Волчкова Анфиса Викторовна
Карпова Дарья Ивановна,
2 курс, Колледж
Среднерусский институт управления – филиал РАНХиГС
Научный руководитель: Харламова Елена Николаевна
«ИИ в банковской сфере»
Аннотация: В статье рассматриваются направления и результаты внедрения технологий искусственного интеллекта в деятельность российских коммерческих банков. На основе анализа открытых источников и отзывов клиентов исследуются кейсы Альфа-Банка (AI-агент, VOC-платформа), Сбера (гиперперсонализация, HR-платформа «Пульс»), ВТБ (мобильный ИИ-сканер) и Т-Банка (проект «Кибершквал»). Особое внимание уделяется конкурентным стратегиям банков-лидеров, а также противоречиям в восприятии персонализации клиентами. Делается вывод о переходе ИИ из статуса инструмента оптимизации в статус ключевого фактора дифференциации на банковском рынке.
Ключевые слова: искусственный интеллект, банковский сектор, персонализация, клиентский сервис, конкурентные стратегии, AI-агент, гиперперсонализация, кибербезопасность, Сбербанк, Альфа-Банк, ВТБ, Т-Банк.
Процесс цифровизации на современном этапе развития уже охватил множество субъектов хозяйствования и цифровые продукты стали возникать в разных сферах. Однако, несмотря на достигнутые положительные тенденции в становлении цифровой экономики в нашей стране, цифровизация первостепенно охватила банковскую отрасль и продолжает здесь развиваться наиболее высокими темпами. Данное обстоятельство обусловлено тем, что банковская сфера наиболее восприимчива и адаптивна к изменениям внешней среды. [12]
Ведущие коммерческие банки активно развивают и внедряют искусственный интеллект свою деятельность. На сегодняшний день технологии ИИ применяются для улучшения клиентского сервиса обработки и анализа массивов данных о банковских транзакций а также для оптимизации финансовой отчетности и других аспектов работы организации.
В банковской среде постоянно появляются новые цифровые продукты и услуги, которые позволяют привлечь новых клиентов, повысить скорость обслуживания, использовать индивидуальный подход к каждому банковскому клиенту, В результате увеличиваются доходы не только коммерческих банков. но и их клиентов. [12]
Одним из наиболее прорывных технологических трендов последних лет стало стремительное развитие и внедрение генеративного ИИ «GenAI», включая большие языковые модели «LLM». Согласно прогнозам аналитиков «Bloomberg Intelligence», мировой рынок решений на базе генеративного ИИ ожидает экспоненциальный рост: с 67 млрд долл. США в 2023 г. до впечатляющих 897 млрд долл. к 2030 г. [5]. Эта технология находит все более широкое применение для генерации разнообразного контента, оптимизации взаимодействия с пользователями через интеллектуальные чат-боты и виртуальных ассистентов. Также она способствует улучшению клиентского опыта за счет создания более естественных и интуитивно понятных интерфейсов [11].
Ключевым примером эволюции клиентского сервиса является внедрение Альфа-Банком генеративного AI-агента. Данная технология преодолевает ограничения чат-ботов, способна вести контекстный диалог, решать сложные запросы и обеспечивать круглосуточную поддержку. Анализ отзывов на платформе Banki.ru позволяет выявить ключевые параметры оценки сервиса пользователям. Клиенты позитивно отмечают эффективность и удобство в решении стандартных задач: «меня встретил удобный интерфейс и ai — ассистент благодаря ему у меня получилось оставить обращение в банке и буквально за пару дней мой вопрос был решён.» [4]. А также качество взаимодействия, приближенное к человеческому: детальные, вежливые ответы и способность задавать уточняющие вопросы [3].
Эффективность агента усиливается за счет его интеграции с платформой Voice of the Customer. Данная система автоматически классифицирует все отзывы клиентов (включая транскрипты диалогов с агентом) с точностью до 87%, выявляя корневые проблемы [2]. Таким образом, агент выступает не только инструментом обслуживания, но и источником ценных данных, преобразуя реактивный сервис в проактивную систему управления клиентским опытом. Помимо непосредственного общения, ИИ меняет конкурентные правила игры, позволяя банкам предугадывать потребности клиентов.
В контексте работы с клиентами фронт-офис — совокупность подразделений и каналов, которые непосредственно взаимодействуют с клиентами – отделения, контакт-центры, цифровые платформы, служит основным инструментом для взаимодействия через цифровые каналы, которые используют алгоритмы искусственного интеллекта для анализа данных о потребительском поведении клиентов и их поведенческих моделей.
В условиях высокой конкуренции ключевым фактором удержания клиента становится персонализация услуг, основанная на глубоком анализе его поведения и потребностей с помощью ИИ [11]. Исследование CX Digital & Distant Index показывает, что большинство банков продолжают предлагать одинаковые массовые продукты: стандартный кешбэк, типовые условия тарифов, бонусы при соблюдении общих требований. Лишь небольшая группа лидеров строит по-настоящему индивидуальные программы, предлагает персональные тарифы и выгодные условия на основе поведения клиента [6]. Этот разрыв формирует «окно возможностей» для банков, делающих ставку на гиперперсонализацию
Это эволюция от простого анализа данных к интеллектуальному ассистенту. Персонализированная система «Сбербанк» в режиме, близком к реальному времени, анализирует транзакции клиентов и их поведение в мобильном приложении, выявляя интерес к тем или иным продуктам и сервисам. Это позволяет банку учитывать текущие обстоятельства жизни клиента и подбирать предложения, максимально соответствующие его потребностям.
Примечательно, что технологии гиперперсонализации применяются Сбером не только во взаимодействии с внешними клиентами, но и внутри компании. В HR-платформе «Пульс» функционирует инструмент «Лента развития» на основе ИИ-модели, которая ежедневно подбирает сотруднику обучающие материалы из каталога объёмом более 20 000 единиц с учётом его должности, интересов, истории обучения и предпочтений [11]. Благодаря этому каждый сотрудник экономит около трёх часов в месяц на поиске релевантного контента, а скорость обучения возрастает на 10% [11].
Низкий уровень персонализации и работа с доверием клиентов остаются ключевыми «зонами роста» для большинства банков [6]. Для клиента такая гиперперсонализация, реализуемая, например в Сбере, минимизирует риск ухода к конкуренту в момент острой потребности, так как банк сам предлагает релевантный продукт.
Однако анализ отзывов на платформе Banki.ru выявляет асимметрию восприятия гиперперсонализации: клиенты значительно чаще фиксируют случаи, когда предлагаемые банком «индивидуальные» решения вступают в противоречие с их интересами. Характерным примером является ситуация, когда отказ клиента от увеличения кредитного лимита на невыгодных для него условиях (повышение ставки до 42% годовых) повлёк за собой снижение лимита с 400 000 до 10 000 руб. с формулировкой «банк ошибочно выдал вам кредитную карту с несоразмерно большим лимитом». Другие распространённые практики включают навязывание платных подписок под видом персональных предложений с последующим нарушением условий автопродления и агрессивные продажи в отделениях, ориентированные на выполнение KPI, а не на потребности клиента.
Важнейшим эффектом внедрения ИИ является глубокая автоматизация внутренних бэк-офисных процессов, что напрямую снижает операционные издержки и повышает скорость обслуживания [9, 11].
Ярким примером служит HR-платформа «Пульс», разработанная Сбербанком. По данным банка, система позволяет автоматизировать 30 из 40 HR-процессов с помощью искусственного интеллекта [10]. В частности, ИИ распознаёт более 80% копий личных документов сотрудников (около 120 000 документов в год), перенося данные в кадровую систему. Экономия рабочего времени оценивается более чем в 12 000 часов ежегодно, что эквивалентно 1 500 рабочим дням [11]. 98,3% сотрудников используют электронную цифровую подпись для заказа справок, оформления отпуска и других операций, причём более 65% кадровых операций проходят без участия специалиста, в полностью автоматическом режиме [10]. Платформа также оптимизирует найм: анкеты соискателей поступают на 30% быстрее, а принятие оффера ускоряется на 10% [10]. Совокупный экономический эффект от внедрения «Пульса» для компании со штатом около 3 000 сотрудников может достигать 41 млн рублей [11]. Также у Сбербанка имеется интеллектуальная система управления бизнес-процессами (iBPMS) — автоматически распределяет задачи между сотрудниками и роботизированными системами, учитывая временные затраты, квалификацию исполнителей и приоритетность задач. Это позволило сократить время обработки типовых операций на 65% при одновременном снижении операционных затрат.
Другим примером является внедрение ВТБ совместно с ИТ-холдингом Т1 мобильного ИИ-сканера для распознавания документов. Решение функционирует полностью автономно на смартфонах и планшетах сотрудников, в том числе без доступа к интернету, и позволяет извлекать данные из паспорта, СНИЛС, свидетельства о рождении за несколько секунд [12]. Технология уже применяется при выездном обслуживании; ежемесячно с её помощью планируется оформлять около 500 тыс. банковских продуктов [13]. Как отмечает старший вице-президент ВТБ Максим Коновалихин, «технологии искусственного интеллекта делают получение банковских услуг всё более быстрым и комфортным для клиентов» [12].
Управление рисками, скоринг и безопасность – одно из самых важных направлений, где ИИ показывает высокую эффективность.
В сфере риск-менеджмента ИИ трансформирует традиционные подходы, например, к кредитному скорингу. Алгоритмы машинного обучения позволяют анализировать не только стандартные финансовые показатели, но и большие массивы альтернативных данных, выявляя сложные, неочевидные зависимости для оценки надёжности заёмщика [9]. Это открывает возможность для скоринга клиентов с недостаточной кредитной историей и позволяет автоматизировать до 90% решений, повышая как скорость, так и точность оценки рисков
По итогу у банков есть возможность зайти на рискованные, но прибыльные нишевые рынки. Использование альтернативных данных и автоматизация 90% решений не только снижают кредитные потери, но и расширяют рынок сбыта. Банк может с приемлемым риском кредитовать клиентов с нетривиальной кредитной историей, захватывая ниши, недоступные конкурентам с традиционными скоринговыми системами. Банк, который внедряет такие решения быстрее, получает временное преимущество в себестоимости и скорости. Единой для всех банков системы оценки кредитоспособности не существует. Например скоринг-модель МТС Банка самообучаема и анализирует в диапазоне 150 переменных. Банк использует все возможности по ее обогащению, которые являются доступными. Такой скоринг позволяет контролировать качество кредитного портфеля в условиях значительного повышения интенсивности выдачи кредитов. Анализ накопленных данных позволяет строить и обучать сложные математические модели, которые выявлять гораздо более глубокие связи и закономерности, которые невозможно заметить «вручную» [16].
Важным направлением применения ИИ в риск-менеджменте становится проактивная борьба с финансовым мошенничеством. Примером служит проект «Кибершквал», запущенный Т-Банком в 2024 г. для нейтрализации лжеброкеров и финансовых пирамид [14; 15; ].
Технология основана на ML-модели, обученной на 20 тысячах сайтов с признаками мошенничества и определяющей такие ресурсы с точностью 90% [15; 16]. ИИ-сканер автоматически оставляет на выявленных сайтах сотни заявок на обратный звонок, перенаправляя звонки злоумышленников на человекоподобных роботов. В сутки боты «Кибершквала» принимают 1500–2000 мошеннических звонков, удерживая линию в среднем 3–5 минут и лишая преступников времени на общение с реальными жертвами [14; 15].
По словам руководителя Центра экосистемной защиты Т-Банка Олега Замиралова, еженедельно банк выявляет до 50 новых сайтов финансовых пирамид, а потери россиян от псевдоинвестиций исчисляются миллиардами рублей [5; 6]. В ответ на это банк реализует стратегию «роботов-диверсантов», внедряясь в инфраструктуру мошенников и используя полученные записи разговоров для дообучения собственных антифрод-систем, например нейрощит или антиспам [15].
Таким образом, в области риск-менеджмента конкурентное преимущество получают банки, способные быстрее других внедрить ИИ для освоения новых, более рискованных сегментов рынка, недоступных традиционным игрокам
Зависимость от технологий ИИ усиливает вероятность кибератак, которые являются одной из главных проблем финансовой сферы. Речь идет о расширяющихся возможностях злоумышленников по формированию правдоподобных фишинговых писем, созданию вредоносного ПО и его использованию для кражи информации или шифрования файлов организаций с целью получения выкупа. Однако не смотря на имеющиеся риски, в 2024 году около 70% всех финансовых компаний использовали искусственный интеллект для выявления уязвимых мест в системе безопасности платежных систем, улучшения прогнозирования денежных потоков и управления ликвидностью.
Проведённый анализ конкретных примеров внедрения искусственного интеллекта в деятельность российских банков позволяет сделать следующие обобщения.
В сфере клиентского сервиса лидером выступает Альфа-Банк, чей генеративный AI-агент, интегрированный с VOC-платформой, обеспечивает круглосуточную поддержку и классифицирует отзывы с точностью 87%, выявляя корневые проблемы. Отзывы клиентов подтверждают высокую оценку удобства и скорости решения стандартных задач (например, вопрос по реферальному вознаграждению решён за пару дней). Однако анализ также показывает асимметрию восприятия: в ряде случаев персонализированные предложения воспринимаются как навязывание (снижение лимита с 400 тыс. до 10 тыс. руб. после отказа от услуги, принудительные подписки), что требует от банков более тонкой настройки алгоритмов.
В области гиперперсонализации Сбербанк демонстрирует возможность предугадывания потребностей на основе анализа более 2000 параметров, что смещает конкуренцию в сторону релевантности предложений. Внутреннее применение ИИ в HR-платформе «Пульс» даёт измеримые результаты: автоматизация 30 из 40 HR-процессов, распознавание более 80% документов (экономия 12 000 часов в год), ускорение найма на 30% и экономический эффект до 41 млн руб. на компанию с 3000 сотрудников. Это подтверждает, что ИИ становится инструментом не только внешнего, но и внутреннего конкурентного преимущества.
В управлении рисками Т-Банк с проектом «Кибершквал» демонстрирует проактивный подход: ML-модель, обученная на 20 тыс. мошеннических сайтов с точностью 90%, позволяет ботам принимать до 2000 звонков в сутки, отвлекая злоумышленников. Одновременно использование альтернативных данных в скоринге позволяет автоматизировать до 90% решений и выходить на сегменты заёмщиков с недостаточной кредитной историей.
Операционная эффективность повышается за счёт автоматизации бэк-офиса: ИИ-сканер ВТБ, работающий автономно на мобильных устройствах, сокращает время ввода данных до нескольких секунд и планируется к использованию для 500 тыс. операций ежемесячно.
Вместе с тем выявлены системные риски: зависимость от однотипных алгоритмов может усиливать «эффект стадности» и волатильность рынка. Это требует дальнейшего мониторинга и, возможно, регуляторного вмешательства.
Таким образом, конкретные результаты внедрения ИИ в российских банках демонстрируют переход технологии из разряда экспериментальных в разряд ключевых факторов конкурентоспособности, однако успех определяется не только наличием алгоритмов, но и способностью банков учитывать противоречия клиентского восприятия и управлять новыми видами рисков.
Литература
1. Искусственный интеллект в банках [Электронный ресурс] // TAdviser. – 2026. – URL: https://www.tadviser.ru/index.php/Статья:Искусственный_интеллект_в_банках#.*_2026:_Какие_угрозы_несет_ИИ_финансовому_сектору_в_России (дата обращения: 12.02.2026).
2. Как искусственный интеллект работает с отзывами клиентов Альфа-Банка [Электронный ресурс] // Forbes. – 2023. – URL: https://www.forbes.ru/brandvoice/501261-kak-iskusstvennyj-intellekt-rabotaet-s-otzyvami-klientov-al-fa-banka (дата обращения: 12.02.2026).
3. Отзыв о работе AI-агента [Электронный ресурс] // Банки.ру. – 2025. – 25 нояб. – URL: https://www.banki.ru/services/responses/bank/response/12881471/ (дата обращения: 12.02.2026).
4. Отзыв о работе AI-ассистента [Электронный ресурс] // Банки.ру. – 2025. – 28 янв. – URL: https://www.banki.ru/services/responses/bank/response/12752280/ (дата обращения: 12.02.2026).
5. Агарков Г.В. Искусственный интеллект в банковском секторе: возможности и перспективы // Вестник Алтайской академии экономики и права. – 2024. – № 3. – С. 12-18. – URL: https://vaael.ru/ru/article/view?id=4295 (дата обращения: 12.02.2026).
6. Исследование банков: кризис персонализации — поиск баланса ИИ и человека [Электронный ресурс] // РБК. – 2025. – URL: https://companies.rbc.ru/news/BNK3ryIVG2/issledovanie-bankov-krizis-personalizatsii-poisk-balansa-ii-i-cheloveka/ (дата обращения: 12.02.2026).
7. Щербина А.В., Чернова М.А. Влияние применения искусственного интеллекта на качество обслуживания клиентов в банковском секторе // Экономика и бизнес: теория и практика. – 2024. – № 2. – С. 45-51. – URL: https://cyberleninka.ru/article/n/vliyanie-primeneniya-iskusstvennogo-intellekta-na-kachestvo-obsluzhivaniya-klientov-v-bankovskom-sektore (дата обращения: 12.02.2026).
8. Цифровизация банковской отрасли: основные направления трансформации и современные тренды [Электронный ресурс] // CyberLeninka. – 2024. – URL: https://cyberleninka.ru/article/n/tsifrovizatsiya-bankovskoy-otrasli-osnovnye-napravleniya-transformatsii-i-sovremennye-trendy (дата обращения: 12.02.2026).
9. Искусственный интеллект в финансовой сфере [Электронный ресурс] // CyberLeninka. – 2024. – URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-finansovoy-sfere (дата обращения: 12.02.2026).
10. HR-платформа «Пульс» [Электронный ресурс] // Сбер. – 2024. – URL: https://rabota.sber.ru/media/hr-platforma-sbera/ (дата обращения: 12.02.2026).
11. Все говорят: мы автоматизируем HR-процессы. Но что это значит на деле? [Электронный ресурс] // VC.ru. – 2024. – URL: https://vc.ru/services/932308 (дата обращения: 12.02.2026).
12. ИИ в кармане: как новый сканер ВТБ ускоряет банковские услуги [Электронный ресурс] // Комсомольская правда. – 2025. – URL: https://www.kp.ru/online/news/6711311/ (дата обращения: 12.02.2026).
15. Т-Банк запустил проект «Кибершквал» для нейтрализации лжеброкеров и финансовых пирамид [Электронный ресурс] // Т‑Банк. – 2024. – URL: https://www.tbank.ru/about/financial-news/17102024-t-bank-launched-the-cybershkval-project-to-neutralize-fake-brokers-and-financial-pyramids/ (дата обращения: 12.02.2026).
