Mizuho запускает «фабрику AI-агентов»: разработка ускоряется на 70%, курс — на массовую автоматизацию

Mizuho Financial Group, похоже, решила больше не возиться с AI в режиме штучной сборки. Банк запустил «Agent Factory» — по сути, внутренний конвейер для массовой разработки AI-агентов, который должен перевести инициативы по искусственному интеллекту из разряда пилотов и аккуратных экспериментов в промышленный режим. Ставка простая: меньше ручной кастомизации, больше стандартизации, быстрее вывод в прод. Если коротко, сроки создания агентных решений хотят ужать с нескольких недель до нескольких дней.

Для рынка это важный сигнал. Речь уже не о том, чтобы «попробовать генеративный AI», а о системной разработке AI-агентов и автоматизации в крупной финансовой организации, где на первом месте — масштаб, управляемость и, да, безопасность. Без этого в банкинге далеко не уедешь.

Где банк уперся — и зачем ему понадобилась «фабрика»

После запуска в декабре 2025 года платформы нового поколения Wiz Base Mizuho пошла дальше базового использования генеративного AI. Следующий шаг — AI-агенты: автономные системы, которые не просто отвечают на запросы, а могут выполнять многошаговые бизнес-процессы почти без постоянного участия человека.

И вот тут, как это часто бывает, компания уткнулась в стену масштабирования. Когда каждый агент создается почти вручную, под конкретный кейс, скорость падает, архитектура расползается, а качество начинает гулять. Неприятно. Agent Factory должна эту проблему снять: унифицировать сборку, сократить lead time и сделать выпуск агентных решений предсказуемым. По оценке самой группы, время разработки сложных агентов можно уменьшить примерно на 70% — то есть вместо привычных двух недель укладываться в несколько дней.

Звучит амбициозно. Но логика железная: если организация хочет развернуть не десяток, а сотни или даже тысячи агентов, без повторяемой архитектуры AI-агентов и нормальной инженерной дисциплины это все быстро превращается в дорогой хаос.

На чем держится Agent Factory

В основе инициативы — собственный framework Mizuho. Его задача не романтическая, а вполне приземленная: удержать баланс между скоростью внедрения и требованиями финансового сектора, где любой перекос в сторону «быстрее-быстрее» может закончиться очень неловко.

1. Шаблоны агентов. Mizuho использует стандартизированный набор компонентов, из которых команды могут собирать новые решения без старта с пустого листа. Это снижает порог входа, упрощает повторное использование модулей и помогает держать качество под контролем. Не магия — просто зрелая инженерия.
2. AI Oriented Architecture (AIOA). Банк сформировал собственные принципы проектирования агентных систем, чтобы каждый AI-агент изначально соответствовал требованиям по governance, контролю и надежности. Для финансового сектора это критично, особенно если речь идет о масштабной автоматизации процессов и доступе к чувствительным данным.
3. Двухплатформенная стратегия. Для сложных, ресурсоемких и масштабных сценариев Mizuho опирается на Amazon Bedrock AgentCore. А там, где бизнесу нужна скорость, гибкость и меньше инженерной тяжести, используется low-code/no-code-платформа Dify. Подход, честно говоря, довольно здравый: не пытаться решать все одной кувалдой.

Отдельно стоит отметить, что подобная модель почти неизбежно подводит к вопросам безопасности AI-агентов и контроля доступа. Чем больше автономии у системы, тем выше цена ошибки. А в банке цена ошибки — ну, сами понимаете — редко бывает символической.

Что будет дальше: память, мультиагентность и более зрелая автоматизация

Проектом занимается In-house Development Lab внутри департамента Digital Strategy. Команда работает напрямую с бизнес-подразделениями: ищет процессы, которые можно автоматизировать, оценивает сценарии применения AI и переводит их в рабочие агентные решения. Без лишней театральности, по делу.

Дальнейший план у Mizuho тоже вполне показательный. Группа собирается развивать фабрику, добавляя механизмы памяти для более персонализированного взаимодействия и внедряя мультиагентные системы, где несколько AI-агентов координируют действия и совместно решают сложные задачи. Плюс — развитие сценариев, связанных с контекстом, знаниями и, вероятно, агентной памятью и RAG. Иначе говоря, речь идет уже не о чат-ботах в новом костюме, а о полноценной агентной операционной модели.

Конечная цель понятна: ускорить внутренние процессы, разгрузить сотрудников от рутинных операций и направить человеческий ресурс туда, где он приносит больше ценности, — в сложные финансовые услуги, клиентскую работу и принятие решений. Все это звучит очень по-корпоративному, да. Но в данном случае за формулировками стоит вполне конкретная инженерная трансформация.

Если смотреть шире, кейс Mizuho хорошо показывает, куда движется enterprise AI. Побеждать будут не те, кто просто подключил большую языковую модель, а те, кто выстроил масштабируемую архитектуру, управление рисками, соответствие требованиям и понятный производственный цикл для агентных систем. Остальное — шум. Ну, почти.

Mizuho выпускает платформу Wiz Base на базе генеративного AI для поддержки продаж

Mizuho Financial Group представила платформу Wiz Base на базе генеративного AI и намерена ускорить переход от PoC к полномасштабному внедрению AI в задачах поддержки продаж. Платформа построена на Amazon Web Services и служит основой для дальнейшего развития AI-агентов.

Japan FinTech ObserverNorbert Gehrke