Инвестиции финансового сектора России в искусственный интеллект
в 2024 году достигли 56,8 млрд рублей. Это абсолютный рекорд для отечественного рынка технологий. Финансовые организации уже несколько лет внедряют решения на базе ИИ. Но где реальная польза, и как уже сейчас используются технологии? Подробнее на эту тему специально для Национального банковского журнала (NBJ) размышляет вице-президент по операционной деятельности и IT ФГ БКС Сергей ПУТЯТИНСКИЙ.

Ожидания против реальности

Генеральный директор IT-холдинга Т1 Дмитрий Харитонов на «Финополис-2025» сообщил, что банки и страховые компании уже несколько лет подряд удерживают лидерство по доле расходов на ИИ среди всех отраслей экономики. Исследование охватило почти 13 тысяч компаний: от крупных банков до небанковских финорганизаций.

В 2025 году более половины российских банков активно внедряют решения на базе искусственного интеллекта. Рынок больших языковых моделей (LLM) оценивается уже примерно в 35 млрд рублей. Конкуренция в данном секторе остаётся одной из самых высоких в мире, потому что свыше 300 лицензированных кредитных организаций борются за внимание клиента. В этой гонке ИИ воспринимается как инструмент, который способен выделять компании на фоне остальных.

Ожидания были амбициозными. Многие предполагали, что в ближайшие годы каждый сотрудник и клиент получат собственного умного ассистента, решения будут приниматься быстрее и точнее, а роботизация и речевая аналитика обеспечат кратный рост производительности. От ИИ ждали и сокращения расходов на программирование, ведь автоматизация должна была снять часть нагрузки с разработчиков.

Но пока на практике всё выглядит скромнее. Многие проекты остаются на уровне внутренних презентаций и промоматериалов. Искусственный интеллект помогает с первичным анализом вопросов, интеллектуальным поиском и обработкой данных.

Умеет ли нейросеть генерировать программный код

Одно из самых обсуждаемых направлений применения искусственного интеллекта в финансах – автоматическое написание программного кода. Казалось, что именно здесь ИИ способен принести мгновенную выгоду: снизить нагрузку на разработчиков, ускорить релизы и сократить затраты на ИТ-команды.

Сегодня разработчики в среднем в день тратят 19–31% рабочего времени на чистое программирование и еще 13–19% – на код-ревью. От нейросетей ожидали, что они возьмут на себя часть задач и повысят эффективность команд примерно на 40%.

На практике всё происходит не так быстро с точки зрения оптимизации работы. Да, использование ИИ-инструментов действительно помогает ускорять отдельные этапы, но прирост продуктивности редко достигает ожидаемых процентов. Это сильно зависит от уровня подготовки команды, качества данных и того, насколько глубоко ИИ встроен в процессы.

Также задача здесь – не просто дать инструмент, а интегрировать его в экосистему разработки: изменить KPI, культуру команд и подход к контролю качества.

Как можно было бы улучшить клиентский сервис

Попытки перевести обслуживание клиентов в мессенджеры или чат-системы предпринимаются уже больше десяти лет, но технологическая база прежде не позволяла сделать процесс действительно удобным и «человечным». Сейчас, с развитием искусственного интеллекта, у финансовых организаций появился шанс создавать сервисы, которые будут адаптироваться под поведение клиента и работать с ним в естественном диалоге.

Количество данных, с которыми работают брокеры и банки, постоянно растёт: транзакции, история обращений, поведение в мобильных приложениях, отклики на маркетинговые предложения, данные из открытых источников. Обрабатывать и интерпретировать этот массив вручную сложно, здесь на первый план выходит ИИ. Он способен анализировать контекст клиента мгновенно и помогать сотруднику предлагать персональные решения.

Сейчас клиенты обслуживаются в офисах и чатах поддержки.

● В офисе клиент ждёт (да и привык к этому) живого взаимодействия. Тут ИИ может стать вторым оператором: подсказывать сотруднику сценарий разговора на основе анализа данных.

● В чатах поддержки пользователи хотят решить вопрос быстро и без разговоров с человеком. Здесь ИИ может стать самостоятельной заменой: вести диалог в интерфейсе выбора действий, ускоряя ответы и разгружая операторов.

Главный нюанс: сохранить высокое качество обслуживания. Искусственный интеллект пока не может заменить человеческую эмпатию и гибкость мышления. Задача сейчас – обучать модели, формулировать критерии оценки качества диалогов и контролировать результат. Эти попытки уже дают небольшие результаты. В одном из крупных банков голосовой робот помог сократить среднее время консультации клиентов на 40 секунд, что сэкономило более 30 млн рублей в месяц. В другом – ИИ автоматизировал проверку данных при открытии счёта, теперь процесс занимает всего 5 минут вместо прежних 20.

Как финансовым организациям работать с негативом клиентов

В большинстве таких компаний разбор клиентской претензии – процесс сложный и многоступенчатый.

Сначала поступает обращение от клиента, затем его разбирают сразу несколько подразделений: первая линия поддержки, отдел претензионной работы, согласующие службы, бэк-офис, продуктологи.

В некоторых случаях вопрос доходит до суда, и тогда подключаются руководители департаментов. На практике решение часто зависит от экономического расчёта: если потенциальные судебные расходы выше суммы урегулирования, организация удовлетворяет претензию. Но даже такой прагматичный подход не избавляет от больших временных и операционных затрат.

С помощью искусственного интеллекта этот процесс можно перестроить. На этапе разбора претензии можно подключать ИИ в качестве цифрового аналитика, который будет классифицировать документы, извлекать ключевые данные и оценивать вероятность обострения конфликта. Так, один из крупнейших банков США обработал 35 млн документов всего за две недели, снизив операционные расходы почти на 50% и повысив точность анализа.

До 80% операций в финансовом и страховом секторах – рутина с чёткими протоколами. Это идеальная среда для внедрения ИИ, которому можно делегировать обработку кредитных заявок, ведение клиентских аккаунтов, анализ страховых случаев и претензий. В таких сценариях ИИ-агент может собрать весь контекст по клиенту и подготовить предварительный разбор обращения, включая запрос дополнительной информации у внутренних подразделений.

Важно, что сами пользователи тоже постепенно становятся готовы к взаимодействию с ИИ. Согласно опросам:

● 54% россиян поддерживают частичное внедрение ИИ в банковские процессы;

● 24% относятся к ним с осторожностью;

● 63% готовы доверить часть своих финансов.

Статистика подтверждает, что технология уже принята обществом. Теперь ключевая задача финансовых организаций не просто во внедрении ИИ, а в выстраивании прозрачных и этичных моделей взаимодействия, где автоматизация повышает уровень доверия и качества сервиса.

Что дальше

В ближайшие два-три года искусственный интеллект окончательно перестанет быть инновацией и станет базовым инструментом внутри финансовых организаций – от бэк-офиса и претензионной работы до клиентского обслуживания. Уже сейчас видно, что ИИ способен взять на себя часть рутинных операций, снизить нагрузку на сотрудников и ускорить взаимодействие с клиентами.

Маркетинговый хайп и громкие заявления, безусловно, останутся. Но выиграют те, кто сделает ставку не на эффектные презентации, а на качество данных, зрелость внутренних процессов и культуру работы с технологиями. Именно это и станет основой реальной эффективности искусственного интеллекта в финансовом секторе.  

Материал также опубликован в печатной версии Национального банковского журнала (ноябрь 2025)