14.04.2026
Банковское обозрение (Б.О принт, BestPractice-онлайн (40 кейсов в год) + доступ к архиву FinLegal-онлайн)
FinLegal ( FinLegal (раз в полугодие) принт и онлайн (60 кейсов в год) + доступ к архиву (БанкНадзор)
Банковское обозрение
«ИИ-БАНКИНГ_26: От инициатив к системе» — под таким заголовком прошла в Москве 24 марта 2026 года 4-я практическая конференция об использовании ИИ в финансовой сфере, организованная медиапроектом «Банковское обозрение»
Что оказалось в фокусе внимания спикеров и участников конференции? Главный акцент был сделан на переходе от пилотных проектов к промышленному использованию ИИ, построению устойчивой инфраструктуры и развитию мультиагентных систем. При этом ключевыми факторами успеха остаются гибкая IT-инфраструктура, фокус на гиперсонализации, работа с доверием клиентов и ориентация на быстрый экономический эффект.
Конференцию открыла панельная дискуссия «ИИ-банкинг 2026: Где заканчиваются ожидания и начинается ответственность?», модератором которой выступил Илья Иванинский, директор Центра бизнес-образования и аналитики Центрального университета.
Ответственность — это бремя акционеров, инвесторов и топ-менеджеров банков. Она не начинается с нуля и напрямую зависит от бизнес-результатов финансовой организации. Поэтому эту, хоть и немногочисленную, но весомую долю пользователей ИИ прежде всего интересует вопрос: «А не очередной ли пузырь этот ваш искусственный интеллект наподобие пузыря доткомов?»
Евгений Гуревич, генеральный директор компании «Капитал Лайф Страхование Жизни», в ходе последующей бизнес-панели «Кейсы и методология: Где GenAI реально работает, а где нет?», которую модерировал Алексей Сидорюк, советник гендиректора по ИИ Ассоциации ФинТех, четко и однозначно высказался в пользу точки зрения об ответственности, возлагаемой на топ-менеджмент и акционеров. А Валерия Воробьева, генеральный директор «Альянса в сфере ИИ», заявила: «России ИИ-пузырь не грозит, поскольку у нас в стране не так много капитала, для того чтобы сформировать венчурный пузырь. Наша экономика — реальная. Но в ней, к сожалению, есть другая реальность — ИИ-проекты часто застревают на стадии “пилота”».
Что касается ожиданий, то инициативу взял в свои руки Максим Григорьев, генеральный директор Ассоциации ФинТех, который высказал, наверное, одну из ключевых мыслей конференции в целом:
«На мой взгляд, сейчас в процессах внедрения ИИ в банках на наших глазах происходит интересный момент. Я бы сказал — это та самая точка перелома, которые мы все так любим. И связана она с достижением нового уровня кибербезопасности».
В АФТ этот тренд называют «осознание критичности аспектов безопасности специфичных вопросов, связанных с применением ИИ». Иными словами, лидеры финансовой отрасли перешли от осознания рисков ИИ к системному внедрению практик безопасности, что позволяет трезво оценивать экономический эффект проектов. Как следствие становятся мейнстримом интеграция решений безопасности непосредственно в платформы ИИ и формирование референтных моделей процессов (ML Ops/AI Ops). Это, в свою очередь, делает соответствующие технологии более доступными для малых и средних банков.
Фото: Елена Сычёва / «Б.О»
Осознав эти явления, регуляторы и рынок ищут баланс между регулированием и развитием, чтобы не «задушить» инновации избыточным контролем. Руслан Булатов, директор департамента финансовых технологий Банка России, в своем выступлении отметил: «Наша задача как регулятора — в том, чтобы не зарегулировать то, чего пока толком-то не внедрено и не существует. Поэтому мы выбрали путь мягкого регулирования».
В частности, 9 июля 2025 года Банк России обнародовал Кодекс этики в сфере разработки и применения ИИ на финансовом рынке. Документ носит рекомендательный характер и призван повысить доверие к ИИ среди пользователей и привнести на рынок ответственное управление рисками. Кроме того, по словам Руслана Булатова, департамент информационной безопасности Банка России подготовил методические рекомендации по обеспечению ИБ при применении ИИ, особенно при встраивании моделей в core-процессы банков.
Сам же Банк России применяет ИИ для работы с жалобами (при классификации и маршрутизации) и адаптации языка аналитических материалов. При этом работа «живых» экспертов остается приоритетной в принятии решений; например, решения по ключевой ставке и другим важным вопросам остаются за советом директоров ЦБ.
Первая сессия конференции «ИИ-БАНКИНГ_26:От инициатив к системе»
Еще один вопрос, прошедший красной нитью через всю конференцию: как подсчитать экономический эффект и оценить вызовы внедрения? Участники обеих сессий согласны с тем, что внедрение ИИ в России и мире оценивается триллионами рублей и десятками триллионов потенциального эффекта, однако значительная часть обещанных выгод пока остается на бумаге. В финансовом секторе уже фиксируются снижение себестоимости операций на 15–17%, рост доходности и ускорение оборота капитала. Масштабирование ИИ дает максимальный эффект, но требует пересмотра бизнес-процессов и управленческих моделей.
Фото: Елена Сычёва / «Б.О»
Крупные банки создают собственные большие языковые модели, инвестируют в развитие компетенций и формируют «школу» специалистов по ИИ. Собственные модели обеспечивают автономность, независимость и стратегические преимущества.
При этом около 70% проектов не доходят до результата, что связано с нехваткой компетенций и сопротивлением изменениям со стороны консервативно настроенных людей.
Успешное внедрение ИИ требует поддержки на уровне CEO, изменения KPI и культуры управления проектами. Искусственный интеллект перестает быть просто инструментом автоматизации — это новая управленческая парадигма и фактор конкурентоспособности.
Знаковым в этом плане можно назвать выступление Даниила Наумова, директора по инновационному развитию ИИ Московской биржи. По его словам, если в прошлом году возможность создания специализированных ИИ-агентов была у весьма узкого круга специалистов, то уже к началу 2026 года этот функционал в силу развития технологий стал доступен буквально каждому.
Евгений Гуревич («Капитал Лайф Страхование Жизни»), Сергей Карпович (Т1 ИИ), Даниил Наумов (Мосбиржа). Фото: Елена Сычёва / «Б.О»
«И в чем ценность нашего подразделения? Вовсе не в том, чтобы конкурировать с доменными экспертами, которые сейчас сами могут собрать нужную автоматизацию. А в том, чтобы создать тот фундамент, который позволит совокупности этих автоматизаций достигнуть некоего бизнес-эффекта. Здесь важно повышать профессиональную подготовку сотрудников, например, за счет регулярного вайб-кодинга челленджей. И большое спасибо CEO Мосбиржи Виктору Жидкову, который “заразился ИИ сам и заразил им всю биржу”», — поделился инсайтом Даниил Наумов.
Вторая половина конференции была посвящена определению «ИИ в IT-ландшафте банка» и футуристическим прогнозам. Обе сессии модерировал Данил Поминов, финтех-эксперт.
Данил Поминов. Фото: Елена Сычёва / «Б.О»
С чем согласились все спикеры? ИИ-оркестратор и самооркестраторы — будущее банковской ИИ-автоматизации. Наиболее перспективен подход, при котором отдельные ИИ-агенты выполняют атомарные задачи, а оркестратор (или самооркестрирующаяся система) управляет их взаимодействием. Это позволяет строить гибкие, масштабируемые и надежные решения, минимизируя риски потери контекста и ошибок на длинных цепочках процессов.
Само же внедрение ИИ позволяет банкам переходить от стандартных продуктов к индивидуальным предложениям, учитывающим историю клиента, его поведение и потребности. Это реализуется за счет интеграции ИИ-агентов в платформы, где они могут анализировать данные и формировать персональные рекомендации в режиме реального времени.
Таким образом, эпоха экспериментов завершается. В течение 3–5 лет, по мере выхода в свет решений AI-стартапов Кремниевой долины, в которые вложено до триллиона долларов, ИИ станет стандартом для всех банковских процессов в мире, а интерфейсы и клиентский опыт изменятся до неузнаваемости. Важнейшими задачами AI Native-банков, неважно — больших или малых, станут развитие инфраструктуры, повышение доверия клиентов и сохранение человеческого капитала в эпоху цифровых сотрудников.
Вячеслав Дегтярев, руководитель по развитию продуктовых решений «К2 НейроТех»
Главный барьер на пути внедрения ИИ — не отсутствие технологий, а разрозненность данных, нехватка внутренней экспертизы и высокая стоимость создания собственной инфраструктуры. Особенно остро эти проблемы стоят в банковском секторе, где данные распределены между десятками внутренних систем, регуляторные требования к защите информации строгие, а цена ошибки при принятии решений критически высока. Многие банки застревают на стадии «пилотов» именно потому, что не могут перейти к системному масштабированию. Банковская специфика добавляет еще один важный нюанс: здесь ИИ работает не только с обезличенными данными, но и с персональной информацией клиентов, транзакциями, кредитными историями. Любая ошибка влечет репутационные и регуляторные риски, поэтому подход «просто подключить облачный сервис» для банков часто неприемлем. Преодолеть эти барьеры помогает смена подхода: вместо точечных экспериментов — выстраивание процессов.
Начать стоит с одного сценария с понятным эффектом: автоматизация документооборота или скоринг. Успешный «пилот», доведенный до промышленной эксплуатации, дает и измеримую экономию, и базу для дальнейшего масштабирования. Вторая составляющая — инфраструктура. Для банков важно, чтобы чувствительные данные оставались под полным контролем. Не все готовы сразу строить сложный on-premise-контур. Альтернатива — гибридные среды, где важные данные остаются внутри, а эксперименты идут в облаке. Это снижает порог входа и позволяет наращивать компетенции без гигантских капитальных затрат. Готовые платформенные решения, такие как ПАК-AI, объединяют вычислительные мощности, инструменты LLMOps и защищенный контур в одном продукте, позволяя банку сразу переходить к масштабированию рабочих ИИ-сценариев. Такой подход — от «пилота» с четким KPI к постепенному выстраиванию платформы — позволяет выйти на реальную ИИ-трансформацию с понятной экономикой и управляемыми рисками.
Алексей Шершнев, IТ-директор Farzoom/Камунда.РФ
В настоящее время подход к автоматизации банковских бизнес-процессов меняется не постепенно, а скачком. Классические проекты автоматизации — с командой из более 10 человек (аналитиков, разработчиков, тестировщиков), с бюджетом в миллионы и сроком работы 3–6 месяцев — уходят с рынка. Они становятся никому не нужны. Никому не нужны становятся и платформы автоматизации даже low/zero code. Не завтра. Прямо сейчас.
Первый тренд, который станет нормой, — это непрерывное улучшение процессов в реальном времени. Раньше запустить, к примеру, кредитный конвейер в банке — это был большой статегический проект. Сегодня с AI driven BPMN-платформой, которую мы строим, это занимает месяц от идеи до production. Но главное — не скорость старта. Главное — что после запуска бизнес-заказчик сам, без разработчиков, может спросить: «Почему у меня плохо идет продукт в строительной отрасли?» и получить не просто аналитику, а готовые рекомендации для изменения в процессе, проверенные на ретроспективных данных. Далее — возможность внесения изменений без разработчиков, без процедуры «приоритизации бэклога» и ожидание результатов в течение нескольких недель или месяцев. А/Б-тест на ускорение конверсии против ускорения времени прохождения? Легко, запускается параллельно, не трогая основного процесса. Это не автоматизация ради автоматизации — это когда ты реально улучшаешь бизнес в режиме реального времени. И важно, что процессы остаются детерминированными, прозрачными — никакого «черного ящика», который регулятор не примет.
Второй тренд — цифровые сотрудники процесса. Часть задач, которые сегодня выполняют люди (верификация документов, сбор данных, формирование заключений), будет передана ИИ-агентам. Это не «робот вместо человека» в старом смысле. Это дешевое, масштабируемое исполнение рутинных процессов, которое высвобождает людей для принятия решений.
Сложите два тренда вместе — и вы получите революцию автоматизации процессов: персонифицированный процесс под каждый тип заявки при минимальной стоимости исполнения. Отдельный конвейер под банковскую гарантию для чека до 10 млн рублей под фармацевтику, под стройку? Легко. Каждый оптимизирован под свою задачу и обслуживается цифровыми сотрудниками. Минимизация рисков и затрат для банков и более адресный продукт для потребителей, но при этом значительно дешевле. Вот что нас ждет в ближайшие 3–5 лет.
Где GenAI реально работает, а где нет? Евгений Гуревич, «Капитал Лайф Страхование Жизни»
Автоматизация бизнеса с ИИ-агентами. Сергей Курьян, «Нейросети»
AI NativeBank — от персонального предложения к персональному банку. Юрий Кащук, «ФлексСофт»
Малый бизнес — это источник новых технологий, продуктов и бизнес-моделей
В условиях сохраняющихся финансовых рисков и высокой стоимости кредитов малый бизнес ищет эффективные инструменты для снижения нагрузки и роста бизнеса. В Альфа-Банке эту задачу видят шире: не просто выдавать кредиты, а становиться надежным партнером предпринимателя. О том, как рефинансирование помогает объединять задолженности, снижать ставки и строить стратегию развития бизнеса, а также о том, какие цифровые и льготные решения доступны МСБ в 2026 году, рассказывает Марина Полякова, руководитель департамента развития кредитования малого бизнеса
