol’zovaniia chat-botov, roboedvaizinga i drugikh produktov epokhi Industrii 4.0 v deiatel’nosti rossiiskikh bankov [Problems of implementation and use of chatbots, roboadvising and other products of the Industry 4.0 era in the activities of Russian banks]. Problemy rynochnoi ekonomiki [Problems of Market Economy]. No. 4, pp. 151–164. doi.org/10.33051/2500-2325-2020-4-151-164. (In Russian)

2. Icitkanlar, T., Kugurulio, F. (2022). Ustoichivost’ iskusstvennogo intellekta: vzgliad urbanista skvoz’ prizmu kontseptsii umnogo i ustoichivogo goroda [Sustainability of Artifi cial Intelligence: An Urbanist’s View through the Prism of the Concept of a Smart and Sustainable City]. Gorodskie issledovaniia i praktiki [Urban Research and Practice]. Vol. 7, no. 1, pp. 35–64. doi.org/10.17323/usp71202235-64. (In Russian)

3. Demba, S. (2024). Rol’ iskusstvennogo intellekta v sovremennoi bankovskoi sisteme [The Role of Artifi cial Intelligence in the Modern Banking System]. Vestnik REU im. G. V. Plekhanova [Bulletin of the Plekhanov Russian University of Economics]. Vol. 21, no. 3, pp. 164–172. doi.org.10.21686/2413-2829-2024-3-164-172. (In Russian)

4. Berechkin, A. M., Mukhamadiev, A. A. (2024). Actual issues of analysis of digitalization of fi nancial processes of commercial banks of the Russian Federation. In: Actual problems of ensuring economic security of the state, regions, enterprises. Collection of scientifi c articles of the VIII International scientifi c and practical conference. — Ufa: USPTU, pp. 158–161. (In Russian)

5. Uddin, M. H., Ali, M. H., Hassan, M. K. (2020). Cybersecurity hazards and fi nancial system vulnerability: a synthesis of literature. Risk Management. Vol. 22, pp. 239–309. doi.org/10.1057/s41283-020-00063-2

6. Serebryakova, T. A., Serebryakov, V. G., Aleksin, K. V. (2018). Mul’tiagentnye sistemy v bankovskoi sfere [Multi-agent systems in the banking sector]. Mezhdunarodnyi nauchnyi zhurnal Vestnik nauki [International scientifi c journal Vestnik of Science]. No. 7, vol. 1, pp. 52–58. (In Russian)

7. Borsch, L. M. (2022). Finansovaia bezopasnost’ rossiiskoi fi nansovoi sistemy: sovremennye vyzovy i ugrozy [Financial security of the Russian fi nancial system: modern challenges and threats]. Nauchnyi vestnik: fi nansy, banki, investitsii [Scientifi c Bulletin: fi nance, banks, investments]. No. 1 (58), pp. 5–17. (In Russian)

8. Liao, H., Holguín-Veras, J., Calderón, O. (2023). Comparative analysis of the performance of humanitarian logistic structures using agent-based simulation. Socio-Economic Planning Sciences. Vol. 90, art. 101751. doi.org/10.1016/j.seps.2023.101751

9. Alexandre, C. R., Balsa, J. (2023). Incorporating machine learning and a risk-based strategy in an antimoney laundering multiagent system. Expert Systems with Applications. Vol. 217, art. 119500. doi.org/10.1016/j. eswa.2023.119500

10. Bunnell, L., Osei-Bryson, K.-M., Yoon, V. Y. (2020). FinPathlight: Framework for an multiagent recommender system designed to increase consumer fi nancial capability. Decision Support Systems. Vol. 134, art. 113306. doi.org/10.1016/j.dss.2020.113306

11. Kaswan, K. S., Dhatterwal, J. S., Kumar, S., Pandey, A. (2022). Chapter 4 — Industry 4.0 multiagent systembased knowledge representation through blockchain. Artifi cial Intelligence and Industry 4.0. Pp. 93–115. doi. org/10.1016/B978-0-323-88468-6.00009-7

12. Lomakin, N., Golodova, O., Maramygin, M., Kuzmina, T., Minaeva, O., Tudevdagva, U. (2023). Hybrid CyberPhysical System QUIK-LUA-Random Forest for Trading on MoEx. In: Creativity in Intelligent Technologies and Data Science. CIT&DS 2023. Communications in Computer and Information Science, vol. 1909. — Springer, pp. 64–79. doi.org/10.1007/978-3-031-44615-3_5

13. Lomakin, N. I. (2022). Exchange trading Quik-bot. Certifi cate of registration of the computer program 2022662398, 04.07.2022. Application No. 2022661988 dated 06/22/2022. — Available at: https://www.elibrary. ru/download/elibrary_49197775_27058694.PDF (accessed: 18.05.2025). (In Russian)

14. WIPO (2022). World Intellectual Property Report 2022. The Vector of Innovation Activity. — Geneva, 115 p. — Available at: https://www.wipo.int/edocs/pubdocs/ru/wipo-pub-944-2022-ru-world-intellectualproperty-report-2022-the-direction-of-innovation.pdf (accessed: 28.04.2025)

15. Yujie, H., Shucheng, L., Jiawu, G., Baoliu, L., Yuxi, W. (2024). How does the construction of new generation of national AI innovative development pilot zones drive enterprise ESG development? Empirical evidence from China. Energy Economics. Vol. 140, art. 108011. doi.org/10.1016/j.eneco.2024.108011

16. Do Thi Quyen, Le Hung Ninh, Anikin, O. B., Smirnov, E. N. (2023). Primenenie mul’tiagentnoi tekhnologii v upravlenii klientami v regional’nykh bankakh ASEAN [Application of multi-agent technology in client management in ASEAN regional banks]. Naukoemkie tekhnologii [Science Intensive Technologies]. Vol. 24, no. 8, pp. 21–26. (In Russian)

17. Challenger, M., Demirkol, S., Getir, S., Mernik, M. et al. (2014). On the use of a domain-specifi c modeling language in the development of multiagent systems. Engineering Applications of Artifi cial Intelligence. Vol. 28, pp. 111–141. doi.org/10.1016/j.engappai.2013.11.012

18. Kwon, S., Motohashi, K. (2017). How institutional arrangements in the National Innovation System aff ect industrial competitiveness: A study of Japan and the U.S. with multiagent simulation. Technological Forecasting and Social Change. Vol. 115, pp. 221–235. doi.org/10.1016/j.techfore.2016.10.005

19. Armenia, S., Franco, E., Iandolo, F., Maielli, G. et al. (2024). Zooming in and out the landscape: Artifi cial intelligence and system dynamics in business and management. Technological Forecasting and Social Change. Vol. 200, art. 123131. doi.org/10.1016/j.techfore.2023.123131

Дата поступления рукописи в редакцию: 09.06.2024

Дата принятия рукописи в печать: 24.07.2024

Проблемы внедрения и использования чатботов, робоэдвайзинга и других продуктов эпохи Индустрии 4.0 в деятельности российских банков требуют, по мнению Ештокина С. В., кардинального изменения бизнес-процессов и решения множества других проблем, препятствующих внедрению технологий искусственного интеллекта (ИИ) [1, с. 151–164]. Автором установлены и классифицированы ключевые проблемы внедрения чат-ботов и других элементов ИИ в банковскую сферу, основными из которых выступили: информационная безопасность, неприятие широкими группами пользователей, несовершенство искусственного разума, трудности адаптации восприятия компьютерным мозгом устной и письменной речи человека, необходимость человеческого участия, узкие функциональные возможности, серьезные кадровые проблемы.

Системы на основе ИИ также внедряются во многих городских службах, становясь их неотъемлемой частью. Искусственный интеллект эффективно управляет городской инфраструктурой, транспортными системами городов, супермаркетами, коммерческими банками [2]. Практика показывает, что применение ИИ в банковской отрасли может способствовать повышению эффективности работы, точности обработки информации. ИИ обеспечивает облегчение автоматизации стандартных задач, позволяет дать сотрудникам банков больше времени, чтобы они могли сосредоточиться над работой со сложными и аналитическими задачами. Искусственный интеллект может помочь банкам быстрее и точнее оценивать кредитные риски, снижать вероятность возникновения кризисных ситуаций, повышая общую безопасность банковской системы.

Автором отмечается, что ИИ способствует улучшению качества обслуживания клиентов, так как умные чат-боты могут дать более быстрые и точные ответы на запросы клиентов и помочь в решении возникающих проблем. По мнению Демба С., создание персонализированных предложений и услуг клиентам со стороны банков стало возможным благодаря проведению точной обработки запросов исходя из предпочтений и нужд клиентов [3].

Для Цитирования:
Николай Иванович Ломакин, Максим Сергеевич Марамыгин, Татьяна Ивановна Кузьмина, Алексей Анатольевич Положенцев, Ирина Анатольевна Самородова, Иван Николаевич Ломакин, Наталья Николаевна Симонова, Переход к Humanless бизнес-моделям в банковской сфере как тренд мультиагентных AI-систем для устойчивого развития. Международная экономика. 2025;9.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными:
В избранное
Рекомендовать
Цитировать
Получить выпуск бесплатно!

Цитировать

Для Цитирования:

Получить бесплатно

Нажимая кнопку "Получить доступ" вы даёте своё согласие обработку своих персональных данных

Войти

Забыли пароль?
Сменить через SMS или по Email

Регистрация

Ошибка капчи

Введите код подтверждения

На указанный Вами номер телефона был отправлен код подтверждения.
Повторно запросить код можно будет через секунд.

Войдите в учетную запись

Активация промокода

Введите код подтверждения

На указанный Вами номер телефона был отправлен код подтверждения.
Повторно запросить код можно будет через секунд.

Введите код подтверждения

На указанный Вами номер телефона был отправлен код подтверждения.
Повторно запросить код можно будет через секунд.

Введите код подтверждения

На указанный Вами номер телефона был отправлен код подтверждения.
Повторно запросить код можно будет через секунд.

Войдите в учетную запись

Войдите в учетную запись

Заявка на подписку

Обратная связь

Использовать это устройство?

Одновременно использовать один аккаунт разрешено только с одного устройства.

Введите код подтверждения

На указанный Вами номер телефона был отправлен код подтверждения.
Повторно запросить код можно будет через секунд.

Выберите тип

Мы перевели вас на Русскую версию сайта
You have been redirected to the Russian version
Этот сайт использует cookies
Подробности