Состояние клиентских GenAI-агентов в финансовых услугах

01Исследование: охват и респонденты

Корпус — 16 бесед с 17 участниками, из них 15 содержательных структурированных интервью (~30–40 минут, формат discovery: открытые вопросы о собственной практике респондента, без презентации продукта). Респонденты привлекались через тёплые профессиональные связи, профессиональные сообщества и платный скрининг через экспертную сеть, специально дававший практиков в должности из крупных организаций.

Почему выборка позволяет делать выводы

• Она охватывает весь спектр зрелости — от банка без единого внедрения ИИ (идёт тендер) до цифрового банка с сотнями оценённых по риску LLM-сценариев и «живым» голосовым ассистентом.
• Она охватывает контрастные регуляторные режимы — зрелые (США, Великобритания, ЕС), переходные (Турция), формирующиеся (Вост. Европа, Центр. Азия) — превращая регулирование в наблюдаемую переменную, а не константу.
• Она охватывает и спрос, и предложение, плюс консультантов, видящих десятки организаций сразу — что позволяет перепроверять самоотчёты.

Ограничения: как правило, один респондент на организацию; перекос в сторону практиков, а не держателей бюджета; все данные — самоотчёты. Там, где вывод опирается на один голос, мы это оговариваем.

02Текущее состояние внедрения

Каждая розничная организация в выборке либо уже имеет клиентского чат-бота, либо закупает его — но GenAI перед клиентом всё ещё исключение. Значительную часть трафика по-прежнему несут скриптовые/NLU-боты; GenAI дошёл до прода у цифровых игроков и части крупных банков; голос «в живую» — ровно у одной организации. Главное: зрелость внедрения коррелирует с сегментом и культурой, а не с размером рынка: средний банк из Восточной Европы заметно опережает Tier-1-банк, а ведущий цифровой банк оценивает свой отрыв от рынка примерно в четыре года.

Вторая закономерность: у консервативных организаций внутренний ИИ на годы опережает клиентский. Одна глобальная Tier-1-группа около двух лет сознательно сдерживала разговорный ИИ к клиентам — не желая отдавать ИИ контроль над коммуникациями — и одновременно активно внедряла ИИ в код, почту и исследования. B2B-банк кредитования держит мультиагентную аналитическую систему для ~100 аналитиков вообще без клиентских планов.

Текстовый чат — универсальный первый канал; голос — фронтир: «в живую» у одного цифрового банка, вторичен у одного Tier-1 ЕС и заявлен приоритетом №1 (но реальностью 2027) на голосо-ориентированном формирующемся рынке. Самый продвинутый игрок фиксирует ~88–89% диалогов, решённых без эскалации на человека — ориентир того, что даёт зрелая GenAI-поддержка. Две организации назвали долю автоматизации: >15% всего клиентского трафика и 5–10% поддержки.

03Технологии и «разрабатывать или покупать»

На зрелом конце возникает единый паттерн архитектуры: передовые коммерческие LLM за собственным слоем оркестрации и контроля. Организации покупают модели (OpenAI, Anthropic, Google Gemini) через управляемые облачные маркетплейсы с версионированием и откатом — часто на условиях договорного zero-retention — а прикладную обёртку, маршрутизацию и «гардрейлы» строят сами. На рынках «только on-prem» банки разворачивают open-source-модели полностью внутри периметра банка.

«Build vs buy» — выбор, заданный сегментом, а не единая норма

• Строят сами — цифровые, инженерно-ведомые организации строят весь стек (вплоть до собственных «гардрейлов») и почти ничего не покупают. Для любого внешнего вендора надзора именно внутренняя разработка — главный конкурент.
• Покупают модели, строят обёртку — крупные банки на зрелых рынках. Логика — время до комплаенса: готовая функциональность сокращает путь на годы по сравнению с внутренней разработкой.
• Через вендора / тендер — формирующиеся рынки закупают через формальные тендеры (3–5 месяцев плюс согласования группы), ценя вендоров именно за готовый локальный регуляторный контент.

Что организации требуют от технологий и поставщиков

• Периметр и резидентность данных — самый жёсткий барьер: строго on-prem на части рынков (облако в банках запрещено), резидентность в ЕС на гиперскейлерах или договорный zero-retention с каскадным удалением по GDPR.
• Сертификации и due diligence вендора — SOC 2, ISO 42001, PCI DSS, соглашения об обработке данных: блокируют закупку, и проверка распространяется на самого вендора, а не только на продукт.
• Governance-барьеры — многофункциональные комитеты согласования (юристы, комплаенс, защита данных, модельный риск, безопасность, бизнес). Узкое место — не запуск пилота, а выход в прод, для чего нужен внутренний «чемпион».
• Операционные — версионирование и откат моделей, многолетнее хранение прогнозов, поэтапный раскат, независимая модель-риск-проверка, поддержка локального языка и отказ от зависимости от одного вендора (в т.ч. риск геополитической потери доступа).

04Сценарии использования

По всему корпусу сценарии развиваются в единой последовательности: начинают со справочного FAQ, переходят к транзакционным действиям и лишь затем приближаются к «советующей» территории — которую консервативные банки сейчас подавляют, а в проде её ведёт лишь один Tier-1 из США. Голос отстаёт от текста на один-два года везде, кроме голосо-ориентированного формирующегося рынка, где он ведёт дорожную карту из соображений стоимости.

Два структурных контраста. Цифровые игроки держат самый широкий и глубокий парк — справочные, транзакционные, голосовые, внутренние и автономные сценарии одновременно в проде. Консервативные банки и B2B-игроки переворачивают порядок: сначала в прод выходят внутренние копайлоты и бэк-офис-агенты, а внутреннее внедрение служит контролируемой средой для доверия к технологии до выхода к клиенту. Там, где объём поддержки мал, а человек — премиум, у клиентского ИИ вообще нет бизнес-обоснования.

05Проблемы: классификация и ранжирование

Проблемы по всему корпусу распадаются на семь классов, ранжированных ниже по тому, как часто класс называли без подсказки, порождал ли он реальные инциденты и насколько центральным его считали респонденты.

В фокусе: регуляторный комплаенс ведёт себя иначе

В отличие от содержания одного диалога, регуляторный комплаенс работает на уровне системы и процесса: пересечение режимов, скорость внедрения, доказуемость перед надзором и грядущее законодательство. Сегодня это в основном ожидаемая проблема — но единственная с датированными форсирующими событиями, а значит наиболее вероятная к росту приоритета в ближайшие 12–24 месяца.

06Регулирование, контроль и оценка

Регулирование в выборке — наблюдаемая переменная. В ЕС называют трудностью именно пересечение режимов защиты данных, поведения и модельного риска, а не отдельный акт; дорожные карты задаёт EU AI Act — но один платёжный провайдер движим вместо этого перелицензированием по платёжной директиве. Великобритания — секторальный режим, где регулятор поведения стоит над регулятором данных. США работают на модель-риск-надзоре плюс защите потребителя, без датированного дедлайна, поэтому темп задаёт конкуренция. На переходных и формирующихся рынках действующее ограничение — часто локализация данных и запрет трансграничной передачи ещё до любого профильного ИИ-закона.

Кто владеет ИИ-риском

Устойчивая структура: комплаенс — вторая линия и не владеет контролями; бюджет и контроли держат бизнес-владельцы каналов первой линии, а ответственность за сбой ложится на руководителя бизнес-линии. Крупные организации ведут многофункциональные комитеты; самый продвинутый цифровой банк институционализировал независимую модель-риск-функцию как внутреннего регулятора, с намеренным барьером между разработчиками и проверяющими. Там, где нет роли AI-governance, контролями по умолчанию владеет инженерия.

Как сегодня оценивают диалоги — лестница зрелости

Ключевой дефицит рынка — разрыв между У3–У4 и У5: организации с самыми большими объёмами держат наименее масштабируемый надзор — и знают это. Приоритеты сходятся на предотвращении, а не обнаружении («увидеть галлюцинацию мало, если вмешаться нельзя») — однако inline-превентивную проверку в проде реально держит лишь самый продвинутый цифровой банк.

07Кто принимает решения и участники

Решения следуют двухуровневой модели. Стратегическое решение — вообще допустить ли ИИ к клиенту — это вопрос риск-аппетита на уровне правления (так одна global-группа держала фактический запрет ~2 года; пересмотр форсирует конкурентное давление, а не готовность). Тактическое решение — конкретное внедрение — финансирует и заказывает бизнес-владелец канала первой линии.

Вторая закономерность: чем цифровее организация, тем больше покупатель смещается к технологическим ролям — глава data science, Chief AI Officer, глава модельного риска. Там, где выделенных ИИ-ролей нет, владельцем контролей по умолчанию становится инженерия. На формирующихся рынках решение оформляется через тендер с согласованиями материнской группы.

Кто входит в проект внедрения

• Бизнес / владелец продукта — заказывает сценарий и держит бюджет.
• Инженерия / ИИ-команда — оркестрация, «гардрейлы», интеграции; главный исполнитель в build-first-организациях.
• Клиентский сервис / операции — владеет контакт-центром, KPI качества и эскалациями; в части банков ведёт проект.
• Комплаенс (вторая линия) — задаёт требования к контролю («compliance by design»).
• Модельный риск / валидация, безопасность и защита данных, юристы — барьерные функции: приёмка моделей, периметр/ПДн/сертификации, договоры с провайдерами моделей.
• Закупки, материнская группа и регулятор — тендер и due diligence; у самого продвинутого игрока регулятор — сторона проактивного диалога.

Практический вывод: многосторонние согласования делают организационный риск главным риском проекта. У одного провайдера распределение ответственности «съело» больше ресурсов, чем сама разработка — а без внутреннего «чемпиона», готового провести продукт через процедуры, внедрения не доходят до прода.

08Планы развития и горизонты

Дорожные карты расходятся по сегментам — от планов Tier-1, явно привязанных к EU AI Act, до цифрового банка, исполняющего AI-first-программу (ассистент как главная точка входа, консьерж и wealth-ассистенты, голос уже «в живую»), и банка формирующегося рынка с самым конкретным календарём в корпусе (выбор платформы в 2026, запуск голоса и чата в Q1–Q2 2027, исходящий обзвон годом позже, поток AI-governance в течение 12–28 месяцев). Вендоры прогнозируют массовый голос через 1–1,5 года и видят спрос на «гардрейлы»/верификацию как следующий шаг зрелости рынка.