Выступление губернатора Уоллера о внедрении ИИ в Федеральной резервной системе

Спасибо, президент Коллинз, и спасибо за возможность выступить перед вами сегодня.1 Искусственный интеллект — это технологическое явление, которое захватывает весь мир. Мы читаем о нем каждый день, и многие из нас используют его так или иначе. За всю мою жизнь я никогда не видел такой технологической революции — я видел рождение космических исследований, рост персональных компьютеров, взрыв интернета и затем смартфонов. Хотя все эти изменения были трансформирующими, ни одно из них не сравнится с потенциалом ИИ в изменении нашей жизни и при этом с поразительной скоростью. Компании, домохозяйства и каждое правительство пытаются интегрировать его в свои процессы и операции. И я здесь, чтобы сказать вам, что Федеральная резервная система ничем не отличается.

Итак, учитывая тему этой конференции и состав аудитории, я посчитал, что это хорошее время обсудить, как система Федеральной резервной системы использует искусственный интеллект для построения и оптимизации систем, поддерживающих нашу работу, а также внедрения его в другие внутренние приложения.

Большинство людей ассоциируют Федеральную резервную систему с денежно-кредитной политикой — процентными ставками, инфляцией и решениями, которые становятся предметом новостей, когда руководители ФРС собираются восемь раз в год. Но основная часть нашей ежедневной деятельности связана с операционной работой, такой как платежи, финансовое управление, кадровые вопросы и предоставление финансовых услуг Казначейству США. Ключевым элементом этой операционной работы является технология. ИИ — это последняя технология, которую мы внедряем в нашу повседневную работу для достижения операционной эффективности.

ФРС была создана в 1913 году как система региональных банков, и исторически многие технологические решения принимались по банкам. Это имело смысл в более раннюю эпоху, когда каждый резервный банк фактически функционировал как отдельная организация. Но по мере того, как работа ФРС стала более цифровой и взаимосвязанной — наряду с развитием банковской системы и экономики в целом — такой подход все больше создает дублирование, неэффективность и операционные риски.

Когда системы взаимосвязаны, решения, принимаемые в изоляции, создают проблемы координации — особенно учитывая масштаб и критичность систем, которыми управляет ФРС. Поддержание стандартов устойчивости и безопасности центрального банка требует более скоординированной модели.

Именно поэтому мы движемся к подходу, ориентированному на систему Федеральной резервной системы — с общими стандартами и инфраструктурой, при этом сохраняя децентрализацию там, где это важно, особенно в области денежно-кредитной политики и экономических исследований.2

И срочность этого перехода растет. Объем и скорость технологических изменений продолжают увеличиваться. Как публичное учреждение, играющее важную роль в финансовых системах США и мира, ФРС должна идти в ногу, чтобы предоставлять эффективные и надежные услуги наряду с частным сектором.

Эта скорость изменений была очевидна на недавней конференции по инновациям в платежах, которую я проводил, где участники обсуждали слияние ИИ, стейблкоинов, токенизации и платежей — тему, которую я также регулярно слышу в своих беседах с индустрией и которая, я подозреваю, будет звучать и в сегодняшних панелях.

При такой скорости изменений подход «банк за банком» просто не сработает, особенно для передовых технологий, таких как токенизация, квантовые вычисления и генеративный ИИ. Это смелые вызовы — и возможности — которые охватывают всю систему Федеральной резервной системы.

Чтобы соответствовать моменту, необходима системная координация, склонность к действию и дисциплинированное выполнение на масштабах. Именно поэтому мы сознательно создали практику инноваций, ориентированную на систему. Вместо дублирования усилий — повторения одних и тех же действий по всей системе — мы можем делать сотни различных вещей. Такой системный подход позволяет быстрее и эффективнее переводить идеи из стадии экспериментов в практическое применение.

ИИ — это пример того, как этот подход реализуется на практике. Мне не нужно объяснять этой аудитории, как быстро развивается ИИ — как он меняет способы выполнения работы и функционирование организаций. Как создатели и лидеры, вы ощущаете это на собственном опыте. И Федеральная резервная система не исключение. Важно идти в ногу. Да, мы — центральный банк; «ломать вещи и просить прощения» здесь не сработает. С великой силой приходит большая ответственность. Системы ИИ могут так же быстро усиливать ошибки, как и повышать эффективность. Они могут «галлюцинировать». Они могут создавать реальные риски, связанные с защитой данных, моделированием, предвзятостью и операционной устойчивостью. Мы не можем относиться к ИИ легкомысленно. Как центральный банк, мы придерживаемся высоких стандартов. Это означает четкие границы использования, сильные меры информационной безопасности, строгую проверку моделей, человеческую ответственность за решения и постоянную оценку по мере развития технологий. Инновации и управление рисками здесь не конкурируют — они дополняют друг друга.

Нам нужно придерживаться этих принципов, но пассивность тоже недопустима. Мы не можем позволить себе опоздать или рассматривать трансформационные изменения фрагментарно. Поэтому мы делаем это по-другому. Внедряя ИИ по всей системе, мы движемся как единое целое, с общим направлением и согласованностью. Мы разработали общую внутреннюю платформу общего назначения для всех сотрудников резервных банков. Наш подход сознательно ориентирован на бизнес и включает ИИ. Мы начинаем с конкретной задачи и бизнес-потребности, затем применяем нужные возможности из всего стека ИИ. Эта дисциплина помогает нам приносить реальную бизнес-ценность, избегая ненужной сложности и затрат.

Бизнес-ориентированный подход также означает интеграцию ИИ в работу ФРС — а не рассматривать его как набор случайных экспериментов или «зомби-проектов».

Цель — не новизна. Цель — полезность.

Давайте перейдем к практическому применению ИИ. Мы внедряем ИИ тремя сосредоточенными, дополняющими друг друга способами, отражающими, как выполняется работа в крупном, сложном учреждении — широкий доступ для всех сотрудников, специализированные инструменты для разработчиков и встроенные возможности в бизнес-процессы, что вместе делает его частью повседневной работы Федеральной резервной системы.

Начну с общего назначения ИИ для всех сотрудников, потому что именно здесь проявляется самый значительный ежедневный эффект.

Это о том, чтобы сделать ИИ базовой возможностью повседневной работы, а не узкоспециализированным инструментом. Каждый сотрудник имеет доступ к одобренным ФРС решениям на базе ИИ, которые можно использовать в течение дня — для составления черновиков, резюме, анализа информации и быстрого преодоления затруднений. Для многих это становится повседневным цифровым помощником — «звуковой доской», к которой можно обращаться при решении проблем и выполнении ежедневных задач. Цель — не превращать всех в технологических экспертов; цель — снизить трение в рутинной работе, чтобы люди могли больше времени уделять суждению, решению проблем и более ценным задачам.

Во многом это похоже на то, как люди уже используют ИИ в личной жизни. В моей семье ИИ стал повседневным инструментом — так же, как смартфон или микроволновка, которыми пользуются автоматически. Моя жена использует его как ежедневного помощника: планирует поездки, помогает нашим детям думать о карьере, сравнивать товары или превращать мелкие, раздражающие задачи в более управляемые.

Это не экзотика. Это инструмент.

И именно так мы должны думать об ИИ на работе.

Позвольте сделать это более конкретным.

Сотрудники ФРС часто получают значительные дополнительные материалы для подготовки к различным встречам. Чтобы помочь синтезировать информацию, они иногда используют внутренний универсальный ИИ-инструмент ФРС для быстрого выявления ключевых тем. Конечно, он не заменяет подготовку или суждение. Он сжимает механическую работу, чтобы больше времени уделять сути и важным вопросам.

Еще один пример — когда коллега возвращается из заслуженного отпуска — настоящего цифрового детокса, без доступа к рабочему устройству или электронной почте — и возвращается с полным почтовым ящиком и очередью документов. Вместо того чтобы тратить дни на сортировку всего этого, она использовала внутренний ИИ-инструмент ФРС для суммирования и сортировки накопившегося. Это позволило ей сразу перейти к тому, что требует ее экспертизы.

В обоих случаях инструмент справляется с объемом и первичной обработкой. Человек принимает решения.

Вторая область, где мы видим реальные результаты, — это разработчики и практические создатели — люди, превращающие идеи в реализацию.

Помощники по программированию помогают разработчикам оптимизировать работу на всех этапах разработки программного обеспечения — от документации и рефакторинга до написания кода и модульного тестирования. Это помогает командам быстрее справляться с бэклогами, повышать качество и надежность, модернизировать системы и доставлять больше ценности и инноваций.

Но речь идет не только о скорости.

ИИ берет на себя некоторые из самых трудоемких и малоприятных аспектов разработки программного обеспечения, чтобы разработчики могли сосредоточиться на безопасности и качестве. Это важно для такой организации, как ФРС, где надежность и устойчивость производственных систем критичны.

Возьмем модульное тестирование. Это важно для качества и устойчивости, но не самое захватывающее для разработчиков. В нескольких командах задачи, которые раньше занимали дни, теперь выполняются за часы с помощью ИИ. Один разработчик прямо сказал мне: «То, что раньше занимало два дня, теперь занимает два часа». Это освобождает время для более ценных задач, таких как укрепление безопасности и создание новых возможностей. По мере развития этих инструментов выгоды накапливаются.

Есть и более широкий аспект — увеличение возможностей. Когда помощники по программированию снижают стоимость создания программного обеспечения и одновременно повышают его качество, они расширяют возможности. Мы можем писать больше кода, создавать больше возможностей и приносить больше бизнес-ценности. По мере снижения дефицита возможности растет — и мы можем справляться с бэклогами и техническим долгом, накапливающимися со временем.

Полезная аналогия, которую я слышал, — это iPhone и фотография. Внедрение камеры в каждый карман не устранило профессиональную фотографию. Оно снизило стоимость производства, увеличило объем и расширило рынок. Больше фотографий делалось, и спрос на высококачественную работу действительно вырос. Думаю, помощники по программированию будут работать так же для программного обеспечения.

В ФРС мы уже видим сильный начальный отклик — сотни разработчиков быстро принимают эти инструменты, что говорит о том, что эта возможность действительно востребована.

Позвольте привести другой пример — менее связанный с кодом, больше с прослушиванием сообществ, которым мы служим.

Во всей системе Федеральной резервной системы мы собираем огромное количество качественной информации — разговоры с бизнесами, лидерами сообществ и участниками рынка. Исторически синтезировать эту информацию по регионам и временным периодам было трудоемко.

Используя инструменты ИИ, аналитики теперь могут извлекать целевые темы из больших объемов заметок интервью, сравнивать паттерны по циклам и быстрее выявлять изменения в настроениях. Это не заменяет человеческое суждение — оно ускоряет первичный проход, чтобы экономисты могли больше времени уделять интерпретации важного.

Третий способ внедрения ИИ — это интеграция его прямо в рабочие процессы, которые уже используют люди.

Вместо того чтобы требовать от команд освоения полностью новых инструментов или создания индивидуальных решений, мы активируем возможности ИИ внутри платформ, которые уже поддерживают повседневную работу в таких областях, как юридическая деятельность, риск-менеджмент, закупки, операции и другие функции предприятия.

Внедрение следует за рабочим процессом. Когда ИИ встроен — а не просто добавлен — люди не должны менять свой способ работы, чтобы получать от него пользу.

Если вы часто делаете покупки онлайн или путешествуете, вы, вероятно, уже ощутили этот сдвиг. Когда что-то идет не так — задержка рейса, пропущенная пересадка, поврежденная посылка — зачастую быстрее решить проблему через чат или сообщение, или даже по телефону. Во многих случаях ИИ работает за кулисами, чтобы суммировать контекст, направлять проблему или решать ее полностью — и когда подключается человек, он лучше подготовлен помочь. Опыт становится проще, быстрее и зачастую лучше.

Такая же динамика действует и в ФРС. Внедряя ИИ в существующие системы, мы можем повысить скорость, согласованность и качество обслуживания без создания фрагментированных решений. Это также экономически оправдано. Учитывая, как быстро развивается технология, использование ИИ через платформы поставщиков позволяет нам получать выгоду от постоянных улучшений, а не создавать и обслуживать инструменты, которые могут стать дорогими или устаревшими.

В совокупности эти примеры показывают, как мы переводим ИИ из стадии исследования в стадию реализации через скоординированный системный подход.

Результат — увеличение возможностей всей организации, что позволяет командам решать сложные задачи и приносить больше ценности, одновременно повышая производительность и снижая издержки за счет ответственных инноваций.

Хотя это был хороший старт, мы не заинтересованы в однократных успехах. Важна устойчивость, и она требует сосредоточенности на внедрении, ответственности и лидерстве.

Здесь многие усилия по ИИ либо достигают успеха, либо терпят неудачу — когда роль переходит от ранних участников к операторам на ежедневной основе. Технология уже не самая сложная часть; сложность — в управлении изменениями. Всё сводится к тому, как быстро люди начинают использовать инструменты, насколько глубоко они интегрируют их в повседневную работу и приводят ли эти внедрения к результатам.

Именно поэтому мы выбрали подход, ориентированный на внедрение. Мы рассматриваем ИИ как инвестицию в человеческий капитал, а не как эксперимент на стороне. Обучение и повышение квалификации проходят за рабочим временем, а не в ночное или выходное время.

И это обучение не разовое или теоретическое. Оно постоянно, практическое и актуальное для конкретных ролей. Сотрудники учатся, используя ИИ в реальных рабочих процессах, через практические семинары, практические занятия и совместные сессии по генерации идей. Такой подход «практическое освоение» важен, потому что комфорт и компетентность приходят через использование, а не через презентации.

Мы также ясно обозначили ожидания. Использование ИИ — не опция. Базовая грамотность и применение внедряются в цели оценки сотрудников по всей системе. Что измеряется — то и делается.

Я видел это лично. Когда я был руководителем исследований в Сент-Луисе, мы разработали стратегический план, который в основном лежал на полке. Что изменило поведение — это включение этих приоритетов прямо в цели сотрудников. Как только люди поняли, что важно и как их будут оценивать, последовало выполнение. Этот опыт сформировал мое понимание, как сделать изменения устойчивыми.

Лидерство играет здесь ключевую роль. Установка ожиданий и инвестиции необходимы, но недостаточны. Команды должны видеть, как лидеры демонстрируют пример и заявляют о своей приверженности — и что они сами являются учениками этой технологии. Такой лидерский сигнал превращает начальный импульс в устойчивое изменение поведения.

Так мы переходим от первых успехов к долгосрочным возможностям, сочетая технологии с обучением, ответственностью и лидерством, чтобы ИИ стал прочной частью работы Федеральной резервной системы.

Конференции вроде этой сосредоточены на том, как технологии меняют будущее. То, что я старался показать сегодня, — это как мы подходим к этой задаче в Федеральной резервной системе — реализуя нашу миссию через инновации, основанные на технологиях, с ясной ориентацией на выполнение и эффективность. И делая это, мы демонстрируем, как публичное учреждение может ответственно внедрять ИИ и укреплять доверие общественности.

Когда в обозримом будущем появятся такие технологии, как токенизация и агентный ИИ, важно помнить, что это не первый раз, когда наша индустрия сталкивается с такими сдвигами. Когда впервые появились банкоматы, они не устранили банковских кассиров. Вместо этого они изменили работу банков. Обычные операции стали дешевле, быстрее и доступнее, а человеческий труд сместился к более ценным задачам. Настоящее влияние заключалось не только в автоматизации — оно заключалось в том, как организации перестраивали свою работу вокруг технологий.

ИИ похож. Основные выгоды не придут просто от добавления ИИ к существующим процессам. Они придут от переосмысления рабочих процессов, ролей и систем, чтобы максимально использовать возможности этой технологии.

Что мы точно не знаем — и не можем знать — это когда эти технологии достигнут своей полной точки перелома. Мы не получим четкий сигнал, когда ИИ перейдет от быстрого прогресса к действительно системному воздействию. Но ждать идеальной ясности — не стратегия. Если мы хотим быть готовы к тому моменту, работу нужно начинать уже сейчас.

ИИ — это яркий пример того, как Федеральная резервная система может смело реализовывать масштабные инициативы, ориентированные на систему.

1. Мнения, выраженные здесь, принадлежат только мне и не обязательно отражают позицию моих коллег по Совету Федеральной резервной системы. Вернуться к тексту

2. В этой речи, как надзорный управляющий резервных банков, когда я говорю «Система», я имею в виду 12 резервных банков, а не Совет управляющих. Вернуться к тексту