Банк без сотрудников: как ИИ меняет банковское обслуживание изнутри

Юристу пришлось бы потратить около 360 000 часов в год, чтобы вручную проверить все коммерческие кредитные соглашения, которые проходят через JPMorgan Chase. Платформа Contract Intelligence делает это за секунды. В Сбере за 2025 год запустили порядка 900 ИИ-агентов, а один только GigaChat принёс банку почти 30 млрд рублей эффекта за первое полугодие. Это уже не пилотные проекты для отчёта перед советом директоров, а часть операционной модели банка. Разбираемся, что из громких формулировок про «банк будущего» уже работает на практике, а что пока остаётся маркетингом.

От чат-бота к агенту: как быстро менялся вопрос

Ещё несколько лет назад разговор об ИИ в банке сводился к чат-боту в приложении, который переключал на оператора при первом сложном вопросе. К 2026 году логика изменилась: банки перестали воспринимать нейросеть как надстройку над готовыми процессами и начали строить процессы вокруг неё.

Т-Банк ещё в конце 2023 года публично отказался от идеи одной универсальной модели по образцу ChatGPT в пользу нескольких узкоспециализированных LLM под разные продуктовые сценарии — отдельно для кредитования, отдельно для поддержки, отдельно для антифрода. К этому банк пришёл через собственный опыт: сначала точечные решения вроде генерации ответов на отзывы, затем полноценная сквозная стратегия.

Сбер в середине 2026 года представил флагманскую модель GigaChat 3.5 Ultra на собственной архитектуре с технологией линейного внимания — по заявлению банка, обновлённая нейросеть способна не только отвечать на вопросы, но и автономно писать и исполнять код, а также самостоятельно взаимодействовать с внешними сервисами. Это уже определение не чат-бота, а агента: системы, которая не просто подсказывает, а выполняет задачу целиком.

Сколько банки реально зарабатывают на ИИ

Цифры, которые банки называют публично, обычно не про «внедрили классную технологию», а про конкретный экономический эффект — и это удобно проверять из года в год.

Таблица 1. Инвестиции и эффект от ИИ у крупных банков (данные 2025-2026 годов)

Рост не линейный, а ускоряющийся: по данным TAdviser, среднегодовой темп роста эффекта от ИИ в российских банках за 2020-2025 годы составил около 49%. Для отрасли, где ещё пять лет назад ИИ обсуждали в основном на конференциях, а не в квартальных отчётах, это заметная динамика.

Почему банки вообще разрабатывают свои модели, а не покупают готовое решение у вендора — отдельный вопрос, который стоит развернуть подробнее в материале «зачем банку собственная нейросеть, а не готовое решение от вендора».

Где ИИ уже принимает решения без участия человека

Список процессов, которые банк доверил алгоритму целиком, а не только «частично автоматизировал», за последние два года заметно расширился:

• Кредитный скоринг. У Сбербанка, по собственным данным банка, решение по выдаче кредита физическим лицам в 100% случаев уже принимается с использованием ИИ. В целом по системно значимым банкам картина похожая: 11 из 12 СЗКО применяют традиционный ИИ в кредитном скоринге и риск-менеджменте, 9 из 12 — для профилирования клиентов и персонализации предложений. Подробный разбор того, как это устроено и что делать, если алгоритм отказал — в материале «как устроен кредитный скоринг на ИИ».
• Обслуживание в контакт-центре. В Сбербанке в I квартале 2026 года ИИ обрабатывал 65% обращений клиентов в голосовых и текстовых каналах — то есть почти две трети диалогов с банком клиент вёл не с человеком.
• Антифрод. Модели машинного обучения снижают уровень мошенничества, по разным оценкам, на 15-40% — за счёт анализа паттернов поведения, а не жёстких правил. Механику разбираем в материале «как машинное обучение ловит банковских мошенников».
• Голосовая аналитика. Т-Банк использует технологии распознавания личности по голосу, а системы на основе машинного обучения помогают выявлять мошенничество прямо во время звонка в колл-центр. Это частный случай более широкой темы — «как банки используют поведенческую биометрию».
• Аналитика для сотрудников. Альфа-Банк в январе 2026 года запустил на собственной ИИ-платформе функцию «Глубинное исследование» — цифрового аналитика, который сам собирает и структурирует информацию из разных источников вместо того, чтобы это делал человек.
• Сделки между ИИ-агентами компаний. Сбер в 2026 году запустил GigaNetwork — по заявлению банка, первую в России платформу, где ИИ-агенты разных компаний могут напрямую заключать сделки друг с другом. Это уже не автоматизация внутреннего процесса, а инфраструктура для будущей экономики, где по одну сторону сделки не обязательно стоит человек.

Доходит ли экономия от ИИ до клиента

Логичный вопрос, который банки обычно обходят стороной в пресс-релизах: если ИИ экономит банку десятки и сотни миллиардов рублей операционных расходов, почему тарифы на обслуживание карт и комиссии не снижаются пропорционально?

Прямого ответа банки не дают, и это объяснимо: экономия от автоматизации в первую очередь идёт не на снижение цен, а на три другие статьи. Первая — реинвестиции в саму технологию: содержание вычислительных мощностей, дообучение моделей, зарплаты дата-сайентистов обходятся банку не дешевле, чем раньше обходился штат операторов. Вторая — конкуренция за скорость сервиса, а не за его цену: банк, который отвечает клиенту за секунды вместо минут, выигрывает долю рынка даже без снижения тарифов. Третья, самая прозаичная — прибыль акционеров: технологический эффект в отчётности банка в первую очередь работает на показатели рентабельности, а не на снижение цены для конечного клиента.

Единственная область, где эффект от ИИ ощущается предметно, — это скорость и доступность сервиса: меньше времени на одобрение кредита, меньше очередей в чате поддержки, более точная реакция на подозрительную операцию по карте. Это тоже ценность для клиента, просто не та, что немедленно считается в рублях экономии на комиссии.

Гибридная модель: почему ИИ пока не заменяет человека целиком

При всех громких цифрах отраслевые обзоры сходятся в одном практическом выводе: полностью убирать человека из процесса банки не спешат — и не только из осторожности, но и потому, что так объективно лучше работает.

Показательный пример: один из банков запустил ИИ-агента в феврале 2026 года для работы с предодобренными кредитами. В месяц агент обрабатывает около 6000 диалогов, но ведёт клиента только до финальной точки — последний шаг всё равно закрывает человек. По наблюдению отраслевых консультантов, именно гибридная модель, где ИИ доводит диалог почти до конца, а человек завершает сделку, даёт лучший результат для клиента, чем попытка заменить сотрудника полностью.

Причина не только в клиентском опыте. Банк — это регулируемый бизнес, и за ошибочное решение по кредиту или спорную блокировку счёта отвечает конкретное юридическое лицо, а не нейросеть. Пока это так, полная автономность ИИ в решениях с высоким риском остаётся скорее исключением, чем нормой — и это прямо касается вопроса, который мы отдельно разбираем в материале «может ли исчезнуть банковское приложение».

Что говорит регулятор: где проходит красная линия для ИИ

Банк России выбрал для ИИ в финансах стратегию мягкого регулирования: сначала мониторинг применения, затем методические рекомендации, и только при необходимости — более строгие требования. В середине 2026 года регулятор опубликовал именно такие рекомендации для банков по безопасному использованию ИИ, и в них есть два принципиальных ограничения.

• Во-первых, банк обязан гарантировать объяснимость решений своей модели — если он не может объяснить, почему алгоритм принял то или иное решение, такую модель просто не допустят в контур критической инфраструктуры.
• Во-вторых, для критически важных процессов с высокими рисками информационной безопасности — регулятор прямо называет платёжные операции — решение ИИ должно подтверждаться сотрудником банка. Как заметил по этому поводу один из опрошенных Коммерсантом экспертов, это «прямое охлаждение горячих голов, которые мечтали полностью заменить сотрудников алгоритмами ради быстрой экономии».

К середине 2026 года в повестке регулятора появилась и более системная тема — обсуждение «паспорта ИИ-модели»: состава обучающей выборки, требований к обработке данных в российском контуре, контроля дрейфа модели и её «галлюцинаций», а также назначения ответственного за решения, принятые алгоритмом. Отдельно Банк России вместе с Ассоциацией ФинТех прорабатывает стандарт «объяснимого ИИ» для кредитных и инвестиционных решений — то есть тот самый вопрос, который сегодня определяет, может ли клиент банка получить внятный ответ на вопрос «почему мне отказали».

Мировой контекст: банки за рубежом тратят на ИИ сопоставимые деньги

Российские банки — не исключение на фоне мировой картины, скорее часть общего тренда. JPMorgan Chase, крупнейший банк США по активам, в 2026 году доводит технологический бюджет до 19,8 млрд долларов, из которых существенная часть идёт именно на ИИ. По собственным данным банка, в продакшене работает более 450 сценариев использования ИИ с планом расширения до тысячи к 2026 году — от анализа рисков до ценообразования и модернизации инфраструктуры.

Показательно, что летом 2026 года и JPMorgan, и Goldman Sachs отчитались о рекордной квартальной выручке от инвестбанковских услуг и трейдинга, и в комментариях менеджмента обеих компаний прямо звучало: значительная часть роста активности на рынках связана именно с темой ИИ — от IPO технологических компаний до перебалансировки индексов.

По оценке McKinsey, генеративный ИИ способен добавить банковской отрасли от 200 до 340 млрд долларов ежегодной стоимости за счёт автоматизации работы, которая раньше требовала участия аналитиков и юристов — с потенциалом роста производительности на 30-50% в отдельных направлениях. Куда более консервативная, но zато проверяемая цифра: по данным Genpact, ИИ сегодня использует 97% банков, но лишь 19% применяют его системно, на всей цепочке банковских процессов, а не точечно. Именно в этом разрыве и находится вся интрига следующих нескольких лет.

Что дальше: роботы, автономные агенты и новый интерфейс банка

Логика развития в Сбере хорошо показывает, куда движется тренд дальше цифровых интерфейсов. Помимо GigaChat, банк открыл отдельный офис Центра робототехники, представил первого человекоподобного робота и создал департамент автономных решений — то есть распространяет логику ИИ-агента с текстового диалога на физическое взаимодействие.

На практике это означает, что вопрос «нужен ли банку сотрудник за стойкой» перестаёт быть риторическим — и заслуживает отдельного честного разбора без маркетинговых преувеличений в материале «банковские отделения без сотрудников». А вопрос, останется ли у банка привычное мобильное приложение или его вытеснит разговорный интерфейс, разбираем отдельно — там же, где обсуждаем пределы автономности ИИ в решениях с деньгами клиента.

Если сложить все эти сюжеты вместе, картина получается менее сенсационной, чем заголовки про «банк без единого сотрудника», но более устойчивой: ИИ в банке 2026 года — это не эксперимент ради пресс-релиза, а часть операционной экономики, которую банки готовы измерять в рублях, защищать перед акционерами и всё же держать под контролем человека там, где цена ошибки слишком высока.

Коротко: частые вопросы про ИИ в банках

• Правда ли, что банки скоро будут работать совсем без сотрудников? Нет. Даже банки с самым высоким уровнем автоматизации сознательно оставляют финальное решение за человеком в процессах с высоким риском — это не только этика, но и прямая рекомендация Банка России для платёжных операций.
• Может ли ИИ отказать в кредите, не объяснив причину? Формально нет: Банк России требует от кредитных организаций обеспечивать объяснимость решений модели, а стандарт «объяснимого ИИ» для кредитных решений сейчас разрабатывается Банком России совместно с Ассоциацией ФинТех.
• Значит ли рост автоматизации, что банк меньше следит за безопасностью данных клиента? Наоборот: именно из-за роста автоматизации регулятор вводит требование к «паспорту ИИ-модели» — контролю данных, на которых она обучена, и ответственности за её решения.