Что ИИ дает бизнесу. Опыт Банка ЦентрКредит, Tele2/Altel, Mechta.kz, Datanomix.pro

Искусственный интеллект работает и приносит измеримые результаты, если над ним работать. Системно — от упорядочивания данных в компании до формирования правильной цифровой культуры среди всех сотрудников. Также к ИИ важно относиться как к инструменту (одному из), который служит целям бизнеса, а не является самоцелью или просто пиар-поводом заявить о себе: «Мы тоже внедрили ИИ!».

Такие выводы можно сделать из панельной сессии «AI в действии: кейсы внедрения в бизнес», которая состоялась на выставке-форуме AlmatyFair.ai. Своим практическим опытом поделились топ-менеджеры известных на рынке брендов: CDO, вице-президент по управлению данными и розничному риск-менеджменту Банка ЦентрКредит Рубина Лозовая, директор по данным и аналитике Tele2/Altel Станислав Стрельцов, руководитель проектного офиса Mechta.kz Галымжан Амангельды и сооснователь компании Datanomix.pro Александр Полоротов. Модерировал панель директор Digital Business Виталий Волянюк.

Открывая обсуждение, Виталий Волянюк отметил:

— Сейчас вокруг темы искусственного интеллекта — много медийного хайпа. На всякий случай напомню, что понятие ИИ — совершенно не новое. Само определение и первые работы на тему искусственного интеллекта — от Алана Тьюринга, Клода Шеннона, Джона Маккарти и других математиков и кибернетиков — появились в 50-е годы прошлого века. Но активное применение ИИ в бизнесе мы наблюдаем последние 15–10 лет. Это связано с развитием технологии глубокого машинного обучения — deep machine learning. С тем, что компании накопили большие данные и оцифровали их. С ростом вычислительных мощностей. А в последние годы мы наблюдаем и активный рост генеративного искусственного интеллекта, который не просто анализирует информацию, определяет и классифицирует объекты, но и генерирует контент: текст, изображение, видео, коммуникацию с клиентами. И, конечно, это открывает новые бизнес-возможности.

Хотелось бы, чтобы мы сегодня поговорили о применении ИИ в компаниях именно с точки зрения создания value для бизнеса. Как технологии помогают реализовать стратегию компании, увеличивать продажи, делать маркетинг более точным, эффективным, сокращать затраты на различные рутинные процессы и т. д. Буду признателен нашим спикерам за конкретные метрики повышения эффективности в ваших компаниях благодаря ИИ.

Также хотелось бы обсудить следующие вопросы:

• С какими вызовами сталкивается компания, вы лично, при внедрении технологий искусственного интеллекта? Как их преодолеваете?
• Какие решения используете: open source, платные инструменты с закрытым кодом, инхаус-разработки?
• Что представляет собой команда, которая занимается внедрением инструментов искусственного интеллекта, сколько в ней человек и какие ключевые роли?
• А в завершении – поразмышлять о том, как будут распределяться функции между ИИ и человеком в бизнесе в ближайшие годы. И с учетом накопленного вами опыта сформулировать рекомендации для других казахстанских компаний, которые хотят внедрять у себя ИИ-инструменты — с чего начать, на что обратить внимание.

Стартуем!

Рубина Лозовая: «В Банке ЦентрКредит AI – это про устойчивое развитие и ответственное кредитование»

— Если говорить об успешных кейсах применения инструментов ИИ с подтвержденным финансовым эффектом в нашем банке, то первый – это развитие розничного кредитования на принципах социально-ответственного подхода. С помощью ИИ и Big Data мы глубоко понимаем потребности клиента, точно прогнозируем его платежеспособность, предлагаем решение, которое он сможет обслуживать. Результат: третье место по размеру ссудного портфеля среди банков второго уровня Казахстана и качество портфеля — в 4 раза лучше рынка.

В сентябре 2024 года мы получили международное подтверждение: по оценке S&P Global Corporate Sustainability Assessment вошли в топ-10% банков всего мира по уровню ESG-зрелости. Такой подход формирует и внутреннюю культуру управления рисками: осознанный выбор, консервативный риск-аппетит, долгосрочная ответственность перед клиентами и экономикой. Для нас ИИ — это про доверие, ответственность и устойчивый рост.

Второй кейс – создание собственной ML-платформы, которую мы сейчас масштабируем до полноценной ИИ-платформы для разработки всех моделей: DL, TTS, ASR, LLM. Масштабирование инфраструктуры ML-платформы розничных рисков для других направлений: цифровых продуктов МСБ, монетизации и развития лояльной клиентской базы, голосовых технологий и виртуальных ассистентов в collection, операционного центра, HR и т.д. Спустя годы мы убеждаемся, что кастомизация ML-платформы стала для банка стратегическим преимуществом.

Платформа не завязана только на open source. Мы активно комбинируем платные сервисы (ChatGPT, AWS, Yandex и др.), внутренние решения, особенно при работе с чувствительными данными, и экспертную оценку DS-команды – под каждую конкретную задачу. Например, общедоступные данные анализируются с помощью внешних ML-сервисов, клиентские данные обрабатываются исключительно в контуре банка, через кастомные решения с учетом всех стандартов безопасности.

Если говорить об оценке эффекта, то в стратегии развития БЦК одной из ключевых метрик определен показатель STP (Straight Through Processing) — это автоматизация процессов от начала до конца без участия человека. Понятие STP появилось в начале 1990-х годов, но сегодня оно эволюционирует: просто автоматизировать — уже недостаточно. Ключевой прорыв дает искусственный интеллект. Это про умные, самообучающиеся процессы, которые движутся вперед благодаря ИИ. Он помогает распознавать и анализировать данные, принимать решения в реальном времени, оптимизировать поток операций, учиться на примерах и становиться умнее. STP — это метрика зрелости, это интеллект внутри процесса. Она показывает, насколько глубоко ИИ встроен в процессы, а не просто прикручен сверху.

Важно помнить, что STP — это не только про технологии. Это про культуру процессов. Цифровой банк будущего — это не где «есть ИИ», а где ИИ и процессы неотделимы.

Для генерации идей по оптимизации процессов, развития бизнеса, сокращения расходов в прошлом году мы запустили платформу BCC Voice — площадку, где каждый сотрудник банка может сделать предложение и будет услышан. Сотрудниками за январь-февраль 2025 предложено через платформу 326 идей, многие с применением ИИ.

В своих выступлениях я часто подчеркиваю: в Банк ЦентрКредит мы развиваем ИИ не ради технологий, а ради конкретного результата. Наши три ключевых направления внедрения ИИ:

1. Рост качественных продаж. ИИ помогает понять, что действительно нужно клиенту — и когда. Как измеряем: конверсия, показатель удержания клиентов, доля кросс-продаж по предиктивным моделям, LTV (lifetime value) по ИИ-клиентским сценариям.

2. Клиентский сервис. ИИ повышает скорость, персонализацию и удобство в обслуживании: от ассистентов до рекомендательных систем. Как измеряем: NPS (индекс лояльности клиентов), количество обращений, закрытых ИИ без участия человека, среднее время ответа (в чатах/ботах), % успешных самообслуживаний.

3. Оптимизация рутины. ИИ и RPA освобождают время сотрудников для решений, а не повторяющихся действий. Как измеряем: рост показателя STP (Straight Through Processing), количество процессов, автоматизированных ИИ, экономия времени (человеко-часов), снижение операционных ошибок.

ИИ — не про «где-то работает». Мы четко знаем, что, где и зачем он делает — и какую ценность приносит бизнесу и клиенту.

Если говорить про команду, то в прямом и функциональном подчинении в офисе СDO около 400 человек. Команда состоит из 4 центров: Центр управление данными (единое корпоративное хранилище для банка и в будущем для всего холдинга), DQ&DG, управленческая и регуляторная отчетность. Центр CVM и монетизации данных, включая клиентскую аналитику, СRM, запуск кампаний для развития лояльности. Центр розничного риск-менеджмента (кредитный конвейер, антифрод, цифровой коллекшн) и единый Центр развития AI, где мы централизовали все ИИ-компетенции, чтобы использовать ресурсы эффективно.

Станислав Стрельцов: «Для нас важны не абстракции, а конкретные цифры»

— Уже несколько лет мы используем в Tele2/Altel машинное обучение. Если говорить об эффективности, то мы можем выделить 2 вида эффектов: прямой и косвенный. Прямой — это продажа различных продуктов и сервисов на основе больших данных в B2B/B2G секторе. Мы предлагаем как готовые решения, так и решения под ключ. Косвенный — это оптимизация процессов: колл-центр, строительство сети, предиктивная аналитика, улучшение клиентского опыта и т.д.

Для нас ИИ — это не модный инструмент, а способ реального повышения эффективности. Клиенты получают лучший сервис, а мы сокращаем издержки.

Если говорить про наши бизнес-результаты, то в сегментах B2B и B2G в последние четыре года наша выручка растет на 70–100% ежегодно. Мы ставим себе цель расти и дальше в таком темпе. Это не рост с низкой базы — потому что мы уже занимаем порядка 20-30% казахстанского рынка в этом сегменте и целимся в цифру 50%.

Отмечу инкрементальный эффект от управления клиентской ценностью (CVM) – рост за 4 года по выручке в 10 раз. Одним из ключевых инструментов, благодаря которому достигнут этот результат, является ИИ.

Также в прошлом году рекомендательная система на базе ИИ от Tele2/Altel была признана авторитетной исследовательской компанией Gartner. Мы в одном списке Gartner рядом с такими брендами, как AT&T, Verizon, China Mobile.

Внутреннюю эффективность мы измеряем с помощью A/B-тестов, симуляций и метрик. Для нас важны не абстракции, а конкретные цифры. Насколько вырос NPS, сократились затраты, увеличилась конверсия.

Ключевые сложности, с которыми мы сталкиваемся при внедрении машинного обучения, ИИ — внешние, законодательные. У нас в стране есть Закон о связи и Закон о персональных данных и их защите. Закон о персональных данных говорит, что если ваши данные о клиентах деперсонализированы, то вы можете передавать их в облако, использовать AWS и т. д. Но Закон о связи, который распространяется исключительно на телеком-операторов, идет вразрез с законом о персональных данных. Согласно ему, вы не можете передавать данные во внешнее облако, вам нужно работать с ними исключительно внутри страны.

К чему это приводит? Вам нужно «скейлить» свое собственное оборудование. С одной стороны это позволяет наращивать экспертизу, становиться крутыми экспертами в области оптимизации собственного железа и вычислительных алгоритмов, а также получить определенный уровень безопасности. С другой – может сильно повлиять на скорость внедрения решений. Благо в Казахстане сейчас уделяется пристальное внимание к развитию AI и Big Data. Возможно, через год мы встретимся с вами на аналогичном форуме, и я расскажу, как все кардинально изменилось в этой области.

Какие ИИ-решения мы используем? У нас, как и у коллег из Банка ЦентрКредит, тоже около 90% ИИ-платформы построено на open source-решениях. В нашей ситуации я не могу назвать это осознанным выбором – это проактивная реакция на стратегию компании, огромная техническая экспертиза команды и необходимость получить быстрые результаты, не дожидаясь закупочных процессов.

Конечно, сейчас есть очень много крутых enterprise-инструментов в различных областях. Многие из этих решений мы не будем пытаться повторять в inhouse. Если вы хотите сделать свой собственный «OpenAI» внутри компании, то вы сами понимаете, какого размера должны быть инвестиции. И какие здесь возникают риски и какой горизонт выхода инвестиций на прибыль (если она будет). Подобные решения должны исходить из стратегии компании. Мы все-таки client-driven и business-driven организация. Для нас, прежде всего, важны результаты с точки зрения клиентской удовлетворенности и бизнес-эффективности, а также скорость, с которой мы их можем получить. ИИ служит для этого средством, а не самоцелью.

Если говорить про команду, которая занимается внедрением ИИ-инструментов, то у нас она довольно компактная — около 80 человек. При общем штате компании в 2 тыс. сотрудников наша data-команда составляет примерно 4% от общей численности. Ориентируемся на лучшие мировые практики — считается эффективным, когда data-подразделение в компании составляет не более 5% от всего штата.

Роли внутри нашей команды достаточно стандартны: software engineers, data engineers, data governance, BI engineers, machine learning engineers, data-аналитики и еще несколько data-related профессий. Стараемся нанимать на работу тех, кто хорошо понимает и как работать с данными, и бизнес-логику.

Галымжан Амангельды: «С учетом масштабов компании повышение эффективности любого направления на 10% — уже дает серьезный эффект»

— Активную технологическую трансформацию в Mechta.kz мы начали несколько лет назад. Сначала наводили порядок в данных, структурировали бизнес-процессы. А вот пилотное внедрение ИИ-проектов произошло в прошлом году. Сейчас у нас уже есть ИИ-проекты, которые показывают измеримый эффект.

Это, например, система персонализированных рекомендаций. Мы анализируем поведение клиентов, формируем «идеальные образы» и предлагаем каждому то, что действительно нужно.

Кроме того, более 20% всех продаж у нас уже проходит через онлайн-канал. И именно ИИ-решения поддерживают рост этого сегмента — от рекомендаций до обработки заказов и общения с клиентами.

Мы также внедрили речевые технологии, которые позволяют экономить более 10% затрат на обслуживании. С учетом масштабов компании, это ощутимая экономия.

Мы работаем итерационно. Запускаем пилоты, смотрим на метрики — если гипотеза срабатывает, масштабируем. Один из успешных кейсов — доставка в Астане за 2 часа. Мы протестировали идею, построили внутренние процессы, подключили аналитику — и увидели, что инвестиции в ускорение доставки приносят ROI выше 20%. Сейчас думаем, как сделать это стандартом по всей стране.

При внедрении в компании ИИ очень важно формировать правильную культуру среди сотрудников. Мы много вкладываем в обучение наших коллег, в популяризацию новых технологий внутри компании. Объясняем, что это не угроза, а поддержка. Чтобы ИИ стал повседневным инструментом для каждого сотрудника.

Если говорить про команды, которые занимаются внедрением ИИ, то у нас есть проектный офис, который на текущий момент отвечает за цифровые инициативы, в том числе ИИ-проекты, и отдел разработки, который помогает воплощать эти инициативы в жизнь. Совокупно цифровой трансформацией занимаются более 120 человек: разработчики, аналитики, проджект и продакт-менеджеры… Это около 4% всей компании.

Мы собираем идеи от сотрудников, находим точки роста в компании, затем подключаем нашу ИТ-команду и запускаем пилоты.

Делаем инхаус-разработку там, где это дает конкурентное преимущество. В остальном используем готовые инструменты — от Microsoft, OpenAI и других известных вендоров. Соглашусь с коллегами: главное — не инструмент, а эффект, который он приносит бизнесу.

Александр Полоротов: «Меньше 20% компаний получили измеримый эффект от внедрения ИИ»

— Успешные кейсы внедрения ИИ, которые представили коллеги из Банка ЦентрКредит, Tele2/Altel, Mechta.kz — это, к сожалению, скорее исключения, «ошибка выжившего». Недавно мы в Datanomix.pro провели исследование. Опросили 112 респондентов из 80 компаний, из них только 12% сообщили, что уже смогли получить измеримый бизнес-эффект от внедрения ИИ. Остальные — более 80% — заявили, что либо не получили результата, либо пока не смогли его замерить.

Почему так происходит? В чем ключевые барьеры?

Барьер номер один — начинать с технологии, а не с бизнес-стратегии. Компании потратили много времени и денег, чтобы стать data-driven, а выигрывают те, кто вовремя сместил фокус на, то чтобы быть value-driven. Просто «Хочу AI, чтобы был AI» — это безвозвратные затраты. Без внятной связки с целями и цепочкой создания ценности компании ничего не получится.

Второй барьер — бардак в данных. Мы часто сталкиваемся с тем, что в компании нет даже единого клиентского профиля или нормальной номенклатуры товаров. В таких условиях строить ИИ-платформы и внедрять ИИ-агентов — все равно что лить воду в решето.

Что должно быть в компании, чтобы ИИ дал результат?

Я называю это «ИИ-зрелость». В компании, если коротко, должны быть:

• Стратегия. Выявление направлений бизнеса, где ИИ может усилить результат. Синхронизация между бизнес-подразделениями и ИТ, офисом управления данными.
• Гигиена данных — чистые и доступные данные.
• Культура — люди должны понимать, что ИИ — это помощник, а не угроза, которой надо сопротивляться. В этом помогают внутренние «чемпионы».
• Продуктовый подход — нужно тестировать гипотезы, двигаться итерациями, а не внедрять огромный проект сразу.

Какие направления наиболее перспективны для внедрения ИИ в бизнесе?

По нашему опыту, это:

Оптимизация рутинных операций— процессы консолидации финансовой, управленческой, регуляторной отчетности и рекомендация конкретных решений на их основе. Дашборды, отчеты не приносят ценность без принятых решений и совершенных действий. LLM позволяют формулировать решения, а RPA-роботы выполнять их. Мы автоматизируем тысячи человеко-часов и видим на нашем рынке еще большой потенциал в этой сфере.

Закупки и прогнозирование цен. Наша система redflags.ai позволяет анализировать рынок закупок товаров и услуг, выявлять неэффективные затраты, прогнозировать оптимальные закупочные цены. Это дает экономию для компаний в десятки-сотни миллионов тенге и больше, в зависимости от размера бизнеса.

Персонализация маркетинга, работы с клиентами. Но она возможна только там, где есть чистые клиентские данные.

С чего компаниям начинать внедрение ИИ?

Александр Полоротов:

— Начните с простого:

• организуйте пространство для генерации гипотез, кейсов монетизации ваших данных с помощью AI;
• не стройте сразу «цифрового единорога», выберите один понятный кейс, где можно получить измеримый результат за 1–3 месяца;
• проведите оценку качества данных для реализации гипотез;

И главное — не бойтесь. ИИ — не магия. Это просто инструмент. Но чтобы он работал, его нужно держать в руках, учиться им пользоваться.

Рубина Лозовая:

— Во-первых, начните с бизнес-стратегии — поймите, какие задачи вы решаете. Во-вторых, обратите внимание на качество данных. И в-третьих — создайте внутри культуру, где ИИ не пугает людей, а помогает им.

Все остальное — вопрос практики, экспериментов и адаптации. Главное — начать.

Заменит ли ИИ «белковых» сотрудников?

Станислав Стрельцов:

— Не заменит. Что люди умеют делать лучше всего? Правильно, адаптироваться. Поэтому даже если ИИ заменит нас во всех существующих профессиях, мы найдем новые профессии. Он будет нас «догонять», а мы — двигаться вперед.

Галымжан Амангельды:

—ИИ не сокращает людей, он освобождает их. Мы в компании после автоматизации какой-то функции не увольняем сотрудников, а переводим их на более важные задачи. Повседневная рутина уходит, а люди сосредотачиваются на развитии. При этом, да, важна адаптивность, готовность меняться.

Александр Полоротов:

— Я думаю, что люди в компаниях будут трансформироваться в дирижеров, операторов AI-агентов. Все-таки ИИ не получает в реальном времени информацию из физического мира. Может не чувствовать в нюансах бизнес-контекст, внешние изменения. Поэтому уверен, что классные эксперты, понимающие бизнес, будут востребованы и при дальнейшем развитии технологий. Как дирижеры управляют оркестрами, они будут управлять AI-агентами в компании.

Рубина Лозовая:

— Я как раз недавно опубликовала на эту тему пост в Instagram. Моей дочери 18 лет. Она выбирает профессию. И слышит от сверстников: «Зачем учиться? Все равно скоро ИИ всех заменит»… Я считаю, что ИИ не заменяет людей — он меняет характер задач и порождает новые роли. Уже сейчас мы видим рост потребности в трех ключевых направлениях:

1. ИИ-разработчики нового поколения – те, кто понимают бизнес-цели и умеют готовить данные и строить правильную ML-архитектуру.

2. Бизнес-аналитики с ИИ-компетенциями: знают, как работает бизнес «изнутри», формируют гипотезы и метрики.

3. Процессные и системные аналитики – эта роль становится стратегической, потому что эти сотрудники выстраивают цифровые процессы, повышают STP, выявляют узкие места и автоматизируют рутину с помощью ИИ. Резюмируя: ИИ — не конкурент. Он партнер, усиливающий людей.

В ближайшее время редакция Digital Business планирует также опубликовать серию интервью о внедрении ИИ в казахстанских компаниях.