Как и во многих финансовых организациях, первые кейсы внедрения AI в СберБанке появились в сфере управления рисками, что было логично: в этом направлении уже достаточно давно применялись ML-алгоритмы. Именно с них мы и начали. Но довольно быстро пришло понимание, что потенциал у этих технологий гораздо шире, значит, применять их можно не только в сфере управления рисками, но и практически во всех продуктах и процессах банка.

Примерно шесть-семь лет назад был взят курс на системную AI-трансформацию всей организации. В таких масштабах всегда остро встают вопросы приоритизации — где внедрять в первую очередь, какие направления дадут максимальный эффект. Для поиска ответов на них была запущена программа AI-трансформации с несколькими ключевыми направлениями. Первое из них — автоматизация процессов для оптимизации затрат. Это то, о чем чаще всего вспоминают при словах «внедрение AI». Но есть и другие — не менее важные направления: улучшение клиентского опыта и повышение доходов. Именно на них мы сделали основной акцент. Искусственный интеллект позволяет создавать продукты быстрее, удобнее и умнее — за счет персонализации, скорости принятия решений, гибкости. Эти подходы постепенно масштабировались на всю организацию.

Программа трансформации изначально строилась так, чтобы в каждом бизнес-блоке появилась своя Data-Science-команда — это обеспечило тесную связку с бизнесом, хорошее понимание контекста и реальную ценность решений. Сегодня в Сбере практически не осталось ни одного подразделения, которое не использовало бы AI в своей работе, что дает ощутимый результат для всего банка.

Конечно, возникает вопрос: как оценить этот эффект? Мы считаем его по утвержденной методологии на уровне отдельных инициатив через оценку вклада AI в улучшение различных клиентских и финансовых метрик. Финансовый эффект от внедрения AI в 2024 году в Сбере составил больше 400 млрд рублей, а за последние пять лет — более 1 трлн рублей.

Такая гранулярная оценка позволяет в том числе выявить возможный негативный эффект на ранней стадии. Иногда дата-сайентисты приносят на валидацию модель, которая, как выясняется, в текущем виде может даже навредить. К счастью, мы замечаем это заранее и возвращаем модель на доработку либо закрываем проект — еще до того, как он стал частью продакшна.

Отмечу, что к 2025 году технологии искусственного интеллекта стали гораздо более доступными.

Если пять лет назад внедрение AI выглядело как инвестиция в сложные и дорогие разработки с долгой окупаемостью, то сейчас ситуация изменилась. Появилось множество open-source-решений, платформ от крупных технологических компаний. Сегодня компаниям все реже приходится разрабатывать собственные модели — многие задачи можно решать с помощью готовых решений через API.

Да, у таких решений есть ограничения. Не все организации могут выстроить полноценную работу с платформами, но на рынке уже есть не только поставщики технологий, но и провайдеры услуг по их внедрению. Это делает искусственный интеллект действительно массовым инструментом, доступным для большого числа банков и финансовых организаций.