GenAI переписывает правила игры в банковской сфере

Опираясь на исследования McKinsey и примеры российских банков, покажу как GenAI меняет банковский сектор — от улучшения внутренних процессов до полной перестройки взаимодействия банка с клиентами. И меняются роли сотрудников, которые теперь работают в новых условиях.

Особое внимание мы уделим тому, как меняется риск-менеджмент и комплаенс. Именно здесь возможности GenAI раскрываются во всей полноте, позволяя перейти от постоянного реагирования к планированию и прогнозированию.

Риск-менеджмент традиционно ассоциируется с отчетами, бесконечным контролем и строгим следованием процедурам. Но времена меняются, и сейчас эта сфера стоит на пороге серьезных перемен. Как отмечают эксперты McKinsey, «генеративный ИИ способен полностью изменить подходы к управлению рисками в банковской сфере в ближайшие три-пять лет».

Что же меняется? Мы движемся от устранения проблем по мере их появления к стратегии, которая позволяет стремиться к их предотвращению. GenAI помогает риск-отделам освободиться от рутины и действительно стать стратегическими партнерами бизнеса — участвовать в создании продуктов еще на этапе разработки и минимизировать риски сразу, а не бороться с их последствиями.

И как это выглядит на практике? McKinsey выделяет три основных сценария применения генеративного ИИ в управлении рисками:

Банки в России уже вовсю превращают теорию в практику. Собрала несколько ярких кейсов, которые показывают, что российские финансисты не просто догоняют тренды, а часто и сами задают тон.

Здесь к вопросу подошли системно. В 2025 году китайское деловое издание The Economic Observer признало Альфа-Банк лучшим в номинации «Технологический лидер мирового уровня» именно за использование ИИ. И это не просто красивые слова. Банк создал целую экосистему AI-решений, которая пронизывает все: от бэк-офиса до общения с клиентом.

Но это, как говорится, только вершина айсберга. В августе 2025 года Альфа-Банк провел масштабный внутренний хакатон по промпт-инженерии — первый подобный в России. Цель была амбициозная: научить сотрудников говорить с нейросетями на одном языке и интегрировать GenAI в ежедневные рабочие процессы. По сути, они готовят кадры для будущего, где умение работать с ИИ — такой же базовый навык, как работа с Excel.

Особого внимания заслуживает их внутренняя платформа AlfaGen для экспериментов с различными большими языковыми моделями (LLM). Банк тестирует как внешние решения, например, через API Яндекса, так и Open Source модели, включая китайскую «рассуждающую» модель DeepSeek R-1. Подход очень прагматичный: некритичные задачи решают вовне, а вот с чувствительными данными работают только на собственных, защищенных мощностях.

А вот кейс ВТБ — это отличный пример того, как генеративный ИИ решает головную боль сотрудников «на земле». Их интеллектуальный помощник, построенный на технологиях RAG и LLM, стал настоящей палочкой-выручалочкой для операционистов в отделениях.

Пилотный проект, в котором участвовали 3000 сотрудников, показал просто фантастические результаты. Только вдумайтесь: время на поиск нужной информации или инструкции сократилось в 9 раз!. Сотрудники получают точные данные практически мгновенно, вместо того чтобы вручную копаться в десятках разрозненных систем. При этом точность ответов чат-бота достигает 90%, что сводит к минимуму риск человеческой ошибки.

Но в ВТБ смотрят дальше простой автоматизации. Как подчеркивают в самом банке, это не просто замена рутины, а «полноценный инструмент для персонализации», который помогает сделать общение с клиентами по-настоящему личным. А дальше — больше: гиперперсонализация. Система будет учитывать все детали: возраст, профессиональный опыт и уже открытые продукты клиента, чтобы предлагать не просто стандартный набор, а действительно точные и полезные решения.

Но если мы говорим о масштабах, то здесь, конечно, впереди планеты всей Сбер. Цифры просто поражают воображение. Только за первое полугодие 2025 года экономический эффект от внедрения GenAI составил почти 30 млрд рублей!

Что за этой цифрой стоит? Целая система из 17 ИИ-агентов для корпоративных клиентов на базе своей модели GigaChat. Эти агенты покрывают все ключевые продукты: от расчетов и платежей до эквайринга и зарплатных проектов.

Александр Ведяхин, первый заместитель председателя правления Сбера, называет это «фундаментальным сдвигом в клиентском сервисе». Уже сейчас доля использования ИИ-подсказок по отдельным продуктам превышает 50%, а производительность операторов контакт-центра выросла на 10%.

Уралсиб пошел не самым очевидным, но очень интересным путем, сделав ставку на открытые языковые модели. Как объясняют в самом банке, «вместо многомиллиардных инвестиций в конкурентоспособные аналоги ChatGPT, мы используем готовые open-source решения». Подход очень рациональный: закупается необходимая инфраструктура, а на базе готовых моделей создаются собственные продукты.

И это приносит плоды: около 20% их воронки инновационных идей уже включают в себя генеративные языковые модели. Банк активно применяет технологию для улучшения клиентского опыта, в HR и для консультирования сотрудников.

ПСБ запустил полноценный чат-банк прямо в VK Мессенджере с виртуальным ассистентом по имени «Катюша». Клиенты могут не только получать консультации и совершать платежи, но и обращаться к встроенной GPT-модели по самым разным небанковским вопросам — от советов по бизнесу до маркетинговых идей. Неудивительно, что проект получил награду «Лучшее применение технологий искусственного интеллекта».

Т-Банк (который мы все помним как Тинькофф) выбрал путь технологического хедлайнера. Они не просто внедряют готовые решения, а играют вдолгую, делая серьезную ставку на фундаментальную науку через свое подразделение T-Bank AI Research. Это настоящий R&D-хаб, где «под капотом» кипит работа над всем спектром AI-технологий: от понимания человеческого языка (NLP) и компьютерного зрения до обучения с подкреплением и разработки сложных рекомендательных систем, которые предугадывают желания клиента.

И что особенно ценно, они не варятся в собственном соку. Банк регулярно делится своими научными открытиями на ведущих мировых конференциях и проводит собственную ежегодную AI-конференцию Turbo ML Conf, создавая вокруг себя комьюнити лучших специалистов отрасли.

Какой вывод можно сделать из этих историй? Мы видим, что для лидеров российского рынка GenAI — это уже не игрушка и не статья в плане на будущее. Это работающий инструмент, который решает конкретные бизнес-задачи здесь и сейчас. Палитра применений действительно поражает воображение: от подготовки нового поколения банкиров и тонкой настройки логистики до создания сверхперсонализированного сервиса и прорывных научных исследований. Это тот самый случай, когда технология перестает быть просто технологией и становится реальным драйвером бизнеса.

Внедряя ИИ, важно не терять голову. Как справедливо предупреждают в McKinsey, «всем руководителям необходимо осознавать новые риски, связанные с этой новой технологией». Речь идет о предвзятости моделей, проблемах с конфиденциальностью данных, галлюцинациях ИИ, когда он выдает неверную информацию, и новых векторах кибератак.

Поэтому стратегия внедрения — это не только про «быстрее, выше, сильнее». Это про создание надежной системы управления. McKinsey дает дельный совет: «Учитывая дефицит талантов для масштабирования возможностей GenAI, организациям следует начинать с трех-пяти высокоприоритетных кейсов, которые соответствуют их стратегическим целям».

Начать с пилотов, оценить эффект, выстроить процессы контроля и только потом масштабировать. Путь к эффективному использованию GenAI — это марафон, а не спринт. И он требует не только технологических, но и культурных изменений, где каждый, от разработчика до риск-менеджера, понимает и возможности, и ограничения новой технологии.