Российские банки активно внедряют искусственный интеллект (ИИ), трансформируя ключевые процессы — от обеспечения добросовестных продаж до организации труда сотрудников и создания сложных IT-инфраструктур. Опыт ведущих финансовых институтов демонстрирует многогранность применения этой технологии.

Борьба с мисселингом: ИИ как гарант прозрачности

Одной из самых острых проблем в финансовой сфере остается мисселинг — некорректные продажи продуктов, когда критичные условия скрыты от клиента.

Мисселинг — это недобросовестная практика продаж финансовых продуктов и услуг, при которой клиенту умышленно или по незнанию предоставляется неполная, искаженная или вводящая в заблуждение информация о ключевых условиях договора: реальной процентной ставке, скрытых комиссиях, рисках и ограничениях. Это приводит к тому, что клиент приобретает продукт, не соответствующий его реальным потребностям и ожиданиям, что является формой финансового обмана.

Как отметил первый заместитель председателя правления Совкомбанка Сергей Хотимский, мисселинг возникает либо через «финансовую инженерию» (сокрытие условий в многостраничной документации), либо на „последней миле“ общения с продавцом.

Решение этой проблемы банк видит во внедрении ИИ-помощников. Алгоритмы, в отличие от человека, невозможно запутать: они способны проанализировать весь массив документов, извлечь ключевые условия даже с 18-й страницы и рассчитать структуру сложных инструментов, таких как структурные ноты. Это позволяет радикально снизить число некорректных продаж.

Совкомбанк уже проводит совместные эксперименты с Банком России, и пилотный проект, по словам Хотимского, призван поддержать добросовестных участников рынка без введения жестких ограничений.

Трансформация труда: ИИ и платформенные решения для удаленной поддержки

Другое направление трансформации — организация работы сотрудников. Пример Альфа-Банка показывает, как внедрение технологий позволяет переводить целые команды на удаленный формат. Более 70% сотрудников контактного центра банка — а это свыше 4000 человек — работают из дома.

Ключевую роль здесь сыграли платформенные решения и ИИ, которые обеспечили дистанционный онбординг, обучение и управление. Обучение проходит на универсальной платформе банка, которая включает более 160 траекторий развития и тысячи единиц образовательного контента — от видеороликов до симуляторов и курсов по AI-грамотности. Такой подход позволяет формировать персональные программы обучения и поддерживать высокую квалификацию сотрудников, независимо от их местоположения.

Это дает сотрудникам беспрецедентную гибкость (смены от одного часа) и открывает возможности для студентов, молодых мам и людей с ограниченными возможностями. Проект не только решает кадровые вопросы, но и формирует масштабный кадровый резерв для банка.

Технологический фундамент: путь к зрелости AI-агентов

Однако за внешними сервисами и решениями стоит сложная архитектура данных. Как подчеркнул старший вице-президент, руководитель блока «Технологии» Сбербанка Кирилл Меньшов, для эффективной работы AI-систем необходим надежный доступ к операционным данным и корпоративным знаниям.

Сбербанк решает эту задачу с помощью собственных Data API двух видов: детерминированных (для информации с известным местом нахождения) и недетерминированных (когда системе требуется «навигация» для поиска данных). Меньшов отметил, что вся индустрия находится лишь в начале пути создания AI-агентов.

Мы сейчас все являемся джунами в создании агентов, и нам всем придётся повзрослеть на этом пути, — заявил он, проводя аналогию с обучением программированию.

Это путь, который требует времени и от которого зависит будущее развитие интеллектуальных систем в банках.

Опыт ведущих банков демонстрирует, что искусственный интеллект перестал быть экспериментальной технологией и становится рабочим инструментом, решающим конкретные бизнес-задачи. Он повышает прозрачность и безопасность для клиентов, создает новые, гибкие форматы занятости и требует от банков построения сложной технологической инфраструктуры. Успех в этой области определяется не только мощностью алгоритмов, но и зрелостью подходов к их интеграции в бизнес-процессы.