Как российские финансовые организации используют ИИ-агентов? Какие есть кейсы?
И. Иванинский: Самые популярные функции для ИИ-агентов сегодня - сервис и коммуникации. В выборке исследования компании "Яков и Партнеры" чаще всего встречаются решения для подготовки ответов в чате (55% банков), подсказок оператору в реальном времени (45%), автогенерации персонализированных сообщений (45%) и реже - автоматизированных голосовых звонков (27%). Это понятная логика: контакт‑центр дает быстрый возврат на инвестиции, а риски можно ограничить, то есть агент предлагает, человек утверждает.
Похожий осторожный подход виден и глобально в агентных сценариях: Capgemini фиксирует, что ИИ‑агенты в организациях пока чаще находятся на стадии пилота (23% организаций) или частичного внедрения (12%), в то время как полномасштабное внедрение наблюдается только у 2% организаций.
Второй функциональный блок - "задачные агенты" внутри мобильного банка. Это системы, которые не только отвечают, но и планируют шаги и инициируют действия в цифровых каналах при заданных правилах и правах доступа: например, собрать данные, заполнить форму, сформировать документ, подготовить или инициировать платеж.
Ценность здесь в том, что клиенту не нужно разбираться в процессах: агент ведет его по цепочке действий. Но здесь уже критична интеграция с процессами и привязка к фактам: агент должен отвечать строго на основе актуальных тарифов и регламентов банка, а не общих знаний. Поэтому в 2026 году, на мой взгляд, главный тренд в России - расширение агентных действий, но внутри жестких контуров контроля (проверяемых источников знаний, прав доступа), а не резкий переход к полной автономности.
Какие сдерживающие факторы сегодня есть?
И. Иванинский: Главные стоп‑факторы для ИИ‑агентов сегодня - не отсутствие идей и слабость моделей, а инфраструктура, компетенции и управляемость рисков. McKinsey в новом исследовании State of AI отмечает быстрый рост регулярного использования ИИ и то, что большинство организаций все еще не масштабировали его до устойчивого бизнес‑эффекта.
Российская банковская специфика добавляет очень конкретные узкие места. Те же "Яков и Партнеры" показывают, что 91% респондентов-банков называют дефицит высококвалифицированных специалистов ключевым ограничением. Даже если модель доступна, банку нужны архитекторы данных, инженеры интеграции, специалисты по информационной безопасности, а также владельцы процессов, которые смогут перевести пилот в промышленный контур.
Второй блок барьеров - инфраструктура и контуры размещения. Для 82% банков ограничением выступают требования, которые сдерживают использование публичных облаков, а 73% отмечают дефицит или высокую стоимость GPU‑мощностей (процессоров, которые работает с графикой). Это делает масштабирование агентных решений дорогим и заставляет искать компромиссы между качеством, задержками и стоимостью.
Третий блок - безопасность и данные. 64% банков упоминают барьеры информационной безопасности, ограничивающие использование публичных облаков. Дополнительно респонденты отмечают нехватку каталогизированных данных внутри банка (55%), высокую стоимость покупки внешних данных (36%) и сложность импортозамещения компонентов платформы данных (36%). Для агентных сценариев это критично, потому что ИИ-агент не просто генерирует текст, а потенциально инициирует действия. Без корректного разграничения доступа, проверяемых источников знаний и мониторинга качества риск ошибок и утечек становится неприемлемым.
Последняя группа барьеров - интеграция и регуляторная неопределенность: 64% банков говорят о сложности внедрения ИИ-решений в существующие процессы, а 45% отмечают фактор сложности обучения бизнеса использованию ИИ-инструментов. Поэтому считаю, что в 2026 году победит не тот, кто громче заявит про "агентов", а тот, кто реализует внедрение в производственные процессы - с библиотекой проверенных сценариев, метриками качества и понятной моделью ответственности.
Как регулирование влияет на внедрение ИИ-агентов?
И. Иванинский: Влияет не столько запретами, сколько заданием коридора безопасной автономности. В банковском секторе это принципиально: агент - не просто алгоритм, а потенциальный участник процесса, который может советовать, подсказывать, а в перспективе и инициировать действия. Поэтому регуляторная логика в разных странах сходится вокруг четырех тем: прозрачность для клиента, конфиденциальность данных, управляемость рисков моделей и ответственность.
В России важен практический аспект: требования регулятора и информационной безопасности заметно ограничивают использование публичных облаков - и это входит в список барьеров, о чем сообщили 82% банков.
В 2025 году Банк России утвердил Кодекс этики ИИ на финансовом рынке, где акцент сделан как раз на человекоцентричности, прозрачности, безопасности и ответственном управлении рисками. В прикладном смысле это означает, что банкам нужно заранее продумывать информирование клиентов об использовании ИИ, процедуры контроля качества и меры защиты данных.
А что происходит на зарубежных рынках?
И. Иванинский: Там регуляторный ландшафт развивается по риск-ориентированной модели. Например, в ЕС соответствующий акт (EU AI Act) формализует подход, где требования зависят от уровня риска применения: чем ближе система к критическим решениям и влиянию на права потребителя, тем больше требований к документации, мониторингу и человеческому надзору. Ключевые положения вводятся поэтапно с полным запуском в 2026-2027 годах.
Соответствие требованиям регулятора в итоге может стать конкурентным преимуществом. Те игроки, которые раньше построят соответствующие процессы контроля и управления, так называемый agent governance (тестирование, мониторинг, контроль источников знаний, аудит и инцидент‑менеджмент), смогут внедрять новые сценарии быстрее, потому что каждый следующий запуск будет проходить через уже отлаженный риск‑контур.
И какие сценарии сегодня есть на других рынках? В чем отличия от российских?
И. Иванинский: Если посмотреть на США, Европу и Азию, то в 2024-2026 годах рынок сходится к трем доминирующим сценариям. Первый - внутренние помощники (copilots) как "фабрика производительности": банки дают сотрудникам помощников для поиска по корпоративным знаниям, подготовки материалов, обобщения результатов встреч и подсказок следующего действия. Это самый быстрый путь к эффекту, потому что он не требует сразу менять клиентский опыт и проще контролируется по рискам.
Второй сценарий - агентность в операционных цепочках: сбор информации о клиенте и его оформление, обработка документов, претензионные процессы и расследования. Здесь важно не красиво говорить, а встраиваться в процессы и быть доказательным: на каких данных основано действие, кто подтвердил.
Третий сценарий - то, что в стратегических обзорах называют agentic commerce и bot‑to‑bot (или agent-to-agent, взаимодействие агентов друг с другом): клиентский агент сравнивает предложения, подбирает продукт и инициирует оформление через API (стандартные программные интерфейсы). Это, по сути, уже изменение конкуренции: маркетинг и бренд немного теряют важность, а растет значение прозрачных условий и правил продукта, легко считываемых машиной, скорости процессов. Это в чем-то похоже на оптимизацию сайтов под поисковые машины (search engine optimization, SEO) для повышения рейтинга в поисковой выдаче.
Главное отличие России от многих западных рынков - инфраструктура. Там, где проще доступ к публичным облакам и вычислениям, пилоты быстрее переводят в промышленный масштаб. В России важна роль контуров информационной безопасности и ограничений по размещению данных, поэтому внедрение может идти консервативно: сначала контролируемые помощники, затем ограниченная автономия.
Как изменится финансовая сфера из-за ИИ-агентов в 2026-2027 годах?
И. Иванинский: Правила игры могут измениться в трех плоскостях. Первая - каналы и интерфейсы. Выиграет тот канал, который станет наиболее удобным для пользователя и будет закрывать максимальное количество ежедневных задач.
Вторая плоскость - трансформация операционной модели. Внедрение агентов требует постоянной доработки как управления данными, так и улучшения процессов.
Третья плоскость - экономика. Автоматизированное сравнение и исполнение усиливают давление на маржу стандартных продуктов: если клиент может полениться искать самый выгодный тариф, то агент ленью не отличается - он может за секунды сравнить условия и выбрать самый выгодный тариф. Конкуренция таким образом переходит в характеристики прозрачности, скорости и доверия. Поэтому банкам на 2026-2027 годы стоит инвестировать одновременно в агентов внутри и готовить продукты к работе с другими агентами, в том числе через API.
В каких сегментах и сценариях ИИ-агенты станут незаменимыми - для клиентов и для участников рынка?
И. Иванинский: Незаменимость ИИ‑агентов проявится там, где ценность - в скорости, снижении затрат и уменьшении "трения" в процессах. Для клиентов в рознице это прежде всего персональные финансы: управление подписками, категориями расходов и кэшбэком, планирование бюджета и сценарии "напомни и сделай за меня". Во втором блоке - кредиты и ипотека: агент будет мониторить условия, подсказывать момент рефинансирования, помогать собрать пакет документов и сопровождать заявку.
Для участников рынка самые устойчивые и массовые применения - там, где высока частота обращений и можно быстро измерить эффект. Лидерами являются, например, сценарии общения в различных каналах: генерация ответа в чат‑канале, подсказки оператору и персонализированные коммуникации - это прямое снижение себестоимости обслуживания и рост конверсии.
К 2027 году станет очевидно, что без участия агентов в бизнес-процессах достигать постоянного роста качества, сервиса, персонализации и снижения себестоимости будет гораздо сложнее.
Какие есть тенденции в сфере ИИ-агентов за последний год?
И. Иванинский: Тенденция последнего года - переход от восторга к прагматике: сколько стоит, где дает эффект и как управлять рисками. В России это хорошо отражает рыночное исследование: 46% опрошенных компаний уже внедрили или тестируют ИИ‑агентов, в среднем около 4% ИТ‑бюджета направляется на генеративный ИИ, 71% компаний используют генеративный ИИ хотя бы в одной функции, а ожидаемый средний вклад в EBITDA оценивается примерно в 4%.
Важна интерпретация: это не означает, что агенты уже везде, но означает, что рынок вошел в фазу массовых пилотов и первых промышленных примеров. Глобально при этом наблюдается перекос: пилотов много, промышленного масштаба недостаточно, но инвестиции в платформы агентов и решения растут.