1. Введение (Introduction)

В период 2023–2026 гг. банковский сектор России переживает интенсивную цифровую трансформацию, где главным ускорителем процессов выступает искусственный интеллект (далее – ИИ). Повышение эффективности труда перестало быть опцией – это необходимое условие для сохранения конкурентоспособности. Вместе с тем системные обобщения реальных результатов от внедрения ИИ, связанных с этим рисков и сдвигов в структуре занятости пока недостаточны.

Как отмечено в докладе Аналитического центра «Форум», интеграция ИИ в финансовую сферу требует не только технологических решений, но и проработанной нормативной базы, прежде всего – распределения ответственности за действия алгоритмов [1]. Международные данные McKinsey & Company свидетельствуют, что банки Азии активно внедряют «агентный ИИ», при котором автономные программы берут на себя многошаговые операции, что многократно ускоряет работу внутренних подразделений [2]. Агентный ИИ (Agentic AI) – это тип систем искусственного интеллекта, способных действовать автономно: ставить цели, разбивать их на задачи, планировать действия и самостоятельно использовать инструменты (базы данных, API, другие программы) для получения результата без вмешательства человека.

Глобальный обзор McKinsey определяет генеративный ИИ как следующий этап повышения банковской продуктивности [3]. Генеративный ИИ (GenAI) – это класс технологий искусственного интеллекта, способных самостоятельно создавать абсолютно новый, уникальный контент: тексты, изображения, аудио, видео, программный код и 3D-модели.

Российские исследователи, например Э.А. Гозгешев, указывают на двойственную природу ИИ – он одновременно создаёт возможности для роста и порождает новые уязвимости [4]. З.Р. Мазитова концентрируется на прикладных аспектах использования ИИ в кредитовании и обслуживании клиентов [5], а Э.А. Хаирова изучает цифровизацию финансово-кредитной сферы в российской практике [6].

Материалы отраслевых конференций – AI Journey [7] – содержат конкретные примеры из работы российских банков. Дополнительную статистику предоставляют интернет-ресурсы TAdviser [8].

Цель настоящей работы – на основе перечисленных источников обобщить информацию о влиянии ИИ на производительность труда в российских банках и выделить ключевые тенденции 2023–2026 гг.

2. Методы (Methods)

Исследование выполнено в форме аналитического обзора и синтеза данных из источников: аналитические доклады международных и российских организаций, статьи в рецензируемых журналах (включая ВАК и РИНЦ), труды научно-практических конференций, отраслевые веб-ресурсы. Применялся метод сравнительного анализа российского и зарубежного опыта. Кейс-метод использован для иллюстрации конкретных внедрений в российских банках, упоминаемых в источниках [4; 5; 7; 8].

3. Результаты (Results)

3.1. Главные направления применения ИИ в российских банках

Согласно информации портала TAdviser, самые частые сценарии использования ИИ в российских банках выглядят так: кредитный скоринг (93% кредитных организаций), борьба с мошенничеством (89%), персональные рекомендации (76%), чат-боты и голосовые помощники (84%) [8]. В докладе AI Journey приводится пример Сбербанка: его голосовой ассистент на основе генеративной нейросети самостоятельно обрабатывает около 70% звонков от клиентов [7].

Э.А. Гозгешев подчёркивает, что максимальный прирост производительности от ИИ достигается именно в рутинных процессах – время обработки одной заявки сокращается на 40–50% [4]. З.Р. Мазитова описывает опыт ВТБ: после внедрения системы автоматического извлечения данных из сканов документов открытие расчётного счёта стало занимать не 2 часа, а 15 минут [5].

3.2. Количественные показатели производительности

Аналитический доклад «Форума» констатирует: в банках, которые развернули комплексные ИИ-решения, выработка на одного сотрудника в среднем выросла на 22–28% за 2023–2025 гг. [1]. Причём заметнее всего эффект проявляется в обработке информации, комплаенсе и первичной поддержке клиентов.

По данным McKinsey, благодаря генеративному ИИ можно автоматизировать до четверти банковских операционных задач, что в глобальном масштабе даёт ежегодный рост производительности на 5–7% [3]. В Азиатско-Тихоокеанском регионе, как сообщает отчёт QuantumBlack / McKinsey, пилоты с агентным ИИ позволили сократить время обработки транзакций на 60% и уменьшить объём ручного ввода данных на 80% [2].

3.3. Примеры из практики российских банков

На конференции AI Journey 2024 Альфа-банк представил своего ИИ-агента для проверки договорной документации: время проверки снизилось с 30 до 3 минут, точность достигла 96% [7]. Представитель Т-Банка рассказал о системе автоматических ответов на претензии – 45% обращений разрешаются без какого-либо участия человека [7].

В том же сборнике описан опыт банка «Открытие», где модель прогнозирования оттока клиентов позволила за полгода уменьшить отток на 12% за счёт адресного удержания. Это напрямую повысило выручку в расчёте на одного сотрудника отдела, который поддерживает лояльность клиентов [7].

3.4. Риски и сдвиги в кадровой структуре

Вопрос об ответственности за решения ИИ становится критическим. Как указывается в докладе Аналитического центра «Форум», российское законодательство пока не даёт чёткого ответа, кто должен нести риски при ошибке автономного алгоритма – банк, разработчик или сама программа [1]. Это сдерживает широкое внедрение полностью автоматизированных процессов.

По оценкам TAdviser, 37% российских банков в 2024 г. сообщили о сокращении операционных (бэк-офис) сотрудников, но при этом 54% банков увеличили штат специалистов по Data Science – экспертов, которые анализируют огромные массивы информации, находят в них скрытые закономерности и создают модели машинного обучения для прогнозирования событий и оптимизации бизнес-процессов. Они совмещают в себе навыки математика, программиста и продуктового аналитика [8]. Хаирова Э.А. пишет, что «цифровая трансформация не означает автоматического увольнения людей, но требует смены набора компетенций» [6].

4. Обсуждение (Discussion)

Полученные результаты подтверждают, что внедрение ИИ в российских банках действительно повышает производительность труда, причём эффект выше в рутинных, хорошо алгоритмизируемых операциях (обработка документов, скоринг, базовые консультации). Это хорошо согласуется с международными выводами McKinsey [2; 3].

Однако темпы распространения ИИ ограничены не только технологиями, но и правовой неопределённостью. Отсутствие ясных норм об ответственности за ошибки ИИ заставляет банки действовать осторожно. К тому же наблюдается разрыв между лидерами (Сбер, Альфа, Т-Банк) и остальными игроками рынка. Согласно TAdviser, только 12% российских банков используют генеративный ИИ на промышленном уровне [8].

Ещё одна важная тема – влияние на занятость. Вопреки страхам о массовых увольнениях, данные говорят о структурной перестройке, а именно сокращается число рутинных должностей, но растёт спрос на ИИ-специалистов. Как отмечает Э.А. Хаирова, это требует пересмотра образовательных программ [6].

Ограничение данного исследования заключается в том, что большинство количественных данных из источников относится к 2024 – началу 2025 г. Полная картина за 2026 г. появится позже.

5. Заключение (Conclusion)

На основе анализа авторитетных источников (2023–2025 гг.) можно сделать следующие выводы:

1. Инструменты искусственного интеллекта статистически значимо увеличивают производительность труда в российских банках – в среднем на 22–28% в организациях, внедривших такие решения [1].
2. Наибольшую эффективность дают автоматизация типовых операций (скоринг, комплаенс, документооборот) и клиентские диалоговые системы.
3. Российские банки (Сбер, Альфа-банк, Т-Банк, ВТБ, «Открытие») располагают успешными кейсами с многократным ростом эффективности отдельных процессов [7].
4. Основные препятствия – нерешённые правовые вопросы ответственности и неравномерность развития ИИ-инфраструктуры между топ-банками и остальными участниками рынка [1; 8].
5. Воздействие на рынок труда носит структурный характер: исчезновение одних профессий сопровождается появлением других, требующих более высокой квалификации [6].

Для дальнейшего повышения производительности российскому банковскому сектору необходимо одновременно развивать технологическую базу и адаптировать нормативно-правовое регулирование.