Boom metrics
НовостиЭкономика30 октября 2026 13:04

Сердце банка пока не отдадут искусственному интеллекту

Но уже доверяют общение с клиентами

Управление ключевой IT-инфраструктурой финансовой организации пока не стоит передавать искусственному интеллекту. Такое мнение высказал Сергей Путятинский, советник первого заместителя президента-председателя правления ВТБ, на международном форуме Kazan Digital Week.

ДНИ СОКРАТИЛИ ДО СЕКУНД

«Доверять искусственному интеллекту управление «сердцем» финансовой организации преждевременно, потому что уровень требований и надёжности в этой части сравним с требованиями к самым высоконадёжным инфраструктурным организациям и системам. По крайней мере, для нас, с учётом того объёма клиентов и клиентских операций, которые у нас есть. Поэтому доверить управление IT инфраструктурой, именно самостоятельное управление ИИ агентам, мы пока не можем», — пояснил Сергей Путятинский.

Одна из главных причин — ответственность за возможные ошибки. По словам Путятинского, сейчас производители ИИ-алгоритмов не несут ответственности за то, что, применяя их, кто-то совершил ошибку. В этом плане ответственность лежит на людях и на организациях, которые эксплуатируют ту или иную технологию, в том числе искусственный интеллект. «И мы, финансовые компании, это очень остро осознаём. Мы не можем эту ответственность делегировать. То есть за неправильно принятые решения, за совершённые действия в отношении финансов отвечает финансовая организация», — рассказал он. Поэтому к использованию ИИ в областях, влияющих на стабильность, финансовые решения и деньги клиентов, нужно подходить очень аккуратно и консервативно.

В то же время искусственный интеллект уже хорошо справляется с массовыми операционными процессами, например, с общением с клиентами. «Если мы говорим о процессах обслуживания клиентов в онлайне, то на сотрудника банка, который должен помочь клиенту совершить операцию, сваливается очень большой объём информации, которую он должен быстро проанализировать, потому что клиент в это время ждет ответ на линии или в чате. И с анализом большого объёма информации, с суммаризацией клиентских обращений, языковые модели справляются хорошо — гораздо быстрее и лучше, чем человек», — отметил Путятинский.

Такой подход позволяет банку получить максимальную эффективность от технологии, но при этом исключить критические риски. В первую очередь результат виден в ускорении процессов. «Так, если раньше клиентский менеджер самостоятельно искал информацию и агрегировал её в итоговый ответ в течение определённого времени, то теперь ИИ делает это всего за семь секунд. Ещё один пример — использование ИИ в кредитном процессе: ранее оценка объекта недвижимости могла достигать трёх дней, сейчас — менее 30 секунд», — привёл цифры эксперт.

ПЕРСОНАЛИЗАЦИЯ БЕЗ НАВЯЗЧИВОСТИ

Параллельно банк внедряет систему моделей на основе машинного обучения для настройки персонализированного взаимодействия с клиентами-физлицами. Аналитические алгоритмы помогают точнее определять наиболее удобные каналы, сценарии, время и частоту контактов для каждого клиента банка.

Модель анализирует историю взаимодействия конкретного клиента с банком: на какие сообщения он откликался, в какое время открывает приложение, пользуется ли отделением или только онлайн-банком. Если человек стабильно читает push-уведомления утром и ни разу не ответил на звонок, то CRM-система получит рекомендацию: направлять push-уведомления в утренние часы, а не совершать звонок в середине дня.

В CRM-системе ВТБ уже внедрен функционал, который помогает подобрать наиболее удобный для клиента канал коммуникации — SMS, push-уведомление, звонок или email — с учетом конкретной ситуации. До конца года банк планирует расширить персонализацию за счет новых ML-решений: определения наиболее комфортных дней и времени для связи, выбора приоритетных каналов на основе предпочтений и истории активности клиента, а также подбора оптимальной частоты контактов, чтобы клиент своевременно получал важную информацию без лишних уведомлений.

При разработке этих моделей использовались современные подходы к анализу данных, включая элементы обработки естественного языка. В рамках проекта было проанализировано более 30 тыс. различных признаков и поведенческих характеристик.

«Мы уходим от стандартных массовых рассылок в пользу персонализированного и аккуратного подхода к каждому контакту. Наша задача — учитывать предпочтения по каналам коммуникации и времени взаимодействия. Это позволяет снизить навязчивость коммуникаций и максимально адаптировать сервис банка под задачи клиента», — пояснил Сергей Путятинский.