Группа исследователей НИУ ВШЭ и других вузов проанализировала возможности стран БРИКС в области внедрения искусственного интеллекта в финансовую сферу и пришла к выводу о необходимости создания общей публичной платформы ИИ. Работа, объединившая ученых из ЮАР, Китая и России, опубликована в журнале «Финансы: теория и практика».
Авторы задались вопросом, который становится всё острее по мере развития технологий: должны ли страны полностью зависеть от частных корпораций — Microsoft, Google и других — в вопросах доступа к искусственному интеллекту. Инвестиции технологических гигантов в ИИ-инфраструктуру измеряются десятками и сотнями миллиардов долларов, и далеко не каждая страна способна конкурировать с ними самостоятельно. По мнению исследователей, это создает риск технологического неравенства между странами и зависимости развивающихся экономик от иностранных коммерческих платформ.
Для анализа проблемы команда использовала методологию систематического обзора литературы, частично основанную на принципах PRISMA — подходе, который применяется при анализе большого массива научных публикаций для получения объективной и воспроизводимой картины исследуемой области. Ученые изучили научные статьи через Google Scholar и сервис семантического поиска Elicit.com, а также проанализировали новостные сообщения об инвестициях крупнейших технологических компаний и национальные стратегии развития ИИ стран БРИКС, G20, Евросоюза и других государств.
Ключевой вывод исследования: странам БРИКС целесообразно объединить ресурсы для создания общей публичной финансовой ИИ-платформы, а не пытаться конкурировать с частным сектором в одиночку. В качестве модели авторы предлагают опыт Индии, которая создала так называемый India Stack — комплекс открытых цифровых сервисов для идентификации граждан, платежей и управления документами, ставший образцом для других развивающихся стран.
Особое внимание в статье уделено принципу суверенитета данных. Исследователи предлагают использовать архитектуру федеративного обучения — подход, при котором страны обучают модели на собственных данных локально, а между собой обмениваются не самими данными, а только результатами обучения моделей. Это позволяет странам сохранять контроль над чувствительной информацией, не отказываясь от совместной работы над общим ИИ-продуктом.
По мнению авторов, такая платформа способна расширить доступ к финансовым и иным цифровым услугам для жителей удаленных и менее обеспеченных регионов, снизить барьеры входа в цифровую экономику и стимулировать локальные инновации. Среди возможных направлений — улучшение доступа к финансовым сервисам, поддержка малого бизнеса и развитие открытого программного обеспечения внутри объединения.
Авторы признают, что реализация подобного проекта требует не только финансирования, но и значительных организационных усилий — привлечения профильных специалистов и координации между странами с разными правовыми системами. Эти вопросы исследователи обозначают как перспективное направление для дальнейшей работы.
