Дата публикации: 2025 (без указания точного дня и месяца)
Источник: Яков и Партнёры
Категории: Финансы, Банкинг, Искусственный интеллект, Технологии
Сигналы: Trend, Watch
Описание-резюме отчета
Отчет "ИИ идет ва-банк: проникновение искусственного интеллекта в финансовый сектор" опубликован компанией "Яков и Партнёры" в 2025 году. Он представляет собой всесторонний анализ текущего состояния и перспектив внедрения ИИ в российский банковский сектор, сравнивая его с международными лидерами. Ключевая идея отчета заключается в растущей значимости ИИ для конкурентоспособности банков и необходимости системного подхода к его внедрению. Отчет релевантен для руководителей банков, специалистов по ИИ и всех, кто интересуется развитием финансовых технологий.
Сама суть
ИИ становится одним из наиболее значимых технологических трендов в банковской сфере, обещая увеличение мирового ВВП и значительный экономический эффект для России (0,6–1 трлн руб. к 2030 году). Отчет выделяет четыре эры развития ИИ в банках, от Rule-Based систем до генеративного ИИ, подчеркивая эволюцию и растущую сложность технологий. Основной тренд — переход от классических моделей к нейросетевым и генеративным, особенно в клиентских каналах. Главные сложности — дефицит квалифицированных кадров, инфраструктурные ограничения (GPU, public cloud), сложность оценки финансового эффекта и недостаточная зрелость процессов управления данными.
Ключевые инсайты для СЕО
Что работает
- Розничный бизнес (РБ) как драйвер ИИ: РБ демонстрирует наибольшую зрелость во внедрении ИИ (медиана 69% покрытия продуктовых юз-кейсов моделями), а также самое активное применение нейросетевых и генеративных моделей по сравнению с МСБ и КИБ, благодаря большому объему однородных данных и массовым операциям.
- ИИ в клиентских каналах: Проникновение ИИ в каналы обслуживания (чат-боты, голосовые ассистенты) выше, чем в продуктах, из-за быстрого финансового эффекта, возможности снижения операционных затрат и повышения эффективности работы сотрудников (медианное покрытие 59% в РБ).
- Генеративный ИИ в ассистентах и коммуникациях: Генеративные модели активно внедряются для создания чат-ботов, помощников для сотрудников (копилотов) и персонализации коммуникаций, значительно повышая производительность и улучшая клиентский опыт (6 из 11 банков уже используют генИИ).
Что НЕ работает
- Отставание ИИ в МСБ и КИБ продуктах: Внедрение ИИ в продуктах для малого и среднего бизнеса (МСБ) и корпоративного и инвестиционного бизнеса (КИБ) значительно отстает от розничного сегмента (медианное покрытие продуктовых юз-кейсов 38% в МСБ и 31% в КИБ), что может указывать на недооценку потенциала ИИ в этих сегментах и системную нехватку однородных данных.
- Дефицит квалифицированных кадров: 91% банков испытывает нехватку senior+ специалистов, а 55% — специалистов MLOps и ML-инженеров, что является критическим барьером для масштабирования ИИ-инициатив.
- Ограничения инфраструктуры: 82% банков сталкиваются с невозможностью использования публичных облаков из-за регуляторных ограничений, а 73% — с дефицитом и высокой стоимостью GPU, необходимых для обучения сложных ИИ-моделей.
- Проблемы с данными: 55% банков отмечают нехватку каталогизированных данных, пригодных для обучения моделей, а также разный уровень зрелости процессов data governance, что снижает качество и эффективность ИИ-решений.
Радар возможностей и ловушек
| Возможности | Ловушки |
|---|---|
| Расширение применения ИИ в продуктах МСБ и КИБ для получения конкурентного преимущества. | Недооценка потенциала ИИ в МСБ и КИБ, ведущая к потере доли рынка. |
| Использование генеративного ИИ для повышения эффективности клиентских каналов и персонализации. | "Галлюцинации" генеративных моделей и связанные с ними юридические/финансовые риски. |
| Внедрение RAG-платформ и векторных баз знаний для улучшения качества ИИ-моделей. | Отсутствие единой стратегии развития ИИ и КПЭ, связанных с его внедрением. |
| Фокус на развитии энейблеров (инфраструктура, данные, кадры) для устойчивого масштабирования ИИ. | Дефицит квалифицированных кадров, особенно senior+ и MLOps-специалистов. |
| Развитие образовательных программ для повышения AI-грамотности бизнеса. | Отсутствие четко выстроенных процессов управления жизненным циклом моделей. |
Что это значит для бизнеса
- Для банков-«Последователей»: Необходимо срочно пересмотреть стратегию внедрения ИИ, активно инвестировать в технологии и энейблеры, чтобы не потерять клиентскую базу и конкурентоспособность. Начать с внедрения классических моделей в максимально возможное количество юз-кейсов, затем переходить к нейросетевым, особенно в розничном сегменте и клиентских каналах.
- Для банков-«Прагматиков»: Следует сфокусироваться на масштабировании уже внедренных нейросетевых моделей, а также на точечном внедрении генеративного ИИ в зонах с высоким ROI. Активно работать над развитием энейблеров, особенно в части данных и кадров, чтобы перейти в категорию "Пионеров".
- Для банков-«Пионеров»: Поддерживать технологическое лидерство, продолжать экспериментировать с новыми моделями (генИИ), активно инвестировать в прорывные решения. Важно делиться опытом и задавать стандарты для отрасли, а также разрабатывать стратегии хеджирования рисков, связанных с новыми технологиями. Усилить фокус на внедрении ИИ в продуктах МСБ и КИБ, где наблюдается отставание от международных лидеров.
Вопросы для управленческой команды
- Как мы можем ускорить внедрение ИИ в продуктах для МСБ и КИБ, учитывая текущие барьеры (данные, однородность продуктов)?
- Какие меры мы предпринимаем для привлечения и удержания квалифицированных AI/ML специалистов, особенно senior+ уровня?
- Как мы можем обеспечить финансовый эффект и прозрачность ROI от внедрения ИИ-решений для бизнеса?
- Какова наша стратегия по использованию генеративного ИИ в клиентских каналах и внутренних процессах, включая управление рисками "галлюцинаций"?
- Насколько зрела наша инфраструктура и процессы управления данными для поддержки амбициозных ИИ-инициатив?
Stratsessions Signals
- Trend: Значительный экономический эффект от ИИ в банковской сфере; активный переход к нейросетевым и генеративным моделям; приоритет внедрения ИИ в клиентских каналах и розничном бизнесе.
- Watch: Внедрение ИИ в продуктах МСБ и КИБ; дефицит квалифицированных кадров и инфраструктурные ограничения; управление рисками, связанными с генеративным ИИ (особенно "галлюцинациями").
- Cut: Использование исключительно Rule-Based систем. Откладывание инвестиций в ИИ в надежде на устаревание технологии.
Для кого полезно
- СЕО и топ-менеджеры в банковской сфере
- Директора по ИТ, стратегии, маркетингу и продукту в финансовых организациях
- Инвесторы, ориентирующиеся на финтех и цифровизацию банков
- Специалисты по данным и искусственному интеллекту, занимающиеся разработкой и внедрением решений в финансовом секторе.
Call to Action
- Заказать разбор для своей отрасли или специфики бизнеса
- Подпишитесь на Stratsessions Digest: 5 отчетов → 5 идей → 5 минут