Искусственный интеллект в банках: от экспериментов к промышленной эксплуатации в 2026 году

88% банков используют ИИ, но стратегия есть только у 28%

Искусственный интеллект в банках стал массовым явлением. Исследование Группы компаний Б1 и НКР (март 2026) охватило банки, на которые приходится 80% суммарных активов российских кредитных учреждений. Результаты впечатляют: 88% респондентов применяют ИИ в бизнесе.

Парадокс в другом. Только 28% участников исследования имеют формализованную стратегию развития ИИ. Большинство внедряет технологии хаотично, без системного подхода. При этом 60% банков ставят во главу угла сокращение расходов, 47% — увеличение доходов, 44% — развитие нового бизнеса.

Главный ожидаемый эффект от ИИ в 2026 году — скорость и качество обработки данных, сокращение операционных расходов и снижение трудозатрат (66% опрошенных). Ещё 41% рассчитывают на повышение точности прогнозов, 34% — на снижение рисков.

Бюджеты растут. Более половины банков увеличивают финансирование ИИ-проектов: 35% показывают умеренный рост, 20% — значительный.

Что делать:

• Если у вас нет стратегии ИИ, начните не с выбора технологии, а с аудита процессов. Найдите три операции, где ИИ даст измеримый эффект за 3–6 месяцев.
• Назначьте владельца ИИ-трансформации на уровне не ниже зампреда. Без этого инициативы останутся локальными.

Речевая аналитика и GenAI: 100% диалогов под контролем

ОТП Банк внедрил платформу речевой аналитики Naumen с гибридной архитектурой: классические ML-модели обрабатывают массовые задачи, а LLM подключается там, где нужно глубокое понимание контекста и эмоций клиента.

Результаты за 2025–2026 годы:

• Автоматическая оценка охватывает 100% диалогов с клиентами. Корректность оценки по 7 из 8 критериев превышает 99%.
• Среднее время анализа одного диалога экспертом сократилось с 7 минут до 20 секунд — ускорение в 20 раз за счёт автоматической саммаризации.
• Доля вопросов, решённых с первого обращения, выросла на 1,7 процентного пункта.
• Среднее время обработки звонков (AHT) сократилось на 5 секунд. Конверсия в продажи выросла на 3,3 процентного пункта.
• Уровень удовлетворённости клиентов (CSI) вырос на 0,3 балла.
• Доля обращений в ЦБ РФ сократилась на 25% благодаря точному аудиту жалоб.
• Эффективность удержания клиентов в период охлаждения выросла на 30%.
• Точность начисления сорри-бонусов — с 85% до 97%.

Что делать:

• Гибридный подход (ML для массовки + LLM для сложных кейсов) даёт лучший результат, чем ставка на одну технологию.
• Начните с автоматической оценки диалогов и саммаризации. Это самые быстрые источники ROI.

AI в борьбе с мошенничеством: миллиарды экономии

Австралийский Commonwealth Bank инвестирует 1 млрд долларов ежегодно в защиту от мошенничества. Их новая разработка — агентный ИИ для фрод-детекции. Система мониторит более 80 млн сигналов в день: транзакции, карточные и онлайн-платежи, взаимодействие с цифровыми каналами.

Как это работает. При выявлении подозрительных паттернов система быстро оценивает их серьёзность, анализирует контекст и предлагает новые правила для перехвата. Агент работает круглосуточно и адаптируется к новым угрозам. Человек остаётся в цикле — новые правила утверждает команда фрод-аналитиков перед внедрением.

Результаты после внедрения:

• Убытки от мошенничества сократились более чем на 20% в первой половине 2026 года по сравнению с аналогичным периодом 2025-го.
• Агент помог разработать или обновить три четверти всех правил по карточному мошенничеству.
• Каждый день банк обрабатывает более 20 млн платежей и отправляет клиентам более 40 000 проактивных предупреждений через приложение.

Lloyds Banking Group пошёл по схожему пути. В 2025 году банк предотвратил более 1 млрд фунтов мошенничества и инвестировал 100 млн фунтов в новые технологии с 2023 года.

Их агентный ИИ работает в реальном времени во время звонков клиентов. Несколько агентов одновременно проверяют личность, анализируют транзакции и оценивают риск. Коллеги остаются ответственными за финальные решения и могут отменить рекомендации ИИ.

Новый инструмент Scam Check появится в платежных сценариях Lloyds, Halifax и Bank of Scotland. Если клиент пытается заплатить новому продавцу за онлайн-покупку, ИИ анализирует скриншоты товара. Машинное обучение ищет признаки мошенничества и выдаёт персонализированные предупреждения.

Что делать:

• Агентный ИИ эффективнее классических ML-моделей для фрода — он не только обнаруживает, но и предлагает контрмеры.
• Не убирайте человека из цикла принятия решений. Юридическая ответственность остаётся за банком.
• Начните с одного канала (например, карточные транзакции) и масштабируйте.

Generative AI в операционных процессах: от чат-ботов к ИИ-агентам

BNP Paribas продлил партнёрство с Mistral AI на три года. Сотрудничество началось в 2023 году, а в 2024-м перешло на групповое соглашение. Новый этап включает не только доступ к LLM, но и ПО, AI-решения и совместные исследовательские проекты.

Банк уже интегрировал GenAI в Hello bank! — виртуальный ассистент улучшил обработку и маршрутизацию запросов. В 2026 году BNP Paribas запускает внутреннего AI-ассистента для генерации документов, перевода, саммаризации и анализа информации.

Особое внимание — KYC-комплаенсу. Mistral AI и BNP Paribas разрабатывают решения для чувствительных процессов, где безопасность данных и регуляторные требования критичны. Система автоматизирует низкоценные задачи, оставляя человеку контроль над рисками и принятием решений.

CaixaBank расширил AI-агента на все 40 продуктов, доступных для цифрового оформления. Агент стал первой точкой контакта для клиентов, которые начинают диалог через сайт или приложение.

Агент отвечает на вопросы, даёт контекстную информацию и проводит клиента до предпоследнего шага оформления продукта. Финальную верификацию всегда делает специалист банка. Клиент в любой момент может переключиться с AI-агента на человека.

Банк запустил AI-агента в феврале 2026 года для предодобренных кредитов. Теперь поэтапно подключает все продукты. В месяц агент обрабатывает около 6000 диалогов.

Что делать:

• Не пытайтесь заменить человека полностью. Гибридная модель (AI ведёт до финала, человек завершает) даёт лучший клиентский опыт.
• Начните с одного продукта, отладьте сценарий, потом масштабируйте на портфель.
• Внутренний AI-ассистент для сотрудников часто даёт быстрый ROI — помогает с документами, переводами, саммаризацией встреч.

Проблема доверия: клиенты не готовы делегировать ИИ сложные решения

Искусственный интеллект в банках сталкивается с серьёзным барьером — недоверием клиентов. Исследование Ассоциации ФинТех и НАФИ (январь 2026) на выборке 1680 респондентов показывает разрыв между экспертным видением и клиентским восприятием.

Цифры говорят сами за себя. Только 43% клиентов положительно относятся к распространению ИИ в банках. При этом 31% экспертов считают, что большинство клиентов, столкнувшихся с ИИ, остаются недовольны.

Уровень осведомлённости высок: лишь 23% ничего не знают об ИИ в банках, 18% хорошо знают тему, ещё 49% что-то слышали. Ядро осведомлённых — мужчины 25–34 лет с доходами выше среднего. Но эта осведомлённость не конвертируется в доверие. Напротив, она подкрепляется негативным опытом: некорректные скоринги, навязчивая реклама, примитивные чат-боты.

Главный вывод исследования: нет ни одной банковской процедуры, которую большинство клиентов готовы полностью доверить ИИ. Даже для простых операций:

• 59% клиентов предпочитают узнавать информацию о продуктах у сотрудника, 34% — через ИИ.
• 63% — проверять баланс самостоятельно, 33% — через ИИ.
• 62% — осваивать новые функции приложения с помощью человека, 31% — с помощью ИИ.

Апогей недоверия — оформление кредита. Только 12% клиентов допускают участие ИИ. 75% настаивают на самостоятельном оформлении или помощи сотрудника. Разрыв — шестикратный.

Что делать:

• Не пытайтесь форсировать замену человека ИИ в сложных продуктах. Начните с рутины, где автоматизация очевидна для клиента.
• Проектируйте гибридные сценарии: ИИ на заднем плане, человек — на переднем.
• Демонстрируйте клиенту ценность ИИ через удобство и безопасность, а не через технологичность.

Что делать в 2026 году: пять шагов

1. Проведите аудит ИИ-зрелости. Оцените, где у вас точечные решения, а где системная стратегия. Если стратегии нет — это ваш первый приоритет.
2. Начните с операционных процессов, где ROI измерим. Речевая аналитика в контакт-центре и фрод-мониторинг дают понятные метрики за 3–6 месяцев.
3. Внедряйте гибридную архитектуру: ML для массовых задач, LLM для сложных кейсов, агентный ИИ для автоматизации с обратной связью.
4. Не убирайте человека из цикла. Юридическая ответственность и клиентское доверие требуют человеческого контроля за финальными решениями.
5. Инвестируйте в обучение команд. В эпоху ИИ-агентов руководители должны управлять гибридными командами из людей и цифровых сотрудников.

Читайте также:

E-commerce в ближайшие три года: от активного роста к устойчивому управлению

Вывод:

Искусственный интеллект в банках – больше не эксперимент. Он стал таким же стандартным инструментом, как CRM или система документооборота. Вопрос не в том, внедрять или нет. Вопрос в том, как внедрять с максимальной отдачей и без потери доверия клиентов. Банки, которые найдут баланс между автоматизацией и человеческим участием, заберут рынок у тех, кто перегнёт палку в любую сторону.