Уранці, коли керівник заходить у переговорну з ноутбуком і дедлайном «на вчора», поруч усе частіше стоїть не ІТ-фахівець, а молодший аналітик. Він відкриває внутрішній чатбот і за хвилини дістає те, що раніше шукали годинами в папках і пошті.
Банки публічно обіцяють стрибок продуктивності від штучного інтелекту у фінансах, але на робочому поверсі видно інше: знання інструментів переходить до наймолодших. Покоління, яке звикло до моделей і промптів, починає диктувати темп.
Матеріали Bloomberg Businessweek показують цю зміну «зсередини» на прикладі трьох історій — Morgan Stanley, Fifth Third і Bank of America. Спільний знаменник простий: молодші банкіри стають наставниками, а вміння працювати з AI — новим фінансовим «флексом».
За оцінкою газети Дейком, це не мода на зручний софт, а зсув у силовому балансі: той, хто володіє «клавіатурою швидкості», отримує голос у процесі. У банках, де авторитет довго будувався на стажі, з’явився короткий шлях — компетенція промпт-інжинірингу.
В інвестбанкінгу найбільша болюча зона — «пам’ять угод»: роки презентацій, моделей, порівнянь і приміток. Молоді аналітики вчаться витягувати з цього моря потрібні шматки, роблячи прецедентний аналіз не пошуком, а діалогом із базою.
Коли в команді з’являється сильний прецедент, робота скорочується до логіки: «що схоже, а що ні». Там, де раніше горіли ночі, тепер виникає інша дисципліна — правильно поставити запитання, вказати обмеження, попросити джерела й структуру.
Фінансове моделювання теж змінює ритм. Десятки вкладок, тисячі рядків і різні методології тепер порівнюють швидше, але саме тому виростає ціна помилки: одна «галюцинація» в припущеннях може рознести весь кейс і репутацію.
У регіональних банках, зокрема в практиках M&A, генеративний ШІ стає «перекладачем» галузевої мови. Молоді аналітики використовують його як прискорений вступ у незнайомий сектор, однак тримають руку на пульсі: усе перевіряють, бо відповідальність не делегується.
Звідси народжується новий стандарт якості: не «згенерувати текст», а зібрати первинні факти, зіставити їх і лише потім просити модель про варіанти формулювань. У банківському секторі це виглядає як повернення до ремесла — тільки з турбонаддувом.
Паралельно AI заходить у дрібні, але масові процеси: автоматизація Excel, упорядкування папок, шаблони листів, формули, списки ризиків. Саме ці задачі традиційно «виховували» новачків, і тепер постає питання: що замінить цю школу терпіння?
Великим банкам потрібна інституційна підтримка, інакше ефект розсіюється. Там, де керівники не розуміють можливостей інструменту, він лишається іграшкою молодших. Та коли старші приймають його як стандарт, AI вшивається в процеси — від підготовки зустрічей до первинних нотаток.
Для керівників привабливий сценарій простий: за 10–15 хвилин на телефоні зібрати публічні звіти, пресрелізи, ключові цифри й список «питань до клієнта». Це змінює очікування: клієнт починає вимагати швидкості як норми, а не як подвигу.
Але «швидко» не завжди означає «правильно». Головний виклик — модельний ризик: помилкові посилання, перекручені цифри, підміна контексту. Тому банки створюють правила: де можна використовувати корпоративні дані, що заборонено завантажувати, які відповіді потребують подвійної верифікації.
Комплаєнс стає не гальмом, а кермом. У грі конфіденційність даних, інсайдерська інформація, вимоги до зберігання документів і контроль доступу. Якщо інструмент не «закритий» і не журналює дії, його цінність для банку падає — навіть якщо він геніальний.
Регулятори теж дивляться уважніше: ризики третьої сторони, хмари, кіберзагрози, кореляції рішень, які можуть посилювати шоки. Банки мають доводити, що управління ризиками працює не на папері, а в щоденних рутинах, де спокуса «довірити моделі» найбільша.
На рівні кар’єри вимальовується парадокс. Страх, що ШІ «вимете» entry-level ролі, частково реальний, бо автоматизуються саме базові задачі. Але водночас з’являється попит на людей, які вміють контролювати якість, ставити правильні запити і відділяти корисне від правдоподібного сміття.
Тобто піраміда навчання перевертається: молодші не лише виконують, а й навчають. І це може змінити культуру в командах, де раніше знання спускалися зверху. Новий авторитет будується на компетенції, а не на титулі — і це болісно для традиційного інвестбанкінгу.
Щоб уникнути двошвидкісної організації, банкам потрібні спільні правила гри: бібліотеки перевірених промптів, обов’язкові чек-листи верифікації, політики щодо джерел, і прозорі межі відповідальності. Інакше AI стане «тіньовим процесом», який живе поза контролем.
Молодшим аналітикам це дає шанс вирізнитися, але й пастку: легко стати «людиною-кнопкою». Якщо не будувати фундамент — фінанси, облік, логіка угод — AI лише прискорить чужі ідеї, а не допоможе створювати свої.
Старшим банкірам доведеться прийняти просту істину: AI-грамотність — не «опція для прогресивних», а новий стандарт професії. Хто не вчиться, той втрачає не роботу завтра, а вплив сьогодні — у переговорах, у плануванні, у здатності тримати темп.
Наступний етап — «агенти», які робитимуть не підказки, а цілі шматки процесу: від KYC-перевірок до складання чернеток мемо й узгодження даних між системами. Конкуренція зведеться до того, хто поєднає швидкість генеративного ШІ з дисципліною контролю — і збереже довіру клієнта.
