RAG, OpenAI и немного эмпатии: как в KMF Банке создавали ИИ-наставника для сотрудников
Когда KMF превратился из микрофинансовой организации в банк, команда столкнулась с вопросом: как быстро обучить сотни сотрудников новым процессам и продуктам? Отдел обучения обратился к ИТ-подразделению – и получил MVP уже через 3 недели.
За 4 месяца виртуальная наставница AIдана помогла более чем 1300 сотрудникам и обработала свыше 21 000 обращений. О том, как создавалась AIдана, Digital Business рассказали главный специалист отдела обучения и развития банка Виталий Ивченко, Team lead отдела HRMS управления внутрикорпоративных систем Аян Наурызбаев и Senior WEB-разработчик Зия Мейрамова.
«Когда отдел обучения пришел с идеей виртуального наставника, у нас загорелись глаза»
— Как возникла идея создать ИИ-наставника для внутреннего пользования?
— Виталий: Все началось в период трансформации, когда KMF из микрофинансовой организации стал банком: поток информации был огромным. Сотрудникам необходимо было осваивать новые продукты, вникать в банковские процессы и регуляторику. Тогда мы поняли, что нужна база знаний, которая даст быстрый и точный ответ. Вдохновились языковыми моделями вроде ChatGPT – они уже показали, насколько удобно получать ответы в живом формате. И создали AIдану. К слову, сам проект принес компании премию HR4People в номинации «Инновация года».
— Аян: У нас не было готового решения: для банка ИИ – это новое направление, потому хотелось решить задачу самостоятельно. Когда отдел обучения пришел с идеей сделать виртуального наставника, у нас загорелись глаза. Запросили данные по продуктам и процессам и довольно быстро сделали демоверсию – черновой прототип, чтобы доказать: мы можем решать такие задачи. Через 3-4 недели уже презентовали MVP.
Чат с AIданой
— Что сейчас умеет AIдана?
— Виталий: С июля 2025 года ИИ-наставник представлен на внутреннем портале банка как обычный сотрудник. С ней можно переписываться в чате: она отвечает на вопросы по должностным обязанностям, помогает найти документы, подсказывает, куда обратиться. В том числе и по внутренним операциям, например:
- как подать заявку на закуп;
- как оформить отпуск;
- куда направить документ.
AIдану научили работать с формулами и помогать сотрудникам в расчетах. Также она закрывает запросы филиальной сети: именно оттуда чаще всего приходят вопросы про ставки, условия, нюансы работы с клиентами. Может помочь со сложными терминами и продуктами вроде группового кредитования.
Сейчас целевая аудитория продукта – сотрудники линейных позиций. В компании 700 персональных менеджеров, около 20% из них ежемесячно пользуются AIданой. Среди начальников отделений эта доля – около 50%. Операционные менеджеры – вторая по массовости позиция филиальной сети и самая динамичная по изменениям, поэтому на них сейчас особый фокус. На следующем этапе подключаем контакт-центр. Также готовим больше контента для головного офиса – там запросы про внутренние процессы и системы.
Главный специалист отдела обучения и развития KMF Банка Виталий Ивченко
Кроме того, AIдана стала частью онбординга: новички получают от нее сообщения в течение первых 3 месяцев: от приветствия до подсказок по задачам. Она напоминает, когда нужно пройти обучающий курс, встретиться с руководителем, присылает адаптационные материалы и помогает оценить прогресс.
«Стоимость обучения одного сотрудника снизилась более чем в 10 раз»
— Как выглядел онбординг до AIданы?
— Виталий: В KMF всегда уделяли большое внимание обучению. Изначально новых сотрудников вводили в курс дела руководители и опытные коллеги. Позже к процессу подключались тренеры на местах, что требовало значительных усилий. Затем появились вебинары, которые проводили тренеры, однако адаптация все еще была длительной. Впоследствии запустили автоматизированные курсы, и AIдана стала частью этого процесса.
— Какие метрики для вас показательны?
— Виталий: Скорость адаптации, вовлеченность и снижение нагрузки на отдел обучения. С момента запуска AIдана обработала больше 21 тыс. обращений и помогла 1 311 людям.
В итоге стоимость обучения одного сотрудника снизилась более чем в 10 раз. По предварительным подсчетам, вместе с этой системой мы сэкономим 1890 часов работы тренеров за год.
Team lead отдела HRMS управления внутрикорпоративных систем Аян Наурызбаев
— Аян: При этом все обращения обезличены. Мы видим только категории запросов.
«В первые недели AIдана иногда “додумывала” ответы»
— Почему решили делать AIдану in-house, а не воспользоваться готовым решением?
— Аян: Рассматривали коробочные варианты, но они не подходили по безопасности и гибкости: готовые решения сложно менять. Потому решили делать AIдану на базе открытой модели от OpenAI c доработками под наши требования безопасности.
— Виталий: С точки зрения HR это логичнее. Своя команда – значит, можно быстро внести изменения. К тому же подписки на внешние сервисы дорожают, поэтому поддержка собственных решений становится выгоднее.
— Зия: Плюс ко всему данные – это наша ответственность. Важно, чтобы все хранилось на собственных серверах. Это одна из причин, почему AIдану создавали внутри банка.
— Как решаете вопрос безопасности и защиты данных?
— Аян: По умолчанию работаем в локальном контуре. Перед обработкой алгоритмы автоматически маскируют ИИН, ФИО, контакты и другие чувствительные данные, а медиа не покидают периметр. Данные, которые уходят в интернет, проходят обязательный аудит. В отдельных сценариях при запросе для ИИ отправляется очищенный текст. К тому же действует политика zero-retention.
— Виталий: Это и вопрос доверия: важно, чтобы сотрудники чувствовали себя в безопасности при работе с системой.
Senior WEB-разработчик Зия Мейрамова
— Что было самым сложным в процессе разработки с технической точки зрения?
— Зия: Добиться точности ответов. AIдана работает с критически важными данными: ставки, проценты, программы. Ошибка может привести к неправильным решениям со стороны сотрудников. Мы детально изучали, как ИИ ищет ответы, и когда появляется вероятность ошибиться. В первые недели AIдана не всегда доходила до нашей базы знаний и иногда «додумывала» ответы, используя предобученные знания модели OpenAI.
— Аян: Решили проблему добавлением векторной базы и новой логики поиска. Сейчас используем RAG-подход (Retrieval Augmented Generation – генерация с дополненной выборкой – здесь и далее прим. Digital Business): объединяем генеративную модель с внутренней базой данных. Это позволяет выдавать ответы не из интернета, а из наших документов.
— Виталий: Сейчас AIдана в 96% случаев отвечает корректно. Если чего-то не знает – честно говорит об этом. На обучение модели и сбор данных ушло примерно 5 месяцев: собирали базу по новым и старым продуктам, регуляторным требованиям, внутренним документам. Работа продолжается, база постоянно обновляется.
— Были ли случаи, когда AIдана отвечала на вопросы, не касающиеся работы?
— Зия: Случалось. Самый запомнившийся, когда кто-то настойчиво пытался узнать у AIданы рецепт плова. Она вежливо отказывалась несколько раз, а потом все-таки выдала рецепт. Мы, конечно, усилили фильтры: теперь наставница отвечает строго по рабочим вопросам.
«У AIданы есть “личность”: она вежливая, корректная и дружелюбная»
— Как сотрудники восприняли AIдану?
— Виталий : Сначала наблюдали всплеск интереса – буквально 5 дней, потом спад, потому что люди не разобрались, как она работает. Но со временем все привыкли и начали активнее использовать AIдану – иногда по неожиданным, но все еще рабочим поводам. Например, один сотрудник спросил, как разрешить недопонимание с коллегой. AIдана спокойно объяснила, как эффективнее выстроить коммуникацию – и вопрос решился. Не планируем превращать ее в психолога, но добавим возможность перенаправлять подобные запросы корпоративным специалистам.
Так выглядит AI-наставник
— То есть некоторые сотрудники видят в ней человека?
— Аян: Да, и мы к этому стремились: хотели уйти от ощущения сухой базы знаний.
— Зия: У AIданы есть «личность»: она вежливая, корректная и дружелюбная коллега. Самым трудным было поймать баланс между точностью ответов и дружелюбным тоном. Она должна проявлять адамша-подход (с казахского — «по-человечески»), но при этом в рамках корпоративной этики.
— Как планируете развивать ИИ-направление?
— Виталий: Сейчас дорабатываем систему адаптации и хотим связать ее с показателями эффективности.
Ближайшая цель – внедрение голосового тренажера. Сотрудники смогут отрабатывать различные сценарии общения с клиентом – чтобы идти «в поле» уже с навыком.
— Аян: Все началось с AIданы, а теперь и другие департаменты поняли, что мы можем двигаться в сторону внедрения ИИ повсюду. Даже есть «банк идей», куда сотрудники могут вносить свои предложения. Мы их изучаем и что-то берем в работу.