— Василий, какие свежие тренды в применении искусственного интеллекта в финсекторе вы можете отметить?

Василий Жилов: Если бы вы задали этот вопрос два-три года назад, я бы отнес к трендам большие языковые модели и технологию работы с ними. Но сегодня LLM и генеративные нейросети — не новость для российского финансового сектора. В ряде банков они уже доказали свою эффективность и введены в промышленную эксплуатацию. Примером может служить ПСБ, одним из первых внедривший большие языковые модели в процессы обслуживания клиентов и получивший за счет этого весомые конкурентные преимущества.

Качество больших языковых моделей выросло, они пользуются доверием клиентов. Возникла технология «умного поиска» (RAG, Retrieval Augmented Generation), которую можно параметризировать для работы с LLM. А с появлением открытого унифицированного протокола связи между большими языковыми моделями и внешними источниками (MCP, Model Context Protocol) в финсекторе началось движение в сторону автономных ИИ-агентов и мультиагентных систем. Каждый такой агент — это автономная микропрограмма. Он может сам обслуживать клиента в том или ином канале под наблюдением человека. Результаты этой работы берутся за основу при обслуживании клиента, например при формировании для него суперперсонализированного предложения с учетом всей истории его общения с банком, отраженной в других учетных системах — АБС, скоринге, CRM-системе. Поскольку такой подход существенно снижает издержки банков, автономные ИИ-агенты и мультиагентные системы очень востребованы игроками финансового рынка.

— А что сдерживает проникновение больших языковых моделей в российский финсектор?

Василий Жилов: Во-первых, дефицит специалистов в области ИИ. Его испытывают и банки, и компании из самых разных отраслей. Компании и банки, которые решат этот вопрос, смогут привлечь высококвалифицированные IT-компании или вырастить у себя внутреннюю экспертизу, будут на шаг впереди всех остальных. Второй барьер — нехватка мощных графических процессоров (GPU), необходимых для обучения и функционирования больших языковых моделей. Третий сдерживающий фактор, весьма существенный для банков и госкомпаний, — это ограничение на использование публичных облаков.

Василий Жилов (BSS). Фото: Дарья Ратушина / «Б.О»

— Иван, какие роли отведены большим языковым моделям в стратегии цифровизации блока малого и среднего предпринимательства ПСБ?

Иван Паткин: Стратегия цифровизации блока малого и среднего предпринимательства — это важный компонент общей стратегии развития нашего направления внутри банка на ближайшие несколько лет. Ее суть заключается в том, что мы стремимся стать цифровым помощником для бизнеса и предоставлять сотрудникам компаний — наших клиентов — экосистему сервисов на основе технологий искусственного интеллекта. В центре экосистемы сервисов находится наш бизнес-ассистент на основе искусственного интеллекта Катюша, в зону ответственности которого входят автоматизация общения с клиентами во всех цифровых каналах и помощь предпринимателям в ведении бизнеса. С помощью Катюши мы обеспечиваем максимально персонализированный клиентский опыт. При этом для повышения лояльности клиентов мы хотим пойти дальше и с помощью упрощенной информационной структуры цифровых каналов, геймификации и эмоционального дизайна создавать вау-эффект от взаимодействия с банком.

Если говорить о целевых показателях реализации стратегии, мы ориентируемся, во-первых, на рост доли продаж «в цифре» и повышение качества клиентских путей. Наша задача — на основе предиктивной модели предугадать потребности клиента и сделать релевантное продуктовое предложение тогда, когда это для него актуально, и в удобных ему каналах.

Другой значимый для нас показатель — доступность наших цифровых сервисов. Сейчас около 98% задач наши клиенты из сегмента малого и среднего бизнеса могут решать полностью дистанционно в цифровых каналах: в интернет- и мобильном банке, а также в мессенджерах. Показатель автоматизации базовых рутинных процессов — проведение операций без участия сотрудника банка — у нас составляет 74%.

В части использования ИИ наша стратегия предполагает два ключевых направления. Первое — развитие клиентских ассистентов с генеративным ИИ для разгрузки сотрудников контакт-центра и повышения лояльности клиентов. Бот уже сейчас может закрывать до 58% обращений, и наш вызов состоит в том, чтобы осуществлять через бота дополнительные продажи банковских и финансовых сервисов. Второе — встраивание генеративного ИИ в процессы блока МСП. Ожидается, что внедрение ИИ-технологий позволит высвободить до 50% их рабочего времени.

— Чем Катюша отличается от ботов, которых запустили другие банки?

Иван Паткин: Как и многие кредитные организации, мы начинали с кнопочных ботов для снижения нагрузки на операторов колл-центра. Затем на повестке появилась другая задача — найти баланс между автоматизацией ответов на обращения клиентов и необходимостью повышения качества клиентского сервиса. В поиске решения мы, руководствуясь потребностями клиентов, пришли к полноценному бизнес-ассистенту с искусственным интеллектом. И выступили новаторами — предложили клиентам уникальные сервисы.

Увидев, что через мессенджеры наши клиенты общаются со своими контрагентами, обмениваются договорами, выставляют счета, мы решили сделать бота, который сможет распознавать счета, автоматически формировать платежные поручения и в этом же самом мессенджере проводить операции. Так мы первыми на рынке запустили полноценный платежный функционал в мессенджере VK, и у клиента появилась возможность решать свои задачи в одном канале, в привычной для него коммуникационной среде.

Помимо этого мы добавили функционал GPT-помощников для бизнеса — для маркетинга, HR и PR-функций. В нашем боте клиенты могут подготовить контент-план для продвижения продукта, карточку товара для размещения на маркетплейсе и решить другие задачи из этих областей.

В этом году мы первыми на рынке в сегменте МСБ запустили технологию RAG, благодаря которой чат-бот обеспечивает клиенту наиболее полный и релевантный ответ на его запрос, основываясь на анализе данных из базы знаний. Это способствует увеличению автоматизации обработки обращений клиентов и ускоряет выдачу ответов, что дает новый уровень клиентского опыта.

В результате запуска технологии, которая сейчас работает по нескольким тематикам обращений клиентов, среднее время решения вопроса сократилось для клиентов в 8 раз.

Иван Паткин (ПСБ). Фото: Дарья Ратушина / «Б.О»

— Насколько сегодня клиентами ПСБ востребованы эти инновационные возможности?

Иван Паткин: За 2025 год количество пользователей нашего чат-банка Катюша в мессенджере VK выросло на 35%, всего за этот период в данном канале было проведено более 50 тыс. платежей. Это говорит о том, что сервис не просто востребован, а уже является полноценным аналогом мобильного банка в части функционала РКО.

Предприниматели активно пользуются встроенными в Катюшу GPT-помощниками. Количество запросов по маркетингу, PR и HR составляет около 4 тыс. в квартал, от квартала к кварталу этот показатель растет в среднем на 35%.

— А как вы оцениваете эффективность вашего бизнес-ассистента в разных каналах?

Иван Паткин: Основной показатель эффективности Катюши для нас — это доля обращений, которые бот закрывает самостоятельно, без участия человека. В текстовом канале он сейчас составляет 58%, в голосовом — 40%. При этом для нас важно, чтобы при внедрении новых сценариев сохранялось качество сервиса. Для его оценки в текстовом и голосовом каналах мы замеряем уровень удовлетворенности клиентов — CSI.

— Известно, что генеративные модели могут галлюцинировать. Сталкивались ли вы с такой проблемой в Катюше?

Василий Жилов: Мы с командой ПСБ достигли одних из самых высоких показателей на российском рынке в распознавании (ASR = 94,6%) и понимании смысла сказанного (NLU = 94,2%). Банк качественно обслуживает клиента по сложным вопросам и процессам, применяя RAG. Важно при использовании RAG не создавать отдельную базу знаний для ассистента, а основываться на имеющихся документах, так как их переработка — это трудоемкий процесс, включая сопровождение. С технологией RAG мы добились 76,5% верных ответов на текущей документации банка без ее переработки.

Как мы этого добиваемся? Анализируем точность ответов и измеряем процент автоматизации благодаря текстовой аналитике, качественно параметризируем RAG. Хороший показатель — 1% галлюцинаций LLM в среднем.

В начале проекта было 3% ответов с галлюцинациями LLM, сейчас 1,4%. Такого высокого показателя мы достигли благодаря настройкам RAG и инструкциям для LLM.

— Кто осуществляет поддержку и развитие Катюши?

Иван Паткин: Этим занимается кросс-функциональная команда полного цикла. В ее состав входят продакт-менеджеры, дизайнеры, разработчики, тестировщики, аналитики и ряд других специалистов. Мы начинаем с исследования клиентов и их потребностей, затем рисуем клиентский путь, с помощью команды разработки его реализуем, потом собираем обратную связь от клиентов, анализируем ее и, при необходимости, вносим в сервис корректировки. Так у нас идет развитие во всех цифровых каналах. При этом в случае развития Катюши наша команда работает в одной связке с командой вендора.

— Каковы планы развития бизнес-ассистента ПСБ в существующих и в новых цифровых каналах? Кстати, какие каналы для него являются новыми?

Иван Паткин: В настоящее время мы встроили бизнес-ассистента в мессенджер MAX и в пилотном режиме тестируем возможности Катюши в новом канале на ограниченной группе клиентов. Ассистент позволяет пользователям смотреть остатки на счетах, делать выписки и проводить платежи. Есть в этом мессенджере и GPT-помощники для бизнеса, а также предоставляются консультации по продуктам ПСБ.

Нам уже понятно, какие шаги предстоит сделать в ближайшие годы для развития бизнес-бота. Первый шаг предполагает реализацию интеграционных сценариев. Для того чтобы более качественно давать ответы клиенту и повышать уровень автоматизации банка, Катюше необходимы интеграции с разными базами знаний и другими автоматизированными системами банка — АБС, CRM и так далее. Второй шаг — масштабирование технологии RAG. Основная задача заключается в том, чтобы распространить автоматизированное обслуживание на максимально возможное количество тематик без галлюцинирования. На третьем шаге планируется подключать и продавать через Катюшу банковские продукты.

Параллельно мы будем встраивать ИИ во внутрибанковские процессы. Тут тоже ведется «пилот» — тестируем бота-помощника для сотрудников банка в нескольких офисах, чтобы проверить, позволит ли Катюша высвободить время менеджеров для продаж продуктов.

— Когда вы планируете перейти от пилотных проектов к масштабированию сервисов на всю клиентскую базу банка и на всех сотрудников?

Иван Паткин: Это наша основная задача на следующий год — распространение процессов и результатов «пилотов» на всех клиентов и сотрудников.

Василий Жилов: Тут надо понимать, что «пилоты», которые проводят банки, — это промышленное внедрение, но только на немногочисленной группе клиентов. Банки очень серьезно подходят к процессу вывода продукта на всю базу клиентов: пока софт не оттестируют и не получат эффект, его дальше не масштабируют.

Но в целом, мы видим, что на сегодняшний день в финсекторе «пилотов» стало заметно меньше. Банки либо расширяют применение генеративных моделей и других технологий ИИ на другие продукты или новые каналы, либо начинают использовать их для внутренней автоматизации.

Иван Паткин: И самое перспективное направление в части внутренней автоматизации — контакт-центр.

— Как с внедрением Катюши изменился характер работы операторов в контакт-центре ПСБ?

Иван Паткин: Наш бизнес-ассистент обеспечивает большую часть автоматизации процессов контактного центра, что де-факто высвобождает время сотрудников. Операторы переходят к работе с более сложными вопросами и обращениями, становятся более компетентными и мотивированными.

Внедряя Катюшу, мы не упускали из вида такой ориентир, как клиентоцентричная модель обслуживания, а она возможна только при синергии бизнес-ассистента и сотрудника контакт-центра.

Например, в нашем контакт-центре оператор, принимая сложный вызов от бота, получает вместе с ним всю историю взаимодействия с клиентом, видит вопросы и ответы, которыми клиент и текстовый бот уже обменивались друг с другом, и потому довольно оперативно возвращается к клиенту сразу с решением его проблемы. Так Катюша помогает сотрудникам контакт-центра проявлять заботу о клиентах и избегать их негативных оценок.

Василий Жилов: Три года назад мы обсуждали, как создать полностью автономный контакт-центр. Сейчас для этого есть все технологии. Но я соглашусь с Иваном: синергия бота и человека — это беспроигрышная стратегия.

Автономные ИИ-агенты уже могут отвечать на сложные и суперсложные вопросы. Оператор, как дирижер, контролирует работу ИИ-агентов, а из результатов их работы выстраивает эмоциональную связь с клиентом. Таким образом, автономные агенты постепенно превращаются в персональных ассистентов по финансовым вопросам.

Это и есть персонализированное обслуживание — уникальный сервис в смысле продуктов, услуг, быстроты решения, удобства решения, юзабилити и каналов обслуживания, имеющий высокий потенциал для кросс-продаж и новых продаж банковских продуктов.

—  Вы упомянули, что тестируете применение ИИ и в офисах. Расскажите подробнее, в каких процессах можно ожидать появления Катюши.

Иван Паткин: В одном из офисов ПСБ Катюша встроена в терминал электронной очереди. Задача бизнес-ассистента — перераспределять входящий поток клиентов-юрлиц, чтобы помогать им по вопросам, не требующим привлечения сотрудника банка. При этом возможность обратиться к человеку у клиентов остается. Мы уже видим высвобождение времени сотрудников и возможности его перераспределения на направление продаж.

Если в ходе «пилота» наша гипотеза подтвердится, мы будем его расширять и рассмотрим другие офлайн-форматы, в том числе банкоматы.

— Есть ли у ПСБ планы применять автономные ИИ-агенты и мультиагентные системы? В каких областях?

Иван Паткин: Да, этот шаг позволит достичь нашей стратегической цели — чтобы наш бизнес-ассистент Катюша обслуживал до 90% клиентов блока МСП, причем с высоким качеством и с возможностью осуществлять продажи. Для того чтобы прийти к целевому значению этого показателя, нам понадобятся самообучаемые боты, интегрированные с большим количеством информационных систем банка и способные самостоятельно подключать продукты и услуги клиентам.

Другая область, где мы намерены применять мультиагентные системы, — это автоматизация внутрибанковских процессов для освобождения сотрудников от рутинных процессов.

— Значит ли это, что будущее — за автономными ИИ-агентами?

Василий Жилов: Аналитики Gartner прогнозируют, что в течение двух лет 15% задач смогут решать автономные агенты. Они будут использоваться в 33% корпоративных приложений.

В нашей стране активно развивается рынок автономных агентов и платформ клиентского обслуживания с использованием больших языковых моделей. Это основной тренд на ближайшие два года.

В России уже сейчас при проектировании любых приложений или систем используют MCP-протоколы, для того чтобы поддерживать возможность общения с автономными агентами на базе больших языковых моделей.

Будущее — за автономными ИИ-агентами, способными полностью обрабатывать сложные процессы (например, кредитование), и за глубокой интеграцией с цифровой инфраструктурой, включая цифровой рубль и смарт-контракты. Успех будет зависеть не только от технологий, но и от выстраивания доверия через прозрачность, этичное использование данных и человекоцентричный подход.