«Будущее — за предельно простым интерфейсом, по сути, одной строкой поиска»

От оптимизации процессов к перепроектированию бизнеса — так эволюционирует роль искусственного интеллекта в банковской сфере. Чтобы технология стала не инструментом, а основой для роста, требуется изменить сам принцип создания ценности: закладывать ИИ в логику продукта с самого начала. О пути к статусу AI-first-компании, принципиально новых бизнес-моделях и балансе между технологической смелостью и этикой — в интервью Ивана Иванова, директора по стратегии цифровой трансформации «Альфа-Банка», Алексею Лебедеву, директору департамента «Банки и финансы» Рексофт.

Тайм-коды:

Банковская сфера традиционно выступает локомотивом для экономики в части внедрения цифровых технологий. Последние несколько лет прошли под знаком активного внедрения искусственного интеллекта — в особенности, генеративного ИИ, — и банки, конечно же, эту волну подхватили. Но надо сказать, что любое технологическое развитие в банках всегда подчинено одной цели — сделать продукты и сервисы для клиента более удобными и востребованными.

5−10 лет назад ключевым драйвером была доступность — с приходом мобильных устройств оформить любую услугу банка стало возможно прямо в приложении. Сейчас с развитием ИИ мы движемся дальше — от доступности к тактичности и правильности предложений.

Параллельно происходит фундаментальный сдвиг в технологической архитектуре. Банки уходят от громоздких, монолитных систем сравнимых с большой бухгалтерской книгой или единой неповоротливой АБС. Теперь мы движемся к архитектуре из «кубиков» - модулей и микросервисов, которая позволяет гораздо быстрее «собирать» новые продукты, выводить их на рынок и делать по-настоящему персонализированными. Гибкость технологий обеспечивает больше ценности для клиента.

Искусственный интеллект, безусловно, мощная технология, о которой сейчас много говорят в контексте кардинальной трансформации. Но пока большинство используют ИИ только для оптимизации бизнес-процессов. Чтобы технология действительно поменяла глобальную бизнес-модель нужно время и успешные обкатанные бизнес-кейсы. Вспомните, например, бум и последующий крах доткомов. Тогда все говорили о переходе из офлайна в онлайн, появилось множество бизнес-моделей, но далеко не все они оказались востребованы рынком.

Мы активно применяем технологию для оптимизации текущих процессов, но параллельно экспериментируем с поиском принципиально новых бизнес-моделей с помощью ИИ.

Сейчас активно развивается направление BNPL (Buy Now, Pay Later) — по сути, мгновенная рассрочка при онлайн-покупках. Но это лишь промежуточный инструмент, а истинно новой бизнес-моделью станет так называемый embedded credit — когда кредит бесшовно встроен уже непосредственно в потребность. То есть у клиента возникла необходимость, и он мгновенно ее удовлетворяет с помощью кредита без каких-либо отдельных процедур оформления. ИИ, способный в реальном времени оценить профиль и кредитоспособность, сделает этот путь абсолютно единым.

Еще одна формирующаяся бизнес-модель — создание персонализированного финансового советника на основе ИИ, где банк принимает на себя часть рисков, связанных с работой алгоритма, а клиент платит комиссию за его услуги.

На этом пути мы достаточно хорошо продвинулись, опираясь в том числе на лучшие практики рынка. Сначала мы четко обозначили две основные проблемы. Первая заключалась в элементарном непонимании. Пару лет назад люди просто не знали, что такое генеративный ИИ и в чем его ценность для их ежедневной работы. Здесь помогло массовое обучение и предоставление возможности применить знания на практике. В «Альфа-банке» развернут портал «Альфа-AI», где любой сотрудник имеет доступ к моделям с набором преднастроенных промтов и может использовать ИИ как своего второго пилота для повышения эффективности. Это снимает барьер непонимания технологии.

Вторая, более глубокая проблема — страх перед «черным ящиком». Сотрудники не желают выпускать «рычаги управления» из своих рук, опасаясь ответственности за решения алгоритма. С этим страхом мы работаем, постепенно меняя ролевые модели: 

Доверие к нему вырабатывается на практике: сначала вы проверяете каждый его шаг, затем — через раз, постепенно давая ему все больше операционной самостоятельности.

Помимо этого мы создали институт внутренних менторов ИИ (их еще часто называют евангелистами). Если после общего обучения человек все еще не решается сделать первый шаг, он может обратиться к ментору. Тот проведет его по всему пути: поможет сформулировать первый рабочий промт, покажет, как получить от него полезный результат, и интегрирует этот навык в ежедневный рабочий процесс.

Генеративный ИИ уже пронизывает практически все внутренние процессы банка — от операционных и сервисных до продуктовых. Ключевую роль в этом сыграло создание собственной операционной системы для внедрения ИИ: мы развиваем платформу AlfaGen с полным циклом работы с моделями, эффективным пайплайном для быстрого внедрения LLM, выделенным GPU-кластером и открытыми API для интеграции. Высокое проникновение технологии дало мощный толчок: начались массовые эксперименты и внедрения, процесс стал очень динамичным.

Мы применяем единую логику оценки как для внутренних проектов, так и для клиентских решений. Первый критерий — это «экономика решения», где мы смотрим, сколько дополнительной выручки может принести решение, либо насколько оно позволит сократить издержки и оптимизировать затраты.

Второе - это принятие инструмента пользователями.

Поэтому мы всегда смотрим, сколько человек используют решение и как часто, анализируем метрики вовлеченности, такие как отношение DAU к WAU (Daily Active Users к Weekly Active Users). Третий критерий — устойчивость эффекта. Мы не гонимся за разовыми всплесками активности, нам нужен сравнимый значимый результат на долгосрочном горизонте.

Многие проекты до сих пор носят экспериментальный характер, и я бы сказал, что в промышленные решения перерастает около 10−40% от общего числа. Многое «отсеивается» на стадии внедрения или тестирования ценности, уходит на доработку. Но некоторые проекты успешно выходят в «прод».

Долгое время банки развивались по пути удобства: создавали интуитивные приложения, где все разложено по полочкам. Следующий шаг — переход от удобного «автомобиля» к «автопилоту». Взгляните на Tesla. Сначала появились ассистенты, помогающие держать полосу, а теперь система может полностью взять управление на себя. Именно такую эволюцию я вижу и в банкинге. 

К этому стремятся многие ведущие игроки рынка.

Вторая трансформация касается способа взаимодействия. Перегруженные функциями приложения привели к «цифровой слепоте», и клиенту приходится пролистывать несколько экранов, чтобы выполнить простую операцию.

Вы формулируете свою потребность текстом — и банк ее исполняет.

Этот тренд уже есть в других отраслях. Например, на маркетплейсах ежемесячно на 5% растет доля «длинных запросов». Люди вместо краткого «детская куртка» пишут: «Мне нужна детская куртка для ребенка 5 лет, синего цвета, марки такой-то, до 5000 рублей». И система на основе генеративного ИИ подбирает варианты. Следующий шаг — когда покупка будет совершаться прямо по такому запросу.

Банковская и финансовая деятельность — одна из наиболее регламентированных сфер. Ключевая задача в регулировании ИИ — найти баланс. С одной стороны давать компаниям пространство для экспериментов, а с другой — обеспечивать безопасность клиентов.

Вероятно, самый правильный путь — создание экспериментальных правовых режимов, когда можно безопасно тестировать новые технологии, а затем формировать полноценное регулирование для массового внедрения. Положительные примеры такого подхода — инициатива OpenAPI, позволившая финансовым институтам эффективно взаимодействовать между собой, и цифровой рубль, когда вместо запрета решили поэкспериментировать и получили хорошую инициативу с цифровыми деньгами.

ИИ дает невероятные возможности для гиперперсонализации и влияния. Здесь перед банком стоит осознанный выбор. Можно использовать эту мощь, чтобы подпитывать в клиенте FOMO (страх упущенной выгоды) и подталкивать к импульсивным, не всегда выгодным для него решениям. Но мы выбираем другую стратегию.

Мы позиционируем себя как партнер для долгосрочного развития клиента. Поэтому во всех коммуникациях и продуктах мы делаем акцент не на принуждении к сиюминутной покупке, а на совете и осознанном выборе, объясняя, почему-то или иное решение может быть правильным.

Наша стратегия развития строится прежде всего вокруг потребностей и жизненного пути наших клиентов. Мы стремимся быть не просто банком, а современной неотех-платформой, чтобы закрывать не только банковские потребности, но и потребности, связанные с жизнью человека. У нас уже есть собственные сервисы, связанные с путешествиями, оплатой топлива на заправках и другие.

Концепция агентской экономики — интересное направление, привлекающее сегодня многих. Активно обсуждается, что ИИ-агенты станут самостоятельными участниками рынка. На мой взгляд, в обозримом будущем полноценный агент для покупок будет скорее похож на «автоматизированные руки» для вашей дебетовой карты — инструмент вроде RPA для личных финансов. Вы делегируете ему техническую часть — поиск, сравнение, оплату, но финальное решение остется за вами. Именно в такой форме агентская экономика и начнет набирать обороты. Чтобы агенты стали по-настоящему самостоятельными «деятелями», потребуется время и соответствующая регуляторная база. Сейчас идет этап экспериментов, которые должны активизироваться в ближайшие год-два, и мы также участвуем в них, исследуя возможности внедрения полезных агентов для платежей.