Мобильные приложения, облачные технологии и API перестали быть уникальными преимуществами финансовых компаний. Следующая технологическая трансформация банковского сектора будет связана с искусственным интеллектом, токенизацией активов и автономными ИИ-агентами. Такое мнение высказал британский эксперт по финансовым технологиям Саймон Тейлор (Simon Taylor) в статье «Fintech is Dead».

По мнению Тейлора, финтех не исчезает как отрасль. Напротив, технологии, которые десять лет назад позволяли цифровым банкам и платёжным компаниям конкурировать с традиционными финансовыми институтами, стали настолько распространёнными, что перестали определять следующий этап развития рынка.

Автор считает, что будущая финансовая компания стоимостью $1 трлн может быть построена прежде всего вокруг искусственного интеллекта и токенизации.

Почему финтех перестал быть технологической революцией

За последнее десятилетие мобильные приложения, облачная инфраструктура и программные интерфейсы API существенно изменили финансовую индустрию.

Финтех-компании смогли отказаться от дорогостоящей сети отделений, автоматизировать обслуживание клиентов и значительно снизить операционные расходы.

Однако сегодня такие решения используются практически всеми крупными финансовыми организациями.

Тейлор называет это результатом успеха самого финтеха: технологии, которые раньше отличали новые компании от традиционных банков, превратились в стандарт отрасли.

В качестве примера эффективности цифровой модели эксперт приводит Nubank.

По данным, указанным в его статье, клиентская база компании достигла 140 млн человек. При этом средняя стоимость обслуживания клиента составляет около $1 в месяц, а средний доход — $17,10.

Для сравнения автор приводит традиционный крупный банк, где розничный клиент обеспечивает около $350 дохода в год, а расходы на обслуживание существенно выше.

По мнению Тейлора, именно низкая стоимость обслуживания позволила цифровым банкам работать с категориями клиентов, которые ранее были недостаточно прибыльными для традиционных финансовых организаций.

При этом он не прогнозирует исчезновение действующих финтех-лидеров. Revolut, Nubank, Stripe, Ramp и Robinhood, по его оценке, могут продолжать масштабирование бизнеса.

Меняется не столько положение этих компаний, сколько сама логика технологической конкуренции.

Венчурные инвестиции переходят от финтеха к ИИ

Одним из аргументов Тейлора стало изменение структуры венчурного финансирования.

Согласно приведённым им данным, доля финтеха в глобальном количестве венчурных сделок с долевым финансированием снизилась с 14,5% в 2021 году до 12,3% в 2025 году.

Одновременно доля сделок внутри финтех-сегмента, связанных с искусственным интеллектом, по разным оценкам, выросла примерно с 10% до 70–80%.

Автор также ссылается на данные Crunchbase, согласно которым в 2021 году финтех привлекал около 22% глобальных венчурных средств, а искусственный интеллект — приблизительно 10%.

В первой половине 2026 года, по приведённой им статистике, доля финтеха сократилась до 6%, тогда как доля ИИ превысила 70%.

Эти показатели относятся к разным способам измерения венчурного рынка: количеству сделок и объёму финансирования.

Тейлор рассматривает их как свидетельство того, что инвесторы всё активнее переключаются на компании, в которых искусственный интеллект является основой бизнес-модели.

Три изменения, которые определят будущее финансов

Центральная концепция исследования Тейлора основана на трёх составляющих любого финансового продукта: принятии решений, учёте стоимости и взаимодействии с клиентом.

Исторически решения принимал банковский управляющий, финансовые операции фиксировались в бумажных реестрах, а клиент взаимодействовал с банком через отделение.

В эпоху финтеха решения стали опираться на скоринговые модели и программные правила, бумажные реестры заменили базы данных, а банковские отделения — мобильные приложения.

Теперь, по мнению эксперта, начинается следующий переход.

Первое направление — искусственный интеллект. Фундаментальные модели будут использоваться для оценки рисков, кредитования, выявления мошенничества и автоматизации внутренних процессов.

Второе — токенизация. Учёт и передача стоимости будут всё чаще осуществляться через цифровые токены и общие реестры.

Третье — автономные ИИ-агенты. Программные системы смогут взаимодействовать с финансовыми сервисами от имени клиентов в пределах предоставленных полномочий.

Тейлор считает, что сочетание этих направлений способно изменить не только отдельные банковские продукты, но и всю инфраструктуру финансового бизнеса.

ИИ-токены и токены стоимости: новая модель финансовой экономики

Особое внимание аналитик уделяет двум категориям токенов.

Первая — intelligence tokens, единицы обработки информации искусственным интеллектом.

Они используются при работе языковых моделей и связаны с объёмом вычислений. Результат такой работы носит вероятностный характер: одинаковые запросы могут давать разные ответы.

Вторая категория — value tokens, цифровые представления стоимости или прав на активы.

К ним Тейлор относит, в частности, стейблкоины и токенизированные реальные активы.

В отличие от работы ИИ-модели, финансовая операция требует определённого результата: стоимость должна быть корректно учтена, а передача актива — зафиксирована.

По мнению автора, развитие искусственного интеллекта формирует экономику, в которой вычислительная работа всё теснее связана с механизмами оценки, оплаты и передачи стоимости.

Почему Stripe заинтересовалась OpenRouter

В качестве примера Тейлор приводит события 19 августа 2026 года.

По его данным, Stripe договорилась о приобретении OpenRouter — платформы маршрутизации запросов к моделям искусственного интеллекта. Сообщаемая стоимость сделки составляла более $7 млрд.

Автор указывает, что OpenRouter обрабатывала около 10 трлн токенов ежедневно и обеспечивала доступ более чем к 400 моделям.

В тот же день Ramp представила Router.com — инструмент, позволяющий направлять запросы к наиболее экономичным ИИ-моделям, соответствующим заданным требованиям к качеству.

Тейлор обращает внимание, что обе компании известны прежде всего финансовыми продуктами, но начали развивать инфраструктуру управления стоимостью вычислений.

По его мнению, выбор ИИ-моделей по цене и качеству постепенно приобретает характеристики самостоятельного финансового рынка.

Revolut и Nubank используют фундаментальные модели для оценки рисков

Одной из наиболее перспективных областей применения ИИ автор считает кредитование и борьбу с финансовым мошенничеством.

Традиционные банковские системы оценки рисков опираются на скоринговые алгоритмы, исторические данные, программные правила и решения сотрудников.

Фундаментальные модели способны анализировать более сложные массивы информации и сокращать необходимость ручной подготовки данных.

Revolut: повышение эффективности выявления рисков

По данным Тейлора, Revolut разработала собственную модель PRAGMA, обученную на истории транзакций клиентов.

Автор указывает, что масштаб клиентской базы компании, превышающей 80 млн человек, позволил сформировать значительный массив данных для обучения.

Согласно приведённым в исследовании результатам, использование модели повысило эффективность выявления проблемных кредитных рисков на 130%, а полноту обнаружения мошенничества — на 65%.

Тейлор рассматривает эти показатели как пример преимуществ специализированных ИИ-моделей перед традиционными скоринговыми подходами.

Nubank: модель nuFormer

Другой пример — Nubank, разработавший фундаментальную модель nuFormer.

По описанию автора, она работает с исходными транзакционными данными, представленными в виде последовательностей токенов.

Такой подход позволяет сократить длительную ручную подготовку признаков, которая обычно требуется для традиционных моделей кредитного скоринга.

По мнению Тейлора, подобные решения могут стать новым источником конкурентного преимущества финансовых организаций.

Британский кредитор Allica автоматизировал половину кредитных решений

Изменения затрагивают не только крупнейшие цифровые банки.

Тейлор приводит пример британской компании Allica, работающей в сегменте кредитования малого и среднего бизнеса.

Её ИИ-агент обрабатывает электронные письма кредитных посредников, запрашивает недостающие документы, обращается к системе принятия решений и формирует ответ.

По данным автора, в начальный период промышленной эксплуатации агент самостоятельно завершал около половины заявок.

Среднее время принятия решения составляло 12 минут.

Тейлор противопоставляет этот результат традиционным банковским процессам, которые в отдельных случаях могут занимать недели.

По его мнению, преимущество ИИ-агентов заключается в способности работать с нестандартными задачами, которые ранее было трудно автоматизировать с помощью жёстко заданных алгоритмов.

Токенизация может изменить учёт и обращение финансовых активов

Второе направление трансформации связано с переходом от изолированных банковских баз данных к токенизированным активам.

Сегодня финансовые организации ведут собственные записи о денежных средствах, кредитах и правах собственности.

Передача активов между участниками рынка часто требует сверки данных и взаимодействия нескольких систем.

Тейлор считает, что токенизация способна сделать финансовые активы более доступными для передачи между организациями и рынками.

Особенно важным он называет применение таких инструментов в кредитовании и операциях на рынке капитала.

Figure: $2,8 млрд операций с кредитными активами

В качестве примера автор рассматривает Figure, использующую токенизированные инструменты в кредитовании под залог недвижимости.

Кредитные активы компании могут предлагаться участникам рынка капитала через платформу Figure Connect.

По данным, приведённым Тейлором, во втором квартале 2026 года объём операций Figure Connect составил $2,8 млрд — около 65% объёма соответствующего потребительского кредитного маркетплейса.

Автор также указывает на рост скорректированной чистой выручки Figure на 95% и скорректированную рентабельность EBITDA на уровне 54,6%.

Эти показатели он рассматривает как свидетельство коммерческого потенциала инфраструктуры токенизированных кредитных активов.

Почему финансовым рынкам потребуется круглосуточная инфраструктура

Ещё одним ограничением традиционной финансовой системы Тейлор считает зависимость операций от установленного рабочего времени расчётных систем.

Он приводит примеры Fedwire, CLS и T2, которые имеют определённые часы проведения расчётов.

Американский фондовый рынок также работает в рамках установленных торговых сессий.

При этом ИИ-агенты способны выполнять задачи круглосуточно.

По мнению аналитика, развитие автономных программных систем создаёт спрос на финансовую инфраструктуру, доступную 24 часа в сутки, семь дней в неделю.

Visa и Robinhood как примеры

Тейлор указывает, что Visa использует USDC для расчётов с американскими эмитентами семь дней в неделю, тогда как ранее соответствующие расчётные процессы были ограничены пятидневным рабочим циклом.

Другим примером выступает Robinhood.

По данным автора, токенизированные акции компании доступны более чем в 120 странах.

При этом Тейлор признаёт, что глобальному развитию финансовых компаний по-прежнему препятствуют национальные требования к лицензированию и капиталу.

В качестве иллюстрации он приводит Мексику, где, по его оценке, требования к регуляторному капиталу для выхода на рынок могут составлять около $100 млн ещё до начала обслуживания клиентов.

ИИ-агенты могут стать новым типом банковских клиентов

Третьим направлением развития Тейлор называет переход от мобильных приложений к программным агентам.

Мобильный банкинг существенно упростил финансовые операции, но большинство действий по-прежнему требует участия человека.

Клиент должен открыть приложение, выбрать продукт, указать параметры операции и подтвердить её выполнение.

В модели, описанной Тейлором, пользователь сможет поставить перед ИИ-агентом задачу, определить бюджет и ограничения, после чего программа будет взаимодействовать с финансовыми сервисами в рамках полученных полномочий.

Для этого агентам потребуются механизмы идентификации, управления разрешениями и проведения платежей.

Robinhood предоставила агентам доступ к финансовым сервисам

По данным автора, Robinhood разработала торговые и банковские MCP-серверы, позволяющие программным агентам взаимодействовать с финансовой инфраструктурой.

Тейлор утверждает, что около 100 тыс. пользователей уже предоставили агентам ограниченный доступ к счетам.

Речь идёт не о неограниченном распоряжении активами, а о работе в пределах определённых пользователем разрешений.

Stripe развивает платежи для ИИ-агентов

Другой пример — платёжная инфраструктура Stripe.

Тейлор описывает использование Stripe Link для проведения разрешённых платежей через одноразовые платёжные инструменты на заранее согласованную сумму.

Такая модель позволяет агенту выполнять платежи без необходимости постоянно хранить платёжные реквизиты пользователя.

По мнению эксперта, это может изменить принципы конкуренции между банками и платёжными компаниями.

Если финансовые продукты будут выбирать программные агенты, значение приобретут не только бренд и интерфейс, но и возможность программного взаимодействия с сервисом.

Какие компании могут достичь стоимости $1 трлн

В заключительной части исследования Тейлор рассматривает перспективы крупнейших финансовых и технологических компаний.

Он предполагает, что JPMorgan может первым среди банков достичь капитализации $1 трлн благодаря масштабной депозитной базе, лицензиям и устойчивому балансу.

Однако следующие компании сопоставимого масштаба, по его прогнозу, могут вырасти на основе искусственного интеллекта и токенизации.

Автор приводит несколько примеров.

Stripe. В статье указана оценка компании $159 млрд. Тейлор выделяет её положение на рынке инфраструктуры для разработчиков и развитие направления маршрутизации ИИ-токенов.

Revolut. Автор упоминает обсуждаемую оценку около $115 млрд, клиентскую базу более 80 млн человек и развитие фундаментальной модели для финансовых операций.

Ramp. Согласно приведённым данным, компания оценивалась в $44 млрд, её годовая выручка в пересчёте на текущие темпы превышала $1 млрд, а свободный денежный поток был положительным.

Тейлор также обращает внимание на компании, изначально созданные вокруг искусственного интеллекта.

По его данным, решения Hebbia используются организациями, управляющими активами на общую сумму около $30 трлн.

Другой пример — Rogo, оценка которой, согласно статье, выросла с $750 млн до $2 млрд за 16 недель.

По мнению автора, такие компании демонстрируют потенциал нового поколения финансовых технологий.

Вместе с тем прогноз о появлении финансовой компании стоимостью $1 трлн, построенной вокруг ИИ и токенизации, остаётся авторской оценкой.

Что придёт на смену привычному финтеху

Главный вывод Саймона Тейлора заключается в том, что финансовая отрасль переходит к новому этапу технологического развития.

Мобильные приложения, облачные технологии и API сохранят значение, но больше не будут достаточным основанием для создания принципиально нового финансового бизнеса.

По концепции эксперта, будущие конкурентные преимущества будут формироваться в трёх направлениях.

Первое — собственные ИИ-модели для оценки рисков, принятия решений и автоматизации процессов.

Второе — токенизированная инфраструктура, позволяющая учитывать и передавать стоимость между участниками рынка.

Третье — взаимодействие с автономными ИИ-агентами, способными пользоваться финансовыми услугами от имени клиентов.

Тейлор допускает, что лидерами новой технологической волны могут стать как действующие финтех-компании, так и новые организации, изначально построенные вокруг искусственного интеллекта.

Таким образом, выражение «финтех мёртв» в его интерпретации означает не исчезновение финансовых технологий, а завершение этапа, когда мобильный банкинг и облачная инфраструктура сами по себе считались революционными решениями.