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 связаны между собой, решения, принятые 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 платежных систем — 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 вызову, 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 основан на ИИ. Мы начинаем с конкретной задачи и бизнес-потребности, затем применяем нужные возможности из всего стека ИИ. Эта дисциплина помогает нам быстро и эффективно 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 в новизне. Цель — в полезности.

Давайте перейдем к практическим кейсам использования 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, суммирования, анализа информации и быстрого преодоления препятствий. Для многих это становится повседневным цифровым помощником — «звуковой доской», к которой можно обращаться при решении проблем и выполнении ежедневных задач. Цель не в том, чтобы превратить всех в технологов; 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 обдумывать карьерные варианты, сравнивать покупки или превращать мелкие, раздражающие задачи в более управляемые.

Это не экзотика. Это инструмент.

И именно так мы должны думать об ИИ и на работе.

Давайте сделаем это реальностью.

Сотрудники ФРС часто получают значительные материалы для подготовки к различным встречам, не связанные с FOMC. 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 сокращает механическую работу, чтобы больше времени уделять сути и важным вопросам.

Еще один пример — когда коллега вернулась из заслуженного отпуска — настоящего цифрового детокса, без доступа к рабочему устройству или электронной почте — и обнаружила, что ее ждет полный входящий поток и очередь 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 обрабатывает объем и первичный проход. Человек принимает решения.

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

Ассистенты по программированию помогают разработчикам оптимизировать работу на всем жизненном цикле 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 выпускать 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 Федеральная резервная система, где надежность и устойчивость производственных систем критичны.

Возьмем модульное тестирование. Это важно для качества и устойчивости, но не то, что вызывает у разработчиков особый энтузиазм. В нескольких командах задачи, ранее занимавшие 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 более широкий аспект — увеличение возможностей. Когда ассистенты по программированию снижают стоимость создания программного обеспечения и одновременно повышают его качество, расширяются возможности. Мы можем писать больше кода, создавать больше возможностей и приносить больше бизнес-ценности. По мере снижения дефицита возможностей растет и объем работы — мы можем справляться с бэклогами и техническим долгом, накапливающимися со временем.

Полезная аналогия — 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, ассистенты по программированию будут работать так же для программного обеспечения.

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

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

Во всей системе Федеральной резервной системы мы собираем огромное количество качественной информации — беседы с бизнесами, лидерами сообществ и участниками рынков. 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 — ускоряет первичный проход, чтобы экономисты могли больше времени уделять интерпретации важного.

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

Вместо того чтобы требовать от команд освоения новых инструментов или создания индивидуальных решений, мы активируем возможности ИИ внутри платформ, которые уже поддерживают повседневную работу в таких областях, как юридическая деятельность, управление рисками, 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 сценой, чтобы суммировать контекст, направлять проблему или решать ее напрямую — 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 эффективность затрат 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 успешны, либо терпят неудачу — когда роль переходит от ранних участников к операторам в повседневной работе. Технология уже не является сложной частью; сложной становится управленческая работа по внедрению изменений. Всё сводится к тому, как быстро люди начинают использовать инструменты, насколько глубоко они интегрируют их в ежедневные процессы и приводят ли эти действия 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 свободное 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 «руками к клавиатуре» 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 долгосрочной способности, 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. Что я старался показать сегодня, — это как мы подходим к этой задаче в Федеральной резервной системе — реализуя нашу миссию через технологически подкрепленные инновации, 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. 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 в существующие процессы. Они придут от переосмысления рабочих потоков, ролей и систем, чтобы максимально использовать возможности этой технологии.

Что мы точно 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 и масштабно реализовывать 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