Как на самом деле выглядит цифровизация банка

Про цифровизацию банка принято говорить как про выбор технологии: какую платформу поставить, какую модель подключить. На практике всё решается уровнем выше. Технологии сегодня доступны всем одинаково, и преимущество получает не тот, кто первым что-то внедрил, а тот, кто связал внедрение с целями бизнеса, посчитал экономику и оказался готов менять процессы, а не только системы.

Трансформация затрагивает стратегию, операционную модель, бюджет, культуру, безопасность и клиентов. Это управленческая задача, а не проект ИТ-отдела.

Почему изменения буксуют при полной поддержке сверху

Руководство почти всегда за перемены. Проблема в том, что стратегию нужно «заземлить» на процессы и цели линейных подразделений — иначе она остаётся презентацией. Открытого сопротивления при этом почти не бывает: встречается пассивное. Доступ к данным согласуется неделями, пилот затягивается, результаты всё время требуют уточнения.

Отдельная причина — формулировка. Фраза «внедрим ИИ для повышения эффективности» для сотрудника контакт-центра звучит как «нас будут сокращать». Пока это не проговорено прямо, линия будет тихо саботировать любой пилот.

Четыре группы проектов и один подвох

Бизнес-кейсы цифровизации обычно делятся на четыре группы, и у каждой свой способ доказательства.

• Клиентский сервис: скорость, качество обслуживания, удержание.
• Расходы: стоимость обращения, нагрузка на людей, ручные операции.
• Доходы: конверсия, средний чек, повторные продажи.
• Риски и комплаенс: мошенничество, соблюдение регламентов, проверяемость решений.

Подвох в сроках. Исследовательские проекты окупаются за два-три года, и на такой горизонт готов не каждый комитет. На практике всё, что не окупается за год-полтора, откладывается — даже если выглядит перспективно.

Метрики, без которых проект остаётся технологией

Главная причина, по которой ИИ-проект не удаётся защитить, — отсутствие замера «до». Эффект потом невозможно показать: цифры есть, а сравнить их не с чем. Вот показатели, которые стоит снять до старта.

• FCR — доля вопросов, решённых с первого обращения. Смотреть за день, неделю и месяц: падение показателя означает рост повторных звонков.
• NPS — доля тех, кто ставит 9–10, минус доля тех, кто ставит 0–6. Оценки 7–8 не учитываются вовсе.
• CSAT — доля оценок 4 и 5. Нормальным уровнем считается 80 % и выше.
• AHT — среднее время обработки обращения. Не путать со скоростью ответа: её задают уровнем сервиса, например «80 % звонков за 20 секунд».
• WER — доля ошибок распознавания речи. На языках, для которых мало размеченных данных, и на смешанной речи она легко превышает 30 %.
• Ротация — сколько операторов меняется за месяц. 10 % означает, что каждый месяц нужно нанимать и обучать десятую часть смены.

Метрика нужна не для отчёта, а для сравнения. Без замера «до» любой результат остаётся мнением.

Почему ИИ первым приходит в клиентский сервис

Причина простая: здесь есть всё, что нужно для доказательства эффекта. Данные накоплены, операционные метрики считаются годами, процесс понятен и повторяем. Поэтому быстрее всего окупаются речевая аналитика, подсказка оператору в разговоре, поиск по базе знаний и сводки по всплескам обращений.

Внутренние помощники для кадров, юристов и финансистов, поиск по документам и универсальные ассистенты дают эффект медленнее — обычно дольше полутора лет. Это не значит, что их не нужно делать: это значит, что начинать с них рискованно.

Где ИИ буксует

• Инфраструктура: облако требует обезличивания данных, развёртывание в своём контуре стоит дороже и занимает больше времени.
• Люди: специалистов, которые умеют доводить модели до продакшена, мало.
• Безопасность и комплаенс: нужен контроль человеком там, где решение затрагивает клиента.
• Страх сотрудников: пока линия ждёт сокращений, она не помогает пилоту.
• Качество данных: модель, обученная на мусоре, уверенно выдаёт выдумку.

Четыре барьера из пяти — организационные, а не технические. Снимать их нужно до старта проекта, а не после первого неудачного пилота.

От подсказки к агенту: куда идёт рынок

Рынок переходит от систем, где решение принимает человек, а машина подсказывает, к агентам, которые действуют сами. Для банка это сразу упирается в персональные данные, банковскую тайну, ответственность за решение и интеграцию с десятками систем.

Разумный порядок — наращивать автоматизацию поэтапно. Сначала запись, анализ и контроль качества: система смотрит и показывает. Потом автоматические сценарии там, где качество уже подтверждено на ваших же записях.

Шесть вопросов перед запуском

1. Какую именно проблему решаем и чья это проблема?
2. Какими метриками измерим исходное состояние и результат?
3. Что оставляем внутри банка, а что отдаём партнёру?
4. Как решение встроится в архитектуру, данные и процессы?
5. Кто и как управляет моделями, их качеством и безопасностью?
6. Как устроена передача знаний, чтобы банк не остался зависимым?

Что это даёт на практике

Цифровизация выигрывается не на уровне платформ, а на уровне операционки. Банку нужны не ещё одна система, а результаты: разбор всех разговоров вместо выборки, меньше времени на обращение, мошенничество, замеченное до того, как деньги ушли, и отсутствие повторных звонков по одному и тому же вопросу.

В наших банковских проектах это выглядит так: автоматический контроль качества по 100 % коммуникаций вместо выборочных 2–5 %, снижение среднего времени обработки на 10 % и перевод 19 % клиентов в цифровые каналы. Цифры разные у разных банков, и считать их нужно на своих записях — но порядок величин именно такой.