Чому фінансові технології зупинилися перед штучним інтелектом?

Гравці, які швидко вбудують генеративні моделі та адаптують їх до вимог ЄС, очолять наступний цикл консолідації ринку.

Фінансові технології застрягли в пастці власної обережності. 90% компаній у сфері фінтех бачать штучний інтелект як обнадійливу технологію для зміни ринку, проте індустрія вважає за краще покладатися на вже перевірені інструменти і ухиляється від капіталомістких експериментів. Лише 37% учасників ринку впровадили рішення на основі ШІ, при цьому сектор чітко розрізняє оптимізацію існуючих процесів і створення нових бізнес-моделей.

Фінансові технології показують вражаючу стійкість: 84% підприємств виживають завдяки власним фінансовим ресурсам, а 76% з них змогли досягти беззбитковості. На фоні тривалого дефіциту зовнішнього венчурного фінансування ринок акцентується на юніт-економіці та оперативній ефективності.

Саме тому левова частка ресурсів спрямовується у зрілі моделі машинного навчання (ML). Вони передбачувані та зрозумілі для менеджменту і значно дешевші в розгортанні, тому банки активно використовують їх для кредитного скорингу, виявлення шахрайства та процедур комплаєнсу. Це критично важлива операційна база, проте вона лише прискорює поточні процеси.

Цей практичний підхід до застосування традиційного штучного інтелекту має яскраво виражений український аспект — захисний. У світлі кіберзагроз цей інструмент став незамінним для виявлення аномалій і забезпечення адаптивного захисту інфраструктури в режимі реального часу.

Крім того, автоматизація на базі ML слугує операційним якорем, який допомагає фінтех-компаніям компенсувати дефіцит кадрів. Технологія дозволяє бізнесу виживати, але ресурс виживання не варто плутати з ресурсом для розвитку.

Відставання у впровадженні GenAI

Коли мова заходить про генеративний ШІ (GenAI), індустрія сповільнює темп. Його впровадження в критичні фінансові сервіси мінімальне. Головні бар'єри суто операційні: висока вартість інфраструктури та складність управління моделями.

Серед основних ризиків, пов'язаних із впровадженням генеративних моделей, фінансові установи виділяють витоки конфіденційних даних, вбудовані упередження у результатах, юридичну непрозорість алгоритмів, а також ймовірність фактологічних помилок. У умовах жорсткого регулювання навіть незначна помилка штучного інтелекту може призвести до серйозних фінансових втрат і санкцій з боку контролюючих органів. Внаслідок цього, інвестиції в інноваційні рішення штучного інтелекту в секторі фінансових технологій у 2025 році склали лише 185 тисяч доларів.

Ця вичікувальна стратегія стає небезпечною, якщо зіставити її з глобальним контекстом. За оцінками Boston Consulting Group та S&P Global, до 2030 року доходи світового фінтеху зростуть у п'ять разів і сягнуть 1,5 трлн дол.

Саме технології GenAI, у поєднанні з розвитком цифрової інфраструктури та інтегрованими фінансовими рішеннями, стануть основними рушіями цього зростання. Ринок Європейського Союзу вже увійшов у стадію активного фінансування: у першій половині 2025 року понад 20% угод у сфері фінансових технологій в ЄС були укладені компаніями, які спеціалізуються на штучному інтелекті. Поки українські компанії вдосконалюють свої можливості, міжнародні конкуренти активно використовують нові технологічні екосистеми.

Регуляторні вимоги ЄС

Найближчим викликом для українських гравців стане не стільки технологічне відставання, скільки жорсткий тиск регуляторного поля Євросоюзу. У серпні 2026 року там почнуть діяти вимоги EU AI Act щодо високоризикових систем. До цієї категорії потрапляють базові фінтех-операції: кредитний скоринг, виявлення шахрайства, ризик-профілювання та біометрична ідентифікація.

Розмір цього виклику часто недооцінюється. EU AI Act має екстериторіальний характер, тому якщо алгоритми українського необанку або платіжної системи опрацьовують дані українських біженців, які знаходяться в Польщі чи Німеччині, ця система автоматично підпадає під контроль європейського регулятора.

Для місцевих підприємств це буде означати потребу в проходженні комплексних сертифікаційних процесів для моделей, гарантування прозорості алгоритмів, а також відповідальність за можливі дискримінаційні рішення штучного інтелекту під час кредитування або інтеграції нових клієнтів.

Проте суворі регуляторні норми є не лише викликом, а й можливістю для розвитку. Зростаючі вимоги щодо фінансового моніторингу (AML) та вдосконалення комплаєнс-процесів сприяли буму рішень у сфері RegTech на території Європи.

Сектор регуляторних технологій та комплаєнсу генерує 25% угод із створення фінтех-компаній на базі ШІ в Європі, ставши індустріальним лідером з впровадження цієї технології. Для українського ринку це пряма підказка: замість адаптації до нових стандартів компанії можуть використати інженерний ресурс для створення експортних GenAI-продуктів, які допомагатимуть глобальним гравцям.

Особливістю української ситуації є те, що на національному рівні регулювання штучного інтелекту у фінансовій сфері наразі відбувається за принципами м'якого права. Це здійснюється через впровадження добровільних кодексів поведінки, організацію воркшопів та експериментальних режимів, які ініціює Міністерство цифрової трансформації. Очікується, що повноцінні законодавчі акти будуть ухвалені до 2026 року. Таким чином, операторам доведеться адаптувати європейські стандарти ще до того, як національні регуляції будуть остаточно сформовані.

Існує потужна основа для розширення. В Україні налічується 350 тисяч фахівців у технічних галузях, а ринок штучного інтелекту в країні, за прогнозами, може досягти 1,5 мільярда доларів до 2030 року. Зрілість цього сегменту підтверджується тим, що у 2025 році українські стартапи в сфері ШІ залучили 302 мільйони доларів, що втричі перевищує показники їхніх конкурентів, які не фокусуються на штучному інтелекті.

Щоб конвертувати цей потенціал в інституційний капітал, фінтех-компаніям час відмовитися від ілюзії, що перевіреного ML вистачить для збереження конкурентоспроможності. Гравці, які швидко вбудують генеративні моделі та адаптують їх до вимог ЄС, очолять наступний цикл консолідації ринку. Решта перетворяться на локальних підрядників без доступу до глобальної ліквідності.