Искусственный интеллект в банках: риски и перспективы
4 источника в одном кластере. Повод — обсуждение внедрения искусственного интеллекта в банковскую деятельность в Нацбанке, о котором сообщила БелТА. «СБ.
Макар Литвинов·обновлено 07 июля 2026 г.
Нацбанк зафиксировал тему ИИ как банковскую повестку
По данным БелТА, внедрение ИИ в банковскую деятельность обсуждали в Нацбанке. Деталей по архитектуре, срокам, перечню банков или типам моделей в доступном фрагменте нет. Значит, подтвержден только сам факт обсуждения.
Для рынка это важнее пресс-релиза отдельного банка. Если тема поднята на уровне регуляторной площадки, дальше обычно появляются рамки: где можно применять автоматизацию, кто отвечает за ошибку алгоритма, как хранится и обрабатывается клиентский массив данных.
Жесткая развилка для банков выглядит так:
| Блок | Заявлено в публичной повестке | По факту для клиента |
|---|---|---|
| Эффективность | ИИ ускоряет банковские процессы | Нужно смотреть, где решение принимает человек, а где модель |
| Качество услуг | Сервисы должны стать точнее | Ошибка в профиле клиента может масштабироваться быстрее |
| Безопасность | ИИ должен усилить защиту | Антифрод может давать ложные блокировки |
| Поддержка | Автоматизация снижает нагрузку | Чат-бот не равен ответственному сотруднику банка |
Пока нет спецификаций. Нет опубликованных требований к логированию решений моделей. Нет описания API-контуров. Нет данных о том, какие клиентские данные будут подаваться в такие системы. Поэтому любые заявления о «безопасном ИИ в банке» остаются рамочной декларацией.
Российский сектор называют одним из лидеров, но это не метрика
Отдельный источник сообщает, что российский банковский сектор назвали одним из лидеров по внедрению ИИ. Формулировка широкая. Без бенчмарка она не дает технической картины.
Лидерство можно считать по-разному: числом ИИ-сервисов, долей автоматизированных операций, затратами на модели, скоростью обработки заявок, снижением потерь от мошенничества. В подтвержденных данных этих показателей нет. Значит, использовать такой тезис как доказательство зрелости рынка нельзя.
Для пользователя цифрового банка практический критерий проще. Нужно проверять не лозунг про ИИ, а операционные следы:
- есть ли в банке понятное объяснение автоматического отказа или блокировки;
- можно ли перевести спорное решение на ручную проверку;
- фиксирует ли банк канал подачи претензии;
- отделена ли маркетинговая персонализация от риск-скоринга;
- указано ли, когда клиент общается с ботом, а когда с сотрудником.
ИИ в банкинге — это не отдельная кнопка. Это слой над данными. Он может стоять в кредитном конвейере, антифроде, колл-центре, KYC-процедурах, персональных предложениях. Чем глубже слой, тем выше цена ошибки.
Прибыль банков и ИИ: причинная связь не доказана
InvestFuture отдельно пишет, что банковский сектор прогнозирует рост прибыли и стремится превзойти рекорд 3,8 трлн руб. Это финансовый контекст, но не доказательство эффекта ИИ. В доступных данных нет связи между внедрением моделей и прогнозом прибыли.
Такую связку стоит читать осторожно. Банк может повышать маржинальность за счет комиссий, ставок, операционной оптимизации, качества портфеля, снижения потерь или других факторов. ИИ может быть одним из инструментов. Но из имеющихся фрагментов не следует, что именно он является причиной роста прибыли.
Для клиента значим другой контур. Если банк внедряет ИИ ради эффективности, он будет сокращать ручные операции. Это повышает скорость. Одновременно снижает пространство для индивидуального разбора нестандартных кейсов.
Минимальный чек-лист перед тем, как активно пользоваться ИИ-сервисами банка:
- не передавать в чат-боты лишние персональные данные;
- сохранять номера обращений и ответы банка;
- проверять условия согласия на обработку данных;
- не считать автоматическую рекомендацию финансовой консультацией;
- при блокировке операции сразу запрашивать ручную проверку.
Текущий сигнал простой. ИИ входит в банковский контур не как эксперимент, а как инфраструктурный слой. Но пока публично видны только общие формулировки: эффективность, качество, безопасность. До появления регламентов, метрик и понятного механизма оспаривания решений доверять нужно не модели, а процедурам банка.