Как Norges Bank Investment Management встроил ИИ в 171 процесс по всему фонду

Norges Bank Investment Management, управляющий крупнейшим в мире государственным фондом, за два года провёл не точечный эксперимент, а масштабную ИИ-перестройку всей организации. Вместо поиска одного идеального сценария команда встроила ИИ сразу в 171 процесс — от внутренних рабочих задач до критически важных инвестиционных решений.

Масштаб внедрения ИИ

Главная мысль этого кейса проста: ИИ не стал в NBIM отдельной «лабораторией инноваций», куда складывают красивые демо. Фонд пошёл в противоположную сторону и начал системно искать участки, где модели могут экономить время, снижать издержки или повышать качество решений. В итоге внедрение разошлось по всей компании, а не осталось в нескольких командах энтузиастов.

Для большой финансовой организации это особенно показательно: там обычно любые изменения идут медленно из-за требований к рискам, согласованиям и точности. Такой подход меняет саму логику цифровой трансформации. Вместо ставки на один «золотой кейс», который должен доказать ценность технологии, NBIM разложил эффект на десятки и сотни небольших применений.

Это снижает зависимость от одного проекта и даёт более устойчивый результат: даже если часть экспериментов не выстрелит, общий эффект всё равно накапливается. Для компаний с большим числом внутренних процессов это, возможно, более реалистичная стратегия, чем ожидание одного прорывного продукта.

Как перестроили процессы

Самый жёсткий шаг — обязательное обучение сотрудников, включая тех, кто изначально не хотел заниматься ИИ-инструментами. Логика понятна: если технология должна стать повседневной частью работы, нельзя оставлять её только узкому кругу специалистов. Параллельно фонд отказался от привычного Scrum-подхода в пользу микрокоманд, где рядом работают два разработчика и один представитель бизнеса.

Это сокращает дистанцию между идеей, реализацией и проверкой пользы, а также ускоряет запуск изменений. Эта схема не сводилась к абстрактной смене процессов на бумаге. Фонд одновременно менял обучение, структуру команд и способ постановки задач, чтобы ИИ не зависел от отдельных энтузиастов.

За счёт этого новая практика закреплялась в ежедневной работе, а не жила в виде пилотов, которые показывают на внутренних презентациях, но не доходят до масштабного применения. Именно поэтому внедрение легче переживает смену приоритетов и не разваливается после первого квартала. обязательное обучение ИИ-инструментам для всех сотрудников; переход от крупных процессов разработки к микрокомандам из трёх человек; внедрение ИИ не в один продукт, а в 171 отдельный процесс; создание агентной архитектуры для задач, влияющих на инвестиционные решения.

Отдельно важна именно агентная архитектура. Когда речь идёт о чувствительных финансовых задачах, одной модели с одним ответом недостаточно. Компании нужна система, где роли разделены: один агент собирает данные, другой проверяет расчёты, третий помогает сформулировать вывод, а человек сохраняет контроль над финальным решением.

Для сферы управления капиталом это куда ближе к рабочей реальности, чем образ «магической кнопки», которая сама всё решает.

Что получили в итоге

Результаты выглядят не как косметическое улучшение, а как сдвиг в повседневной культуре работы. Более 50% сотрудников фонда теперь пишут код. Это не означает, что половина компании стала полноценными инженерами, но показывает другое: программирование и автоматизация перестают быть монополией ИТ-отдела.

Люди из бизнес-функций начинают сами собирать скрипты, прототипы и внутренние инструменты, если это помогает быстрее решать их задачи. Это постепенно меняет и требования к ролям внутри фонда. Есть и более прямой бизнес-эффект.

NBIM сообщает об экономии на торговых издержках и о резком сокращении времени подготовки к встречам — примерно на 80%. Для инвестиционной организации это очень практичный показатель: меньше времени уходит на сбор материалов, сверку данных и подготовку кратких выводов для обсуждений. Если такие улучшения масштабируются на весь фонд, ИИ перестаёт быть статьёй расходов на эксперименты и становится инфраструктурой, которая ежедневно влияет на эффективность операций.

Что это значит

Кейс NBIM интересен тем, что показывает зрелый корпоративный сценарий: не «внедрить чат-бота ради галочки», а перестроить обучение, команды и принятие решений вокруг ИИ. Для крупных компаний вывод очевиден: наибольший эффект может дать не один громкий пилот, а десятки встроенных применений, которые по чуть-чуть ускоряют работу, уменьшают издержки и делают сотрудников заметно самостоятельнее. Особенно там, где цена медленных процессов исчисляется миллионами.