Улучшаемые навыки
Стратегия ИИ,
ИИ-агенты
Мультиагентные системы
Промпт-инжиниринг для руководителей
Explainable AI (XAI)
Управление рисками ИИ
ROI ИИ-проектов
Антифрод в финансах
Робо-эдвайзинг
Цифровая трансформация
Human-in-the-loop
Кибербезопасность ИИ
Чему вы научитесь
01
Оценивать ИИ-зрелость своего подразделения и находить точки для внедрения с максимальной окупаемостью инвестиций (ROI).
02
Ставить задачи и контролировать работу ИИ-агентов, выстраивая эффективную коллаборацию в связке «человек-ИИ».
03
Применять промпт-инжиниринг для получения готовых аналитических выкладок и сценариев, экономящих время.
04
Понимать объяснимый ИИ (XAI) и проверять решения, принятые «черным ящиком», на соответствие требованиям регуляторов.
05
Разрабатывать дорожную карту внедрения ИИ: от пилота к масштабированию, с учетом работы с возражениями персонала.
06
Использовать мультиагентные системы для решения прикладных финансовых задач: антифрод, управление ликвидностью, гиперперсонализация.
07
Управлять рыночными и кредитными рисками в режиме реального времени с помощью ИИ-сценариев и хеджирования.
Программа курса
01
Стратегический фундамент. ИИ как драйвер изменений
1.1. Новая реальность: от экспериментов к эксплуатации
Почему 2026 год стал переломным: ИИ как базовая инфраструктура, а не витрина инноваций.
Что такое ИИ-агенты и мультиагентные системы, и почему они меняют правила игры.
Ключевые тренды: физический ИИ, объяснимый ИИ.
1.2. Экономика ИИ: как считать окупаемость инвестиций (ROI) и ставить KPI
Оценка ИИ-зрелости компании / подразделения.
Метрики успеха: от снижения операционных затрат до роста выручки за счет новых возможностей.
Анализ провалов: почему 90% пилотов не доходят до внедрения и как войти в 10% успешных.
Практика: аудит ИИ-зрелости и поиск точек роста.
Работа с чек-листом для оценки своего подразделения. Участники заполняют матрицу приоритетных задач, где ИИ даст максимальную окупаемость инвестиций (ROI).
02
Управление через ИИ-агентов: новая операционная модель
2.1. Введение в ИИ-агентов
Принципы работы «команды ИИ-агентов»: финансы, логистика, аналитика как отдельные «цифровые сотрудники».
Как ставить задачи агентам и контролировать их исполнение. Принцип «человек в контуре» (Human-in-the-loop).
2.2. Инструментарий руководителя: промпт-инжиниринг
Как общаться с ИИ так, чтобы получать не просто текст, а готовые аналитические выкладки и сценарии.
Создание промптов для рутинных задач: анализ отчетов, подготовка совещаний.
Практика: создание персонального ИИ-ассистента.
Участники на практике настраивают простого агента для сбора и первичного анализа данных из открытых источников или предоставленных корпоративных документов. Результат: готовый инструмент для экономии 3-4 часов в неделю.
03
Управление рисками, этика и внедрение
3.1. Архитектура доверия: объяснимый ИИ и безопасность
Проблема «черного ящика»: как проверять решения, принятые ИИ.
Принципы объяснимого ИИ (XAI) для руководителей: почему модель приняла такое решение?
Кибербезопасность ИИ: защита от отравления данных и промпт-инъекций.
3.2. Дорожная карта внедрения: от пилота к масштабированию
Разработка стратегии: пилотный проект, сбор обратной связи, доработка, тиражирование.
Работа с сопротивлением персонала: как мотивировать команду использовать ИИ.
Практика: карта рисков и план коммуникации.
Участники в группах разрабатывают план внедрения ИИ-инструмента, уделяя особое внимание рискам и способам их минимизации, а также программе обучения сотрудников.
04
ИИ в финансах: антифрод, гиперперсонализация и ИИ-советники
4.1. Мультиагентные системы в финтехе
Как ИИ-агенты управляют платежами, скорингом и андеррайтингом в реальном времени.
Примеры: автономное выставление счетов, динамический кредитный лимит, управление ликвидностью.
4.2. ИИ в борьбе с мошенничеством и соблюдение требований
Продвинутый антифрод на основе поведенческой аналитики и графов знаний.
Объяснимый ИИ (XAI) как требование регуляторов (ЦБ, FATF): как доказать, что модель не дискриминирует заявителя.
4.3. Гиперперсонализация и ИИ-советники
Робо-эдвайзинг 2.0: ИИ-советники, предлагающие сложные инвестиционные стратегии и обучающие клиентов.
Использование больших языковых моделей для анализа огромных массивов отчетности и поиска инсайтов для инвестиционных решений.
Практика: сценарное планирование и управление рисками.
Кейс: «Внезапное изменение ключевой ставки / валютного курса. Как ИИ помогает пересчитать риски по портфелю и предложить сценарии хеджирования?».
Участники работают с дашбордом, где ИИ-агент подсвечивает зоны наибольшего риска и предлагает варианты решений для разных классов активов.
Для кого
Руководитель департамента / отдела в финансовом секторе
Предварительная подготовка
Курс не требует технического бэкграунда. Достаточно базового понимания бизнес-процессов в финансовой сфере и желания применять современные технологии для повышения эффективности.
