В конце марта в Алматы прошла выставка-форум по теме искусственного интеллекта AlmatyFair.ai. Во время дискуссионной панели на событии своим опытом внедрения AI в бизнес поделись топ-менеджеры известных на нашем рынке брендов. Одним из спикеров выступила CDO, вице-президент по управлению данными и розничному риск-менеджменту Банка ЦентрКредит Рубина Лозовая. В банке в последние годы происходит серьезная AI-трансформация. Кейс БЦК – как бизнеса, который не был запущен с нуля в цифровую эпоху, а существует на рынке давно и смог успешно перейти из аналоговой реальности в цифровую и по многим направлениям находится сейчас, что называется, на переднем крае – кажется интересным для изучения. При этом кейс – в развитии, AI продолжает внедряться по всему периметру банка, разворачивается на 360°.
Поэтому редакция Digital Business после панели на форуме решила записать большое интервью с Рубиной. Чтобы подробнее поговорить о результатах внедрения технологий искусственного интеллекта. Получить конкретные примеры его применения. Узнать, какие новые профессии появляются в банке с учетом развития AI и замещения им части операций, которые раньше выполнялись сотрудниками-людьми. А также о том, как меняются подходы и роли при создании продуктов в клиентоцентричной, data-ориентированной модели.
Полагаем, наша беседа будет интересна и руководителям, которые отвечают за бизнес-направления, и digital-специалистам.
«Экономический эффект в сотни миллиардов тенге»
– В этом году, насколько я знаю, будет пять лет, как Банк ЦентрКредит активно внедряет AI в бизнес-процессы. Во время дискуссионной панели на AlmatyFair.ai вы отметили три ключевых направления, где используется искусственный интеллект: рост качественных продаж, клиентский сервис, оптимизация рутины. Хотелось бы углубиться в каждое из них. Поговорить про конкретные метрики и кейсы. Начнем с продаж: как изменились их объемы и качество?
– Если говорить о качественных продажах, то ключевое направление, в котором мы начинали внедрять AI 5 лет назад и где уровень зрелости более высокий – это запуск розничного кредитования на принципах социально-ориентированного подхода. Наш банк – один из первых коммерческих банков в Казахстане с 36-летней историей. У нас достаточно консервативный подход к риск-аппетиту. И главный ориентир нашей стратегии, всей нашей деятельности – устойчивое развития. Фокус мы делаем на устойчивых, доверительных, честных и долгосрочных отношениях с клиентами.
Уже в 2022 году мы отказались от кредитного комитета в рознице и кредитный портфель на 100% сформирован автоматизированными кредитными стратегиями на основе моделей ИИ и исключает влияние человеческого фактора в принятии решений. С 2023 года Банк ЦентрКредит находится на третьем месте в стране среди банков второго уровня по объему кредитного портфеля в рознице. Инструменты AI встроены во все процессы клиентского пути: от заведения клиентской заявки в кредитном конвейере, противодействию мошенничеству, развитию лояльности до взыскания. С помощью AI и Big Data мы научились глубже понимать и прогнозировать потребности клиента, лучше оценивать платежеспособность, предлагать персональные решения, которые клиент точно сможет обслуживать.
–Какие метрики можно использовать для оценки эффекта внедрения 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, о которых я говорила на форуме.
1. Рост качественных продаж. ИИ помогает понять, что действительно нужно клиенту — и когда. Мы фокусируемся не на количестве офферов, а на точности «попадания».
Если говорить о продажах в розничном кредитовании, то традиционно используются показатели уровня одобрения, конверсии и просроченной задолженности. Показатель NPL 90+ (характеризует величину просроченной задолженности сроком более 90 дней в кредитном портфеле – прим. Digital Business) напрямую влияет на прибыль и через риск-премию на ставку процента для клиента. Уже четыре года этот показатель у нас в разы ниже рынка – по данным аналитики Первого кредитного бюро и статистики, которая публикуется на сайте Национального банка.
Во вторичных продажах лояльным клиентам мы используем следующие метрики: конверсия по ML-предложениям, показатели удержания клиентов, доля кросс-продаж по предиктивным моделям, LTV по ИИ-клиентским сценариям.
2. Клиентский сервис. ИИ повышает скорость, персонализацию и удобство в обслуживании: от ассистентов до рекомендательных систем. При запуске каждого проекта совместно с заказчиком составляется список из десятков критериев оценки успешности MVP и последующего масштабирования. Глобально оцениваем NPS (индекс лояльности клиентов), VoC (Voice of the Сustomer), 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.
Постоянно оценивая эффекты внедрения ИИ, мы уходим от ситуации «ИИ — «где-то работает». Мы четко знаем, что, где и зачем он делает — и какую ценность приносит бизнесу и клиенту. Как внешнему, так и внутреннему – нашим сотрудникам.
–Что это дает банку в абсолютных цифрах?
– Если сопоставить качество кредитного портфеля до внедрения скоринговых ML-моделей с результатами после, то, с учетом динамики NPL нашего портфеля, на каждый триллион выданных кредитов мы экономим порядка 50 млрд тенге. Это та сумма, которая, потенциально могла бы стать проблемной задолженностью. Но не стала благодаря нашим скоринговым моделям, процессам с использованием AI, стратегии по устойчивому развитию. Над реализацией этой стратегии работают все сотрудники в банке. На портфеле объемом в несколько триллионов тенге мы получаем экономический эффект в сотни миллиардов.
– Очень серьезный результат…
– В этом суть социально-ориентированного кредитования. Добавлю, что качество нашего ссудного портфеля подтверждается постоянным ростом международных кредитных рейтингов. Также в прошлом году, по оценке S&P Global Corporate Sustainability Assessment, мы вошли в топ-10% банков всего мира по уровню ESG-зрелости. С конца 2023 года регулятор включил БЦК в список системообразующих банков Казахстана.
Поэтому точно можно сказать, что ИИ в БЦК — это не про хайп. Это про результаты, устойчивость и честность перед клиентом.
Как робот контролирует робота
– Если говорить про клиентский сервис, то как конкретно его улучшает ИИ?
– Приведу конкретный пример. Мы активно внедряем голосовых роботов и ставим перед собой амбициозную задачу, чтобы они работали лучше, чем операторы-люди. Тема роботов – не новая, организации по всему миру используют их уже около 15 лет. Но в большинстве случаев клиент сразу понимает, что говорит с роботом и просит переключить на оператора. Здесь у нас есть метрика, которую мы отслеживаем, – доля успешно закрытых звонков без оператора. И она должна быть не менее 50%. Постоянно улучшая модели, мы достигаем роста показателей эффективности, в среднем за последние 2 года – доля обращений, отработанных роботом, составила не менее 65%.
Дополнительно мы анализируем, как меняется статистика нашей Службы жалоб и обращений, Voice of the Customer и клиентские оценки после коммуникации. По роботу тоже бывают единичные жалобы на недостаточную вежливость. По факту разбора одного из таких диалогов обнаружили, что робот не совсем правильно понял вопрос клиента, но, интересный момент, клиент продолжал диалог, думая, что общается с оператором.
Правильные метрики способствуют развитию инструментов ИИ, когда мы не останавливаемся на достигнутом, а постоянно совершенствуем наши модели.
Когда мы внедряем какое-то решение, например, виртуального ассистента, мы рядом добавляем AI-инструмент с функцией мониторинга. То есть рядом с голосовыми роботами есть технология речевой аналитики, которая каждый день в режиме реального времени транскрибирует все разговоры и анализирует их на отсутствие галлюцинаций, соответствие регламенту и обязательно измеряет тональность, с которой клиент завершил коммуникацию.
–Робот контролирует робота?
– Скажем так: работу ИИ контролирует более умная ИИ-модель. Обычно более умные модели требуют больше ресурсов, поэтому для вывода в бой используются квантизированные, более легковесные модели. А тяжеловесные применяются в инструментах мониторинга, в качестве анализатора. С их помощью проводится пост-аналитика корректности ответов боевых моделей.
– Оценивая обратную связь клиентов, больше смотрите на NPS или Voice of the Customer?
– Безусловно, замеряем и отслеживаем NPS. Но здесь важно уточнить. NPS замеряется по всем клиентам, офлайн и digital. Банк – гибридная структура, у нас большая филиальная сеть с отделениями по всей стране. Мы прекрасно понимаем, что достаточно большая часть населения принципиально предпочитает обслуживаться в физических каналах. А для офиса CDO важно то, что происходит в digital. Тем не менее, физические каналы сейчас тоже «прошиваются» цифровыми решениями.
Пример: доля ипотеки, которая выдается полностью онлайн, в нашем банке превышает 65%. Есть клиенты, которые проходят весь цифровой путь, но все равно хотят прийти в банк для заключения сделки. Это нормальный запрос. Мы это учитываем и полностью переводить ипотеку в онлайн, пренебрегая предпочтениями части клиентов, не планируем. Для нас ключевое, что сейчас практически весь процесс, связанный с выдачей ипотечного кредита, происходит в цифровом канале – в среднем за день. За последнее время мы существенно повысили уровень STP, автоматизация процессов от начала до конца без участия человека. Благодаря этому разгрузили сотрудников наших отделений.
Для понимания удовлетворенности клиента процессами и сервисом в банке реализовали процесс оценки Voice of the Customer. После любой операции – будь то онлайн или офлайн. И здесь мы стремимся быстро реагировать, если оценка низкая. В данном процессе нам тоже будет помогать AI с инструментом речевой аналитики. Мы планируем анализировать все жалобы (через колл-центр и службу обращений), устные коммуникации. И получаем важные инсайты для развития бизнеса. Клиент может озвучить интересные продуктовые предложения. Плюс мы видим узкие места при выстраивании клиентского пути. Это очень важно.
Резюмируя: считаю, что NPS более общий показатель, а вот Voice of the Customer помогает реагировать в моменте. Изменять бизнес-процессы с учетом оценки клиентов.
– Автоматизация рутины… Наверняка у вас здесь большой набор задач. Но хотел бы попросить поделиться тоже каким-то конкретным наглядным кейсом.
– Из свежего – мы реализовали ИИ-бот для поддержки адаптации сотрудников в помощь нашему HR-подразделению. Готовый бот уже активно тестируется заказчиками в Telegram. В банке работает более 6 тысяч человек. У нас исторически большой охват регионов филиальной сетью. И у сотрудников, и руководителей всегда очень много вопросов – начиная с этапа онбординга новых людей. Дополнительно в банке реализованы процессы регулярной оценки компетенций сотрудников, опрос удовлетворенности для оценки внутреннего NPS и множество других. Это тоже огромный пласт работы и коммуникаций.
Для разгрузки сотрудников HR-направления и помощи им планируем внедрять AI-боты, которые анализируют всю базу знаний HR на основе внутренних нормативных документов. Чтобы боты отвечали на все возникающие вопросы коллег, разгрузив сотрудников HR-подразделения и улучшив сервис для внутренних клиентов.
– Это уже реализованный проект?
– Реализовали MVP, получили благодарность от коллег. Требуется дальнейшее постоянное развитие решения с учетом дополнения текущих процессов, развития базы знаний и т.д. Какое бы решение мы ни взяли – виртуальный ассистент, голосовые технологии, модель кредитного риска или вероятности покупки, реактивации – большие языковые модели требуют постоянной доработки. С учетом волатильности внешних факторов, изменения клиентского потока, потребностей, актуализации базы знаний с учетом новых принятых решений по условиям продуктов, модернизации бизнес – процессов, изменения клиентского пути. AI-решения, как правило, внедряются итерационно, здесь нет предела совершенству. И это, наверное, основной вызов – насколько вы готовы расти и успешно внедрять AI-инструменты в долгосрочном периоде.
Кто отвечает за AI в Банке ЦентрКредит
– Раз уж речь зашла про сотрудников, хотелось бы подробнее узнать про команду офиса CDO, которая занимается внедрением AI в банке, работой с данными… Какие у нее функции, какие задачи сейчас в фокусе?
– В офисе CDO в нашем банке в прямом и функциональном подчинении около 400 сотрудников. Наш офис имеет не совсем общепринятую стандартную оргструктуру. Он состоит из четырех ключевых направлений:
1. Управление данными как фундамент дальнейшей цифровой трансформации банка и холдинга. В прошлом году у нас стартовал проект по реинжинирингу корпоративного хранилища данных. Наш банк успешно функционирует с 1988 года, данных накопилось очень много. Думаю, не будет преувеличением сказать, что за все годы работы Банка ЦентрКредит через него прошел весь Казахстан – розничные клиенты, малый и средний бизнес, корпоративные клиенты. Хранилище создавалось 12 лет назад, и как любая технология, оно требует инвестирования для развития. Как с автомобилем – самая современная машина требует постоянного техосмотра и, выражаясь айтишным языком, рефакторинга. Также в декабре 2024 года мы запустили большой инфраструктурный проект по созданию единого группового хранилища данных, в котором мы объединяем данные всех бизнесов холдинга: страховые компании, лизинг, BCC Invest, BCC-HUB – для синергии работы банка и дочерних организаций.
2. CVM и монетизация данных, чтобы каждая единица данных становилась ценным активом. Все, что касается работы с клиентскими данными, развития клиентоцентричности в банке, клиентской аналитики, CRM. Здесь сосредоточены наши основные KPI: рост активной клиентской базы, показателей лояльности клиентов.
3. Риск-технологии управления розничным кредитным портфелем для устойчивого роста и конкурентного преимущества на рынке. Весь процесс от заполнения заявки на кредит до взыскания. Это модели кредитного риска, кредитный конвейер, антифрод, управление карточными кредитными лимитами, все решения по цифровому collection, голосовые технологии.
4. Развитие стратегии AI и Data Science для ускорения инноваций и повышения эффективности. Это направление контролирует всю разработку решений на базе искусственного интеллекта: решения для колл-центра, продаж, маркетинга, моделей кредитного риска, антифрода, развития лояльности и т.д. Все, что касается AI в банке, решается в этом подразделении. Такая централизация оправдана. 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. За январь-февраль 2025 через платформу было подано 326 идей, многие с применением ИИ. Есть AI-решения, которые уже работают в банке, но не все сотрудники об этом знают. Для разработки единой стратегии внедрения AI на уровне всего банка – чтобы мы в каждом подразделении не внедряли свой AI-инструмент, не дублировали, не умножали расходы – для четкой приоритезация AI-инициатив с точки зрения стратегии банка, задач бизнеса и был создан единый Центр развития AI.
AI и люди: вместо или вместе?
– Сокращается ли в Банке ЦентрКредит персонал с учетом того, что AI замещает многие функции, которые раньше были за человеком?
– Нет, не сокращается. С 2020 года розничный кредитный портфель собственного финансирования вырос более чем в 8 раз. При этом численность сотрудников, чья работа прямо или косвенно связана с процессом кредитования, – от data-сайентистов до collection – осталась практически без изменений. Мы масштабировали выдачи и доход без кратного роста затратной части. Какой вывод? Если вы вовремя внедряете инструменты AI на растущем бизнесе – получаете эффект масштабирования доходов, а постоянные расходы остаются примерно на том же уровне.
И кроме того, если говорить про рабочие места, за последнее время в банке появилось много новых задач, по сути, новых профессий. Поделюсь еще одним конкретным кейсом.
Мы записываем все голосовые коммуникации с клиентом. Потом специалист садится и проводит трехсекундную разметку полученной транскрибации. Такая сегментация текста на короткие фрагменты важна для обучения моделей распознавания и синтеза речи. Работа – тяжелая, механическая. Но посадить на нее стажера мы не можем. Это должен быть человек, который понимает, о чем речь, понимает контекст, хорошо знает продукты банка.
Когда мы тестировали первую модель ASR (модель транскрибации аудио-записей), эффективность ее была порядка 60-70%. Почему так? Необходимо, чтобы модели понимали специфику и внутренние термины банка. Мы разметили совместно с коллегами, нашими внутренними заказчиками, 60 часов и получили эффективность модели порядка 80-90%. Уже гораздо лучше, но недостаточно. Мы не можем консультировать клиентов с вероятностью ошибки в 10-20%. Выяснилось, чтобы достичь условных 95% (уровень точности человеческой транскрибации), нужно разметить 300 часов внутренних данных. А для этого нужен уже не один специалист, а целая команда, которая будет качественно делать разметку. Таким образом создаются новые профессии, новые рабочие места.
Операторы, чье время высвобождается благодаря AI, могут переходить на функционал AI-governance: актуализировать базу знаний, готовить чистые полные данные для моделистов. Это очень важные задачи, без которых невозможна стабильная и актуальная работа AI-инструментов.
Почему так мало пока успешных примеров внедрения AI на рынке? Дело в том, что любые ML-модели и AI-инструменты требуют выстраивания процессов по кропотливому сбору, хранению и обновлению данных. Большие языковые модели успешны, если под капотом полная, постоянно актуализированная база знаний по всем процессам, которые эти модели автоматизируют. Качественные данные формируют единую точку правды, помогают строить правильный клиентский путь, продукты, коммуникации.
В актуальном состоянии важно содержать не только клиентские базы. Но и, например, ту же базу знаний по HR-процессам, о которой я говорила выше. Здесь возникает новый пласт работы для сотрудников HR. И так по каждому направлению.
Новая роль data-сотрудников
– Что еще изменилось, с точки зрения бизнесе в целом, культуры банка после успешных кейсов внедрения AI?
– Стратегически важно в принципе ориентировать Data Science банка на бизнес-результат. При росте компетенций и ресурсов есть большое искушение набирать множество проектов, тем более что запросы от подразделений-заказчиков поступают лавиной. Но расфокусировка и отсутствие подтвержденного финансового эффекта создадут риск превратится в научно-исследовательский институт. Наша же цель – продолжать масштабировать лучшую практику последних лет, когда офис CDO являлся инициатором многих продуктовых и технологических ноу-хау и драйвером инноваций, развития клиентоцентричного банка.
Здесь еще отмечу, что проще заниматься работой с данными и внедрением AI в молодых организациях, без накопленного большого legacy. Когда за десятилетия сформировалось огромное наследие различных данных, в разном виде, в разных системах, не сразу было понятно, с какой стороны к этому наследию подойти. Но, я часто это подчеркиваю, главное – начать. Мы начали и за последние годы БЦК проделал очень большую работу по формированию культуры работы с данными. Сегодня можно сказать, что у нас в банке уже сформировалась AI-культура. Когда, видя результаты внедрения, все подразделения, наши внутренние заказчики, заинтересованы в сотрудничестве с внутренней AI-командой.
С другой стороны, для AI-специалистов тоже очень важно правильно коммуницировать с коллегами из разных подразделений, выяснять их бизнес-боли, быть клиентоориентированными. Поэтому так востребованы сейчас AI-специалисты с хорошими навыками коммуникаций и пониманием бизнес-логики.
В планах на этот год создать Комитет по развитию AI, который будет анализировать все предложения и инициативы по внедрению инструментов искусственного интеллекта, сопоставлять их со стратегией развития банка и холдинга. Кроме того, мы разрабатываем внутренний нормативный документ – своего рода AI-кодекс, который будет регламентировать процессы AI-governance с точки зрения масштабирования и устойчивого развития, бизнес-эффектов, технологической платформы, и что очень актуально – этики и безопасности использования.
Cтратегия first
–Правильно понимаю ваш подход: как бы ни развивались технологии, ключевое – это стратегия бизнеса? АI – это просто инструмент, хоть и очень мощный.
– Безусловно. Все начинается со стратегии. Важно ее сформулировать, согласовать на всех уровнях – от разных подразделений компании до Совета директоров – и утвердить. Еще раз подчеркну: внедрять AI нужно не ради хайпа, а ради результата. Сейчас у многих есть страх упустить возможности, не успеть. Действует принцип: все бегут, и я побежал [внедрять AI]. Но непонятно ради чего, ради какой цели. И это большая ошибка. Очень важно сначала определить, как AI поможет реализации вашей стратегии. А также четко структурировать цели и задачи – «поженить» инновационные идеи с проектной документацией.
– Финальный вопрос. Для тех, кто почитает наше интервью и вдохновится идеей внедрения AI в компании… Можно ли ждать быстрых результатов на этом пути?
– Зависит от бизнеса и ниши. Возьмем кредитный скоринг в банках – здесь можно получить быстрый результат с минимальными затратами. Условно: достаточно вдохновленной команды и open-source решений. Если ты попал в нишу в правильное время – рост может быть быстрым, по экспоненте. Но если вы не поддерживаете масштабирование AI дальше – не развиваете АI-инструменты в предотвращении мошенничества, в collection, в поддержке внешних и внутренних клиентов, улучшении сервиса, сокращении расходов, развитии лояльности и множестве других процессов – а это требует стратегического видения, поддержки руководства и всех подразделений, ежедневной кропотливой работы по сбору и актуализации данных и баз знаний – то в какой-то момент бурный рост может так же быстро «сдуться». Потому что компания не способна его поддерживать. Поэтому к внедрению AI нужно подходить системно, он должен повышать эффективность всех компонентов бизнеса.