В эпоху стремительной цифровизации и трансформации финансовых услуг искусственный интеллект становится ключевым драйвером инноваций. Казахстан, стремясь укрепить свои позиции на мировой арене в качестве технологического хаба Центральной Азии, активно развивает направление финтех-инноваций. Одним из значимых шагов в этом направлении стало создание FinTech AI Center — уникальной платформы, объединяющей передовые технологии, экспертизу и образовательные инициативы для развития искусственного интеллекта в финансовом секторе. О ключевых аспектах деятельности FinTech AI Center, его роли в развитии финтех-индустрии Казахстана и перспективах, которые открываются перед страной в условиях глобальной цифровой трансформации, порталу FinTech & Retail CA рассказывает Арман Асакаев, генеральный директор Общественного фонда FinTech AI Center.
FinTech & Retail CA: Что послужило катализатором создания FinTech AI Center? В каких ключевых проблемах финтех-экосистемы Казахстана вы увидели необходимость в таком центре?
А. Асакаев: Когда я занялся проблемой ускорения развития ИИ на финансовом рынке Казахстана, решил, что более эффективным путем будет создание специализированной организации, которая будет реализовывать совместные инициативы рынка и регулятора. Идея пришла во время моего пребывания на предыдущем месте работы. Я пришел в Национальную платежную корпорацию Казахстана (тогда – Казахстанский центр межбанковских расчетов) для того, чтобы помочь развиваться нашему рынку финансовых технологий. Участвуя в реформировании этой организации и помогая запускать проекты, я видел, что многие инициативы исходят именно от регулятора, который продвигал технологические новации, полезные не только нескольким игрокам, но всей экосистеме.
В свою очередь, в той же Великобритании или Сингапуре участники рынка не ждут регулятора и играют большую роль в общем технологическом развитии, объединяясь между собой и сотрудничая с компаниями ИТ-сектора для решения насущных задач. Это дает возможность быстрее адаптировать такие новые технологии, как ИИ, учитывая интересы всех стороны.
FinTech & Retail CA: Какие цели и задачи вы перед собой ставите?
А. Асакаев: Наша организация некоммерческая и направлена на развитие и проникновение ИИ на финансовом рынке Казахстана. Наша основная деятельность — это реализация практических проектов в ИИ. Также мы планируем деятельность «think tank», помогая разным организациям сектора своей аналитикой и исследованиями.
При таком подходе форма некоммерческой организации является для нас самой удобной, дающей гибкость в проектах, возможность всегда мобилизовать ресурсы в более перспективное направление. Это очень важно, когда имеешь дело с такой быстро меняющейся сферой, как ИИ.
FinTech & Retail CA: Чем ваш фонд принципиально отличается от других организаций, занимающихся развитием ИИ в Казахстане?
А. Асакаев: Мы видим, что сейчас другими организациями успешно перекрываются образовательное направление и построение ИИ-комьюнити, но не хватает негосударственных инфраструктурных проектов. Поэтому мы ориентированы на реализацию таких практических проектов в сфере искусственного интеллекта.
Это и технологическая песочница FinTech AI Sandbox при поддержке AWS и Microsoft, где мы можем разрабатывать безопасные подходы по использованию облака.
Это и совместно разрабатываемая модель маскирования и демаскирования текстовых финансовых данных, которая позволит выстраивать гибридные архитектуры с частными и публичными облаками.
И конечно же, это наш совместный проект Data marketplace с компанией Microsoft, где можно в форме синтетических данных получить возможность поработать с инсайтами из закрытых финансовых, телеком-, государственных баз для построения моделей ИИ.
FinTech & Retail CA: Кто поддерживает инициативы фонда? Есть ли взаимодействие с государственными органами, и как оно строится?
А. Асакаев: Наши проекты и инициативы будут реализовываться с тремя главными сторонами: государством в лице регуляторов, игроками финансового рынка в лице частных компаний, а также технологической экосистемой. Игроки финансового рынка сегодня очень заинтересованы в том, чтобы адаптировать ИИ и повышать свое конкурентное преимущество. Тем не менее, так как их деятельность регулируемая и нарушения могут иметь большие последствия, то это вынуждает их к осторожности. Организовать присутствие регулятора в этом случае необходимо, чтобы дать возможность обсудить не только верхнеуровневый комплаенс, но и на уровне технологий и подходов. Задача проектов — дать еще одну комфортную зону для разработки решений ИИ – то, к чему также стремится государство. Все это, конечно, невозможно без технологических компаний, которые должны предложить свои инновационные продукты для решения бизнес-задач.
FinTech & Retail CA: Расскажите подробнее о Data Marketplace. Как синтетические данные и конфиденциальные вычисления могут изменить финансовый рынок?
А. Асакаев: Искусственный интеллект (а точнее его модели) нельзя выстроить в вакууме. Он невозможен без данных, на которых вы можете его тренировать и проверять. Например, сейчас развитие больших языковых моделей начинает тормозить из-за того, что информации для обработки текста в открытом доступе уже почти не осталось.
Мы можем сказать, что для многих компаний финансового рынка Казахстана такая ситуация уже давно наступила. Бизнес стремится расти дальше, но в какой-то момент оказывается у обрыва известной для себя территории: как завоевать сегмент, где компания не представлена, как создавать новые модели оценки скоринга или противодействия фроду, если компания не видит полной картины всего рынка, как запускать эффективные маркетинговые кампании по кросс-продажам. Все это невозможно без данных, которые сейчас недоступны из-за рисков конфиденциальности, но имеются у разных участников экосистемы.
Рынок данных находится в стагнации, так как любые дополнительные выгоды не превышают рисков. Проект Data Marketplace призван дать возможность совместно работать с данными, предоставляя мотивацию поставщику данных, будь то квазигосударственная или коммерческая организация, безопасно заработать на этом. Эта идея, конечно, «лежит на поверхности», и многие пытались и пытаются запустить подобное, но наш проект выгодно отличает технологическая составляющая, а именно применение двух технологий: синтетических данных и конфиденциальных вычислений.
FinTech & Retail CA: Можете объяснить, какова здесь роль синтетических данных? Многие убеждены, что по факту это некие «выдуманные» данные, которые не отражают реальности.
А. Асакаев: Существует очень много дефиниций синтетических данных. Например, человек может задать какое-то статистическое распределение программе и попросить сгенерировать на основе этого новые данные. Данные нереальные, синтетические, но, несмотря на возможную пользу, потенциал таких данных очень ограничен. Поэтому, когда мы говорим про синтетические данные, мы говорим про данные, созданные с помощью генеративного ИИ.
Как это работает: у нас есть две нейросети. Одной мы объясняем, как примерно выглядят данные, и она начинает генерировать комбинации таких данных в произвольном порядке.
Вторая же нейросеть имеет доступ к реальным данным, к ней попадают разные версии сгенерированных данных, она их анализирует и возвращает ответ – насколько они похожи на реальные данные первой нейросети (но не говорит, как именно похожи или не похожи). Начинается соревнование, где первая нейросеть, синтезатор, пытается обмануть вторую нейросеть, дискриминатор. В какой-то момент дискриминатор перестает понимать, чем отличаются синтетические данные от реальных, и сдается. Мы отсоединяем синтезатор и даем ему генерировать эти нереальные данные, которые тем не менее сохраняют большое количество реальных зависимостей. Любая запись в этих данных не привязана к реальному лицу, компании или транзакции, поэтому не содержит банковской, персональной, телеком- и любой другой тайны.
FinTech & Retail CA: Даже если это упрощенная версия, то она немного сложна для восприятия.
А. Асакаев: Давайте я дам вам упрощенную аналогию. Допустим, вы играете в лотерею, где нужно угадать комбинацию из 6 чисел от 0 до 99. С вами играют еще миллион человек. Каждый из них предлагает свою комбинацию, но реальной комбинации никто не знает. В какой-то момент происходит розыгрыш с определением выигравших номеров, но их не объявляют публично, а сохраняют в секрете.
Третья независимая сторона (не организаторы) проверяет каждый зарегистрированный лотерейный билет с комбинациями, затем выбирает наиболее близкую к оригиналу комбинацию и объявляет победителя, а комбинацию этого участника публикуют.
Знает ли теперь широкая публика точную выигрышную комбинацию? Нет. Но они знают, что какая-то часть из опубликованной совпадает с выигрышной, и могут сравнить с ней, насколько они были близки к выигрышу, хоть и это не 100-процентная точность.
Так же и с данными – вы можете изучать синтетические данные, которые отражают реальные зависимости, но исходных данных вы никогда не узнаете.
FinTech & Retail CA: Спасибо, но если синтетические данные не имеют 100-процентной точности в отражении реальности, то как можно полагаться на них при построении бизнеса?
А. Асакаев: Это очень хороший вопрос, который мне часто задают. Если кратко, то существование данных с такой неточностью – это лучше, чем полное их отсутствие. Даже реальные данные – не 100%-ное отражение реальности, всегда есть перекосы в методологии сбора данных и их интерпретации, поэтому я бы сказал, что страх перед синтетическими данными – скорее предвзятость технических специалистов, которые всегда хотят самое качественное и боятся завышенных ожиданий.
Но бизнес – это не про точные модели, бизнес – это принятие решений в неопределенности, и если у тебя есть возможность ее снизить, то странно ее не использовать. Конечно, риск при принятии решения на основе синтетических данных по запуску нового продукта может быть выше, чем если бы у вас были реальные данные. Но реальных данных у вас нет, а синтетические данные с аккуратностью в 85% прогнозирования поведения всего населения страны лучше, чем фокус-группы в 100 или даже 1000 человек.
FinTech & Retail CA: Хорошо, с синтетическими данными понятно, а зачем тут нужны конфиденциальные вычисления?
А. Асакаев: В проекте любого маркетплейса всегда важно заинтересовать две стороны – того, кто получает услугу, и того, кто ее предоставляет. Пользователи данных, безусловно, заинтересованы в получении доступа к данным. Но так ли много мотивации у поставщика данных брать на себя риски и затраты, даже с синтетическими данными?
Сейчас все относятся к данным, как к товару, дорогому, но товару. То есть ты один раз передал покупателю, и все, больше у тебя возможности получить денег нет, пока не появится новый товар – свежие данные. Данные как актив в этом случае имеют ограниченные возможности для дохода и ведут себя как сырьевой товар. Более того, этот актив очень быстро обесценивается, ведь как только ты дал скопировать свои данные, очень сложно контролировать их дальнейшее распространение. Недобросовестный сотрудник контрагента или сам контрагент, использование юридических лазеек для последующей передачи данных уменьшают возможность заработать на них. В итоге для того, чтобы перевесить риски нарушения конфиденциальности, данные продаются за высокую цену ограниченному кругу компаний.
Для решения этой проблемы и используется технология конфиденциальных вычислений. Сегодня продвинутые процессоры от компаний Intel, AMD, NVIDIA имеют зашитые машинные ключи шифрования, которые можно извлечь только в лабораторных условиях. Эти процессоры создают своеобразные «закрытые зашифрованные зоны» – trusted execution environment, куда отправляют, с одной стороны, зашифрованные данные, а с другой – зашифрованные модели для запуска на этих данных. Только процессор теперь может расшифровать оба компонента и запустить модель, а значит, ни поставщик, ни потребитель данных не может получить доступ к этой зоне. Процессор после обработки даст обратную связь по модели, насколько она хорошо работает.
Пользователь данных почти вслепую может строить модели, не нарушая конфиденциальности данных, так как скачать их невозможно. В этой среде можно контролировать, как долго этот доступ будет длиться.
На этой основе создается новый вид монетизации данных – аренда данных. Поставщик данных теперь сохраняет контроль над своими данными и может сдавать их в аренду на определенное время потребителям данных, при этом не один раз. Применение этой технологии позволит повысить доступность данных за счет снижения рисков их бесконтрольного распространения. Мы уверены, что это также даст возможность пользоваться данными для стартапов, небольших финансовых компаний, так как цена за аренду будет намного меньше, чем текущая цена за данные как товар.
FinTech & Retail CA: FinTech AI Sandbox звучит как инновационная среда для разработки ИИ-решений. В чем польза от проекта для участников?
А. Асакаев: Проект реализуется при активной поддержке AWS и Microsoft, а также их локальных партнеров Qcloudy и AwaraIT. Каждый проект финансовой организации является уникальным и направленным на решения определенной бизнес-задачи. Когда финансовая организация сталкивается с тем, что не знает, как правильно решить технологически ту или иную проблему при использовании ИИ с учетом регуляторных требований, то она подает к нам заявку. После этого мы встречаемся с ними, выясняем историю вопроса, их опасения и риски, которые несет неверная реализация этого проекта. Бывает, что уже на этом этапе мы своими рекомендациями помогаем справиться с проблемой. Если проект требует более глубокой проработки и/или нужно мнение регулятора, то мы вовлекаем в разговор наших технологических партнеров, а также проводим обсуждения по комплаенсу с регуляторами. Так мы не только помогаем с решением технологических вызовов компаний, снижаем уровень входа в технологию, но также и обеспечиваем, чтобы установленные регуляторные требования были соблюдены.
FinTech & Retail CA: Какие ключевые задачи FinTech-сектора Казахстана вы планируете решать с помощью ваших технологий?
А. Асакаев: Согласно опросу 2024 года, представители индустрии главными барьерами для развития ИИ называют доступность данных и их размещение в облачных инфраструктурах. Поэтому наши основные проекты направлены именно на это. Наша задача сделать доступными внутренние и внешние данные, которые необходимы для развития ИИ в финсекторе, с сохранением безопасности и соответствия регуляторным требованиям, притом не делая это очень дорогим удовольствием. Как только мы уберем это узкое горлышко, мы приступим к другим вызовам, таким как низкая адаптация финансовым рынком продуктов локальных стартапов или создание комьюнити ИИ-специалистов в финансовой сфере для обмена опытом.
FinTech & Retail CA: Видите ли вы нехватку специалистов в области ИИ и финтеха в Казахстане? Как ваш фонд помогает решать этот вопрос?
А. Асакаев: На основе постоянно проводимых интервью с участниками рынка, особенно с лидерами технологических команд в финансовых организациях, мы можем сказать, что данный вопрос хоть и не первостепенный, но очень актуальный и действительно является препятствием для развития ИИ в нашей сфере. Даже если специалисты технически подкованы в ИИ, они не совсем понимают бизнес-смысл решаемых задач, контекста проблем финансового сектора. Очень многим приходится тратить месяцы на онбординг специалистов, даже профессионалов с опытом.
Наша организация сейчас в процессе обсуждения проекта FinTech AI Boot Camp, где технически зрелые люди любого возраста и уровня образования смогут пройти за полгода интенсивную программу, направленную на решение подобных задач. Так как образовательное направление для нас не профильное, то сейчас мы в переговорах с подобными организациями, которые разделяют наши взгляды и могут гарантировать трудоустройство будущих выпускников программы. Мы также будем привлекать спонсоров, которые будут потенциальными будущими работодателями, вводя систему драфтинга по типу NBA. Вызов, который стоит перед нами, – избежать создания программы по подготовке специалистов «на все руки», которые не решают проблемы FinTech.
FinTech & Retail CA: Какие барьеры существуют для внедрения ИИ в финансовый сектор, и как их можно преодолеть?
А. Асакаев: Когда мы говорим о барьерах, нужно разделять объективные барьеры и как они воспринимаются субъективно участниками рынка. Объективно в Казахстане очень многое не запрещено с точки зрения применения ИИ, и требуется лишь адекватный риск-менеджмент для запуска подобных проектов. Другое дело, что многим компаниям или департаментам гораздо легче перестраховаться и ничего не делать в этом направлении ввиду отсутствия квалификации или низкой толерантности к риску. Даже если что-то требует изменения регуляторики, есть институт регуляторных песочниц, который известен, но в эту сторону тоже мало кто смотрит, так как неизведанность пугает консервативный банковский сектор. Тем более многие опасаются обсуждать с регуляторами те или иные проекты, чтобы не подпускать никого к своей «внутренней кухне».
Мы как организация в этом плане делаем «bold moves», предлагаем нетривиальные проекты, которые многие хотели бы инициировать, но боятся быть за них репутационно или технически ответственными.
Если мы говорим про объективные барьеры, то это нехватка инфраструктурных решений, таких как графические процессоры внутри Казахстана для работы на реальных данных, или технологических решений, которые помогут использовать мощности вне республики. Но даже это не так сильно ограничено регуляторными требованиями и просто требует особых подходов по безопасности и применения privacy enhancement technologies, как в наших проектах.
И конечно же, доступность данных – очень сложно развивать ИИ и строить модели, чтобы соревноваться с крупнейшими игроками. Ты по факту не видишь те сегменты рынка, в которые хочешь зайти, теряешь их, и у тебя утекают существующие клиенты, которые находят привлекательные предложения в этих сегментах. Перефразируя известную фразу: меньшие компании становятся «беднее» данными, большие компании становятся «богаче» данными. Все это, конечно, негативно влияет в целом на конкурентоспособность в век ИИ. Очень надеюсь, что наш проект Data Marketplace в этом поможет.
FinTech & Retail CA: Какие мировые тренды в FinTech и AI вам кажутся самыми перспективными? Какие из них окажут наибольшее влияние на регион Центральной Азии?
А. Асакаев: Сейчас мы находимся в процессе нашего первого исследования, предстоит изучить много материалов, чтобы дать объективную оценку тому, что произошло за этот год. Но я могу сказать из разговоров с глобальными игроками точно: миру уже не нужны неспециализированные LLM-модели.
До DeepSeek многие продвинутые глобальные компании в разных индустриях уже предпочитали брать модели и перетренировывать их под специфичные нужды и специфичные знания, так как модели «из коробки» не удовлетворяли бизнес-требованиям. Сейчас, после начала использования концепции Mixture of Experts (MoE), можно ожидать, что будут специализированные услуги по тренировке «региона-эксперта» в области финансовых услуг для моделей с MoE, и даже своеобразного «подключения» (очень грубый термин, конечно, я его использую только для облегчения понимания) готовых «экспертов» к таким новым системам, как DeepSeek.
Теперь, вместо того чтобы довольствоваться моделью, которая хорошо была обучена анализировать влияние погоды на продовольственные цены, но не знает, как устроена финансовая система Казахстана (или наоборот), вы можете брать лучшие части больших языковых моделей и смешивать их.
Может быть, в конце этого года мы увидим первые маркетплейсы больших языковых моделей, где вы сможете «собрать» свою большую языковую модель из набора выставляемых «экспертов». Вы сможете взять модель обработки новостей от Bloomberg, анализ поведения трейдеров в Китае от гонгонгских компаний, анализ поведения фермеров от Ассоциации фермеров Калифорнии и др., соединить их в одну уникальную кастомизированную вами модель для обновления портфеля ваших инвестиций в режиме реального времени.
FinTech & Retail CA: Что бы вы посоветовали молодым предпринимателям и специалистам, которые хотят работать в сфере финтеха и AI?
А. Асакаев: Для специалистов все чуть легче. Просто нужно выбрать проект, который вам нравится. Главное сначала посмотреть на команду, с которой вы будете работать, а затем – насколько интересен проект. О престиже компании и зарплате лучше сильно не думать, если у вас нет очень весомых причин. Потому что вы можете быть в звездной компании с зарплатой больше, чем у ваших сверстников, но ничему не научиться и не приобрести навыки, которые помогут вам расти в будущем.
Для предпринимателей сначала нужно ответить на вопрос, почему они хотят работать именно в этих индустриях. Деньги есть везде, а то, что «в финтехе и ИИ денег много», это иллюзия, потому что тут «победитель получает все». Финтех и ИИ – это очень конкурентные среды, а ИИ в финтехе – тем более. Как только отвечаете на этот вопрос, нужно идти по пути обычного продуктового менеджмента: иметь доступ к нескольким людям, чью проблему вы хотите решить и которые готовы за это заплатить. Всегда можно пытаться создавать системы международных переводов на блокчейне с применением ИИ для глобального предприятия, но если вы знаете только местные компании, то продукт вы не построите.
FinTech & Retail CA: Как, на ваш взгляд, будет развиваться рынок финтеха в Казахстане в ближайшие 5–10 лет?
А. Асакаев: Мы сейчас находимся в точке бифуркации. Либо она останется банкоцентричной, либо мы увидим расцвет многих разных форм, как привычных за границей стартапов, работающих через BaaS, так и альтернативных форм финансовых организаций, гибридов банков, платежных структур, лайфстайл-приложений, инвестиционных брокеров. Очень интересно, куда будут развиваться Insurtech и факторинг, индустрии, которые относительно не развиты у нас (по сравнению с другими странами).
Эти вопросы будут активно обсуждаться в Ташкенте 28–29 мая 2025 года на международном ПЛАС-Форуме Digital Uzbekistan, а также в Алматы 26 ноября на ПЛАС-Форуме Digital Kazakhstan.