Виступ губернатора Воллера щодо впровадження штучного інтелекту в Федеральній резервній системі

Дякую, пане Президенте Коллінс, і дякую за можливість сьогодні з вами поспілкуватися.1 Штучний інтелект — це технологічне явище, яке захоплює світ. Ми читаємо про нього щодня, і багато з нас використовують його у тій чи іншій формі. За моє життя я ніколи не бачив такої технологічної революції — я був свідком народження космічних досліджень, зростання персональних комп’ютерів, вибуху інтернету та смартфонів. Хоча всі вони були трансформаційними, жоден з них не має такого потенціалу змінити наше життя так швидко, як AI. Фірми, домогосподарства та уряди всі намагаються інтегрувати його у свої процеси. І я тут, щоб сказати вам, що Федеральна резервна система не є винятком.

Отже, враховуючи тему цієї конференції та склад аудиторії, я вважаю, що це хороший час обговорити, як система Федеральної резервної системи використовує штучний інтелект для побудови та оптимізації систем, що підтримують нашу роботу, а також для впровадження його в інші внутрішні застосунки.

Зазвичай багато людей асоціюють Федеральну резервну систему з монетарною політикою — відсотковими ставками, інфляцією та рішеннями, що привертають увагу під час засідань ФРС, які відбуваються вісім разів на рік. Але більша частина нашої щоденної діяльності — це операційна робота, така як платежі, фінансове управління, людські ресурси та надання фінансових послуг Казначейству США. Ключовим елементом цієї операційної роботи є технології. AI — це остання технологія, яку ми інтегруємо у нашу щоденну роботу для досягнення операційної ефективності.

Федеральна резервна система була створена у 1913 році як система регіональних банків, і історично багато технологічних рішень приймалися окремо кожним банком. Це мало сенс у минулій епосі, коли кожен резервний банк фактично функціонував як окрема організація. Але оскільки робота ФРС стала більш цифровою та взаємопов’язаною — разом із розвитком банківської системи та ширшої економіки — такий підхід все більше створює дублювання, неефективність і операційні ризики.

Коли системи взаємопов’язані, рішення, прийняті ізольовано, створюють проблеми з координацією — особливо враховуючи масштаб і критичність систем, якими керує ФРС. Підтримка стандартів стійкості та безпеки центрального банку вимагає більш узгодженої моделі.

Саме тому ми рухаємося у напрямку підходу, орієнтованого на систему Федеральної резервної системи — із спільними стандартами та інфраструктурою, зберігаючи децентралізацію там, де це найважливіше, особливо для монетарної політики та економічних досліджень.2

І терміновість цього переходу зростає. Обсяг і швидкість технологічних змін продовжують зростати. Як публічна установа з важливою роллю у фінансових системах США та світу, ФРС має йти в ногу з часом, щоб надавати ефективні, надійні послуги разом із приватним сектором.

Ця швидкість змін була очевидною на нещодавній Конференції з інновацій у платежах, яку я проводив, де учасники та відвідувачі обговорювали злиття AI, стабільних монет, токенізації та платежів — тему, яку я також регулярно чую у своїх розмовах з галуззю і яка, ймовірно, з’явиться протягом усіх панелей сьогодні.

За такої швидкості змін підхід «банк за банком» просто не працюватиме, особливо для передових технологій, таких як токенізація, квантові обчислення та генеративний AI. Це сміливі виклики — і можливості — що перетинаються з усією системою Федеральної резервної системи.

Щоб відповідати цій ситуації, потрібна системна координація, схильність до дії та дисципліноване масштабне впровадження. Саме тому ми навмисно створили інноваційну практику, орієнтовану на систему. Замість дублювання зусиль — робити одне й те саме сотню разів у системі — ми можемо робити сотню різних речей. Системний підхід дозволяє швидше та ефективніше переводити ідеї з експерименту у реальні дії.

AI — це кейс-стаді того, як цей підхід працює на практиці. Мені не потрібно пояснювати цій аудиторії, наскільки швидко рухається AI — він змінює спосіб роботи та функціонування організацій. Як розробники та лідери, ви відчуваєте це безпосередньо. І Федеральна резервна система не є винятком. Важливо йти в ногу з цим. Так, ми — центральний банк; «ламати речі і просити пробачення» тут не працює. З великою силою приходить велика відповідальність. AI-системи можуть швидко посилювати помилки так само, як і підвищувати ефективність. Вони можуть створювати галюцинації. Вони можуть вводити реальні ризики щодо захисту даних, моделювання, упередженості та операційної стійкості. Ми не можемо ставитися до AI легковажно. Як центральний банк, ми дотримуємося високих стандартів. Це означає чіткі межі щодо того, як і де його використовувати, сильний контроль безпеки інформації, строгі валідації моделей, людська відповідальність за прийняття рішень і постійна оцінка технології у процесі її розвитку. Інновації та управління ризиками тут не суперечать один одному — вони взаємодоповнюють.

Ми повинні дотримуватися цих принципів, але пасивність також не є варіантом. Ми не можемо дозволити собі запізнитися або розглядати трансформаційні зміни фрагментарно. Тому ми робимо це інакше. Впроваджуючи AI у ФРС, ми рухаємося як одна система, з спільним напрямком і узгодженістю. Ми створили спільну внутрішню універсальну платформу AI для всіх співробітників резервних банків. Наш підхід навмисно орієнтований на бізнес і підтримується AI. Ми починаємо з проблеми та бізнес-потреби, а потім застосовуємо відповідні можливості з усього стеку AI. Ця дисципліна допомагає нам швидше та ефективніше приносити реальну бізнес-цінність, уникаючи зайвої складності та витрат.

Бути орієнтованим на бізнес також означає інтегрувати AI у роботу ФРС — не сприймати його як набір випадкових експериментів або зомбі-проектів.

Мета — не новизна. Мета — корисність.

Тож давайте перейдемо до практичних кейсів застосування AI. Ми впроваджуємо AI у трьох сферах, що доповнюють одна одну і відображають, як працює велика, складна установа — широке доступне використання для всіх співробітників, спеціалізовані інструменти для розробників і інтегровані можливості у внутрішні робочі процеси, що разом робить AI частиною щоденної роботи Федеральної резервної системи.

Почну з універсального AI для всіх співробітників, адже саме тут перший і найзначніший щоденний вплив.

Це про те, щоб зробити AI базовою можливістю щоденної роботи, а не вузькоспеціалізованим інструментом. Кожен співробітник має доступ до затверджених ФРС AI-рішень, якими може користуватися протягом дня — для складання чернеток, підсумків, аналізу інформації та швидкого подолання труднощів. Для багатьох це функціонує як всепроникний цифровий асистент — голосна дошка, до якої можна повернутися під час роботи над проблемами та виконання щоденних завдань. Мета не в тому, щоб зробити всіх технарями; мета — зменшити тертя у рутинній роботі, щоб люди могли більше зосереджуватися на судженнях, розв’язанні проблем і більш високовартісних завданнях.

У багатьох випадках це нагадує, як люди вже використовують AI у своєму особистому житті. У моїй родині AI став щоденним інструментом — так само, як смартфон або навіть мікрохвильова піч, якою користуються автоматично. Моя дружина використовує його як щоденного помічника: планує поїздки, допомагає нашим дітям обдумати кар’єрні варіанти, порівнює покупки або перетворює дрібні, неприємні задачі у щось більш кероване.

Це не екзотика. Це інструмент.

І саме так ми маємо думати про AI на роботі.

Давайте зробимо це реальністю.

Співробітники ФРС часто отримують значний обсяг додаткових матеріалів для підготовки до різних засідань. Щоб допомогти синтезувати цю інформацію, вони іноді використовують внутрішній універсальний AI-інструмент ФРС для швидкого виділення ключових тем. Звісно, він не замінює підготовку чи судження. Він стискає механічну роботу, щоб більше часу можна було приділити суті та важливим питанням.

Ще один приклад — коли колега повернулася з заслуженого відпустки — справжнього цифрового детоксу, тобто без доступу до робочих пристроїв або пошти — і повернулася до повного ящика та черги документів. Замість того, щоб витрачати дні на сортування всього, вона використала внутрішній AI-інструмент ФРС для підсумовування та сортування накопиченого. Це дозволило їй одразу перейти до того, що потребує її експертизи.

У обох випадках інструмент обробляє обсяг і перший етап роботи. Людина приймає рішення.

Другий напрямок, де ми бачимо реальний вплив, — це розробники та практичні будівельники — ті, хто перетворює ідеї у реалізацію.

Асистенти з кодування допомагають розробникам оптимізувати роботу на всьому життєвому циклі програмного забезпечення — від документації та рефакторингу до написання коду та модульного тестування. Це допомагає командам швидше розв’язувати завдання, покращувати якість і надійність, модернізувати системи та швидше доставляти цінність і інновації.

Але це не лише про швидкість.

AI бере на себе деякі з найтриваліших і найменш задовільних частин розробки програмного забезпечення, щоб розробники могли зосередитися на безпеці та якості. Це важливо для такої установи, як ФРС, де надійність і стійкість виробничих систем є критичними.

Візьмемо модульне тестування. Це необхідно для якості та стійкості, але це не те, що викликає у розробників найбільший ентузіазм. У кількох командах завдання, що раніше займали дні, тепер виконуються за кілька годин із допомогою AI. Один розробник сказав мені прямо: «Що раніше займало два дні, тепер займає дві години». Це звільняє час для більш високовартісної роботи — посилення безпеки та створення нових можливостей. Зі зростанням зрілості цих інструментів вигоди лише зростають.

Є й ширша ідея щодо можливостей. Коли асистенти з кодування знижують вартість створення програмного забезпечення і підвищують його якість, вони розширюють можливості. Ми можемо писати більше коду, створювати більше можливостей і приносити більше бізнес-цінності. З полегшенням дефіциту зростає і можливість — даючи змогу боротися з накопиченими за часом технічними боргами та застарілими рішеннями.

Корисною аналогією є iPhone і фотографія. Встановлення камери у кожен кишеньковий пристрій не позбавило професійної фотографії. Це знизило вартість виробництва, збільшило обсяг і розширило ринок. Більше фотографій було зроблено, і попит на високоякісну роботу фактично зріс. Я вважаю, що асистенти з кодування працюватимуть так само для програмного забезпечення.

У ФРС ми вже бачимо сильний початковий інтерес — сотні розробників швидко приймають ці інструменти, що свідчить про те, що ця можливість відповідає реальним потребам.

Дозвольте привести інший приклад — менш про код, більше про слухання спільнот, яким ми служимо.

У всій системі Федеральної резервної системи ми збираємо величезну кількість якісної інформації — розмови з бізнесами, лідерами громад та учасниками ринку. Історично синтезувати цю інформацію з різних регіонів і періодів було важко та трудомістко.

Завдяки AI-аналітикам тепер доступні інструменти для витягування цільових тем із великих обсягів нотаток інтерв’ю, порівняння шаблонів між циклами та швидкого виявлення змін у настроях. Це не замінює людське судження — прискорює перший етап, щоб економісти могли більше часу приділяти інтерпретації важливого.

Третій спосіб впровадження AI — це безпосередня інтеграція у вже існуючі робочі процеси.

Замість того, щоб просити команди освоїти нові інструменти або створювати індивідуальні рішення, ми активуємо можливості AI у платформах, що вже підтримують щоденну роботу у сферах права, ризиків, закупівель, операцій та інших функцій підприємства.

Впровадження йде через робочий процес. Коли AI інтегрований — а не доданий як додатковий модуль — люди не змінюють спосіб роботи, щоб отримати від нього цінність.

Якщо ви часто купуєте щось онлайн або подорожуєте, ви, ймовірно, вже відчули цю зміну. Коли щось йде не так — затримка рейсу, пропущене з’єднання, пошкоджена посилка — тепер швидше вирішити проблему через простий чат або повідомлення, або навіть через той улюблений дзвінок. У багатьох випадках AI працює за лаштунками, щоб підсумувати контекст, спрямувати проблему або вирішити її одразу — і коли залучена людина, вона краще підготовлена допомогти. Враження простіше, швидше і часто краще.

Та сама динаміка застосовується і у ФРС. Інтегруючи AI у існуючі системи підприємства, ми можемо покращити швидкість, послідовність і якість обслуговування без створення фрагментованих рішень. Це також економічно обґрунтовано. Враховуючи швидкий розвиток технологій, використання AI через платформи постачальників дозволяє нам отримувати вигоду від постійних покращень, а не створювати та підтримувати інструменти, що можуть стати дорогими або застарілими.

У сукупності ці приклади демонструють, як ми переводимо AI із стадії досліджень у реальні дії через узгоджений системний підхід.

Результат — збільшення можливостей у всій організації, що дозволяє командам вирішувати складні проблеми і приносити більше цінності, одночасно підвищуючи продуктивність і знижуючи витрати через відповідальну інновацію.

Хоча це був хороший початок, ми не прагнемо бути одноденним феноменом. Важливо — це довговічність, і вона вимагає зосередженості на впровадженні, відповідальності та лідерстві.

Саме тут багато зусиль з AI зазнають поразки — коли передача з перших користувачів переходить до щоденних операторів. Технологія вже не є складною частиною, а управління змінами — це виклик. Це залежить від того, наскільки швидко люди приймуть інструменти, наскільки глибоко вони їх інтегрують у щоденні процеси і чи перетворюється це у результати.

Тому ми застосовуємо підхід, орієнтований на впровадження. Ми розглядаємо AI як інвестицію у людський капітал, а не як експеримент на боці. Навчання та підвищення кваліфікації відбувається у робочий час, а не у вечірні або вихідні дні.

І це навчання не є одноразовим або теоретичним. Воно постійне, практичне і релевантне для ролі. Співробітники навчаються, використовуючи AI у реальних робочих процесах — через практичні семінари, навчальні сесії та швидкі вправи. Цей підхід «з рук на клавіатуру» важливий, оскільки комфорт і компетентність приходять із використанням, а не з презентацій.

Ми також чітко визначили очікування. Використання AI не є опцією. Базова грамотність і застосування закладаються у цілі працівників у системі. Що вимірюється — те виконується.

Я бачив це на власному досвіді. Коли я був керівником досліджень у Сент-Луїсі, ми розробили стратегічний план, який майже залишився на полиці. Що змінило поведінку — це включення цих пріоритетів безпосередньо у цілі співробітників. Як тільки люди зрозуміли, що важливо і як їх оцінюватимуть, почалася реалізація. Цей досвід сформував моє уявлення про те, як зробити зміни стійкими.

Лідерство відіграє тут критичну роль. Встановлення очікувань і інвестиції — це необхідно, але недостатньо. Команди мають бачити, що лідери демонструють приклад і говорять про свою відданість — і що вони самі є учнями цієї технології. Це сигнал лідерства, що перетворює початковий імпульс у сталу поведінкову зміну.

Саме так ми переходимо від перших успіхів до довгострокової здатності, поєднуючи технології з навчанням, відповідальністю та лідерством, щоб AI став довговічною частиною роботи Федеральної резервної системи.

Конференції, подібні до цієї, зосереджені на тому, як технології змінюють майбутнє. Те, що я намагався показати сьогодні, — це наш підхід до цієї виклику у Федеральній резервній системі — досягнення нашої місії через технологічно підтримувані інновації з чітким акцентом на виконання та ефективність. І роблячи це, ми демонструємо, як публічна установа може відповідально впроваджувати AI і зміцнювати довіру громадськості.

Коли з’являються такі технології, як токенізація та агентний AI, варто пам’ятати, що це не перший раз, коли наша галузь проходить через подібні зміни. Коли вперше з’явилися банкомати, вони не позбавили банкірів. Навпаки, вони змінили спосіб роботи банків — рутинні операції стали дешевшими, швидшими і доступнішими, а людські зусилля перемістилися до більш високовартісних завдань. Реальний вплив полягав не лише у автоматизації, а у тому, як установи реорганізувалися навколо технологій.

AI — це подібно. Найбільші здобутки не будуть у простому додаванні AI до існуючих процесів. Вони з’являться, коли ми переосмислимо робочі процеси, ролі та системи, щоб максимально використати можливості цієї технології.

Що саме ми не знаємо — і не можемо знати — це коли ці технології досягнуть свого повного переломного моменту. Ми не отримаємо чіткий сигнал, коли AI перейде від швидкого прогресу до справжнього системного впливу. Але чекати ідеальної ясності — не стратегія. Якщо ми хочемо бути готовими, коли цей момент настане, роботу потрібно починати вже зараз.

AI — це один із яскравих прикладів того, як Федеральна резервна система може сміливо діяти масштабно, застосовуючи системний підхід.

1. Висловлені тут погляди — це мої особисті і не обов’язково відображають позицію моїх колег із Ради Федеральної резервної системи. Повернутися до тексту

2. У цій промові, як Надзорний губернатор для резервних банків, коли я кажу «Система», я маю на увазі 12 резервних банків, а не Раду керівників. Повернутися до тексту