В Альфа-Банке внедряют передовые технологии ИИ в процессы анализа и исследования клиентского опыта. В результате удалось создать экосистему, где технологии и человеческий фактор гармонично взаимодействуют для достижения лучших результатов. О ходе этого проекта рассказывают Анна Кабанец, директор по CX стратегии, и Алина Мецгер, руководитель по исследованиям и улучшениям клиентского опыта Альфа-Банка, – номинанты на премию Data Award.

- Как в Альфа-Банке пришли к использованию ИИ в вопросах исследований клиентского опыта?

Анна Кабанец: Современный рынок требует от компаний постоянного улучшения клиентского опыта на каждом этапе Customer Journey Map (CJM). Системная работа с обратной связью клиентов играет ключевую роль в этом процессе. Причем важен не только сбор обратной связи, а замыкание ее контура: мы возвращаемся к клиенту, если он остался недоволен взаимодействием, и помогаем в решении вопросов, если они остались.

Именно такой цикл работ с обратной связью выстроен в Альфа-Банке. Опросы удовлетворенности регулярно проходят более 10% физических и юридических лиц – клиентов банка. Например, в 2024 году было отправлено более 180 млн опросов с помощью платформы VOC (Voice of Customer) для сбора обратной связи клиентов, получено более 17 млн оценок, а также осуществлено более 1 млн звонков клиентам.

Сбор и анализ обратной связи позволяют не только адаптировать продукты и услуги в соответствии с ожиданиями и потребностями клиентов, но и опережать конкурентов. А технологии ИИ обеспечивают быструю обработку данных обратной связи, что, в свою очередь, повышает удовлетворенность и лояльность клиентов.

- Кто занимается этими задачами?

Алина Мецгер: У нас есть Управление по исследованиям и улучшениям клиентского опыта (УИУКО). Эксперты УИУКО – это более 140 независимых экспертов, работающих на трех площадках контакт-центра банка. Они совершают обратный звонок клиентам, которые поставили низкую оценку VOC и дали согласие на звонок для уточнения причин негатива и помощи в решении вопроса. В процессе звонка эксперты выполняют несколько задач: снимают негатив клиента, предотвращая его распространение; помогают в решении вопроса, если это актуально; уточняют причины негативной оценки; фиксируют на платформе результаты проведенного интервью в формате экспертизы.

- Какова стратегия использования ИИ в работе экспертов?

А.М.: Стратегия по внедрению ИИ в работу экспертов УИУКО включает два направления. Первое из них – это ИИ-помощник для минимизации рутины и повышения эффективности на каждом этапе работы экспертов. На этапе подготовки к интервью – помощник для анализа цифровых следов взаимодействия клиентов с банком и суммаризации коммуникаций. На этапе проведения интервью – помощник в подборе оптимальных инструментов для решения вопросов клиентов. На этапе работы с данными – помощник при формировании экспертизы, классификации причин негатива и выявлении сервисных отклонений.

Второе направление – Web-решение с инструментами ИИ для анализа больших объемов данных. Этот инструмент применяется для пост-анализа причин негатива клиентов, выявляя закономерности и инсайты для улучшения клиентского опыта.

Общая цель проекта – повышение эффективности работы сотрудников по исследованию и анализу клиентского уровня на операционном и управленческом уровне. Внедрение инструментов ИИ позволит сотрудникам сосредоточиться на более интеллектуальных направлениях и глубинных исследованиях, сокращая время на простые рутинные задачи.

- Какие именно данные анализируются?

А.М.: В проекте используются как количественные, так и качественные данные по обратной связи клиентов, полученные с использованием замеров VOC. Количественные данные – оценки VOC по пятибалльной системе, где оценки от 1 до 3 считаются негативными. Замерами охвачены все каналы и продукты банка: более 40 каналов обслуживания физлиц и юрлиц, около 20 продуктов физлиц и юрлиц на 4 этапах CJM, около 20 сервисов для физлиц и юрлиц.

С клиентами, поставившими негативные оценки, связываются сотрудники УИУКО. Они проводят интервью с клиентами, решают их вопросы на звонке. Кстати, эти сотрудники имеют более 70 уникальных доступов в системы банка. По итогам интервью сотрудники заполняют экспертизу, классифицируют причины негатива и выявляют сервисные отклонения. Экспертиза – это заключение определенного формата, содержащее информацию о причинах низкой оценки, клиентском пути, решения вопроса клиента и выявленных инсайтах. Это и есть качественные данные.

Дополнительно в проекте используются такие данные, как комментарии клиентов к оценкам, цифровые следы клиентов в системах банка – коммуникации с каналами, направление претензий, оформление и закрытие продуктов и др.

- На каких платформах реализовано?

А.К.: Технологии ИИ интегрированы в платформу VOC. Эта платформа – собственная разработка Альфа-Банка, эксперты УИУКО работают на ней в отдельном АРМ.

Для формирования очереди задач для экспертов встроен специальный алгоритм, который распределяет массив данных в очередь в соответствии с утвержденными бизнес-правилами. Все этапы работы эксперта полностью автоматизированы.

Для реализации части задач проекта уже разработаны модели ИИ, которые размещены в системе исполнения моделей. Так, четыре модели интегрированы в АРМ сотрудника УИУКО в качестве ИИ-помощника, который помогает сотруднику в режиме реального времени. Еще две тематические модели встроены в специализированный Web-интерфейс и используются для анализа большого объема данных и выявления инсайтов в улучшении клиентского опыта.

Все разработанные модели имеют высокую точность (более 90%), находятся на постоянном мониторинге и сопровождении. Для обучения и поддержания высокой точности моделей осуществляется непрерывная разметка данных.

- Какой математический аппарат использован при построении моделей ИИ?

А.К.: Мы обучаем нашу модель так, чтобы она понимала банковские тексты и терминологию не хуже эксперта. Представьте, что у нас есть умный ученик, который уже знает, как читать и анализировать тексты, но не разбирается в банковской сфере. Мы даем ему массив экспертных данных и обучаем его понимать специфику этой отрасли.

Мы используем BERT-like модель и адаптируем ее под банковскую тематику – как если бы мы учили нашего ученика новым профессиональным терминам и логике работы в финансах. Далее мы даем модели размеченные экспертами примеры, по которым она учится отличать правильные и неправильные интерпретации аналогично тому, как эксперт объясняет новичку, какие ответы верные.

Для этого, используя численные представления текстов экспертиз с предыдущего этапа, мы обучаем многослойный перцепртон, который выдает конечные предсказания в виде вероятности предсказания результата. Весь процесс оптимизируется алгоритмом градиентного спуска, который итеративно улучшает точность модели, минимизируя ошибки. В результате наша модель понимает тексты, анализирует их с банковской точки зрения и делает более точные выводы, чем стандартные алгоритмы.

- Какие результаты достигнуты за счет применения ИИ?

А.К.: Ранее анализ обратной связи клиентов осуществлялся вручную, что ограничивало возможности обработки большого объема данных. После внедрения тематических моделей ИИ ситуация радикально изменилась: увеличилась скорость поиска инсайтов в пять раз, сокращено количество ресурсов в четыре раза, увеличен охват анализируемых данных, повысилось доверие к результатам.

В 2024 году мы начали внедрять ИИ-помощника в АРМ сотрудника УИУКО. За счет этого мы планируем увеличить количество проведенных интервью на 5%, сократить время на контроль качества на 15%, поддерживать качество экспертиз и точность классификации причин негатива на уровне не менее 90%.

- Пытались ли оценить эффект в финансовом выражении? О каких цифрах идет речь?

А.К.: Мы перераспределяем ресурсы таким образом, чтобы они приносили еще больше пользы. Представьте, что раньше мы тратили много времени и сил на ручной анализ данных, а теперь повысили точность автоматического анализа. Это позволило нам освободить сотрудников для решения более сложных задач.

Эффект измеряется не в рублях, а в качестве инсайтов: чем точнее модель обрабатывает данные, тем лучше мы понимаем клиентов, их потребности и поведение. Это в свою очередь ведет к улучшению сервисов, повышению лояльности и, в конечном итоге, к росту эффективности бизнеса.

- Что получилось особенно удачно?

А.К.: Платформа VOC и концепция Co-pilot, в которой ИИ работает в симбиозе с сотрудниками, создают уникальную экосистему, где технологии и человеческий фактор гармонично взаимодействуют для достижения лучших результатов.

Наш проект выделяется интеграцией ИИ в реальные процессы управления клиентским опытом, а также уникальным подходом, при котором человек и технология работают в тандеме, а не заменяют друг друга. ИИ ускоряет процессы – анализирует большие массивы данных, систематизирует информацию, формирует отчеты. Человек остается в центре принятия решений – оценивает ситуацию с точки зрения эмоций, контекста, нестандартных ситуаций. Результатом становятся более точные и клиентоориентированные решения благодаря совместной работе ИИ и экспертов.

ИИ-помощник и Web-инструмент помогают нам не просто реагировать на проблемы, а проактивно улучшать клиентский опыт. Мы можем предсказывать потенциальные сложности, разрабатывать персонализированные решения и обеспечивать глубокую аналитику для повышения удовлетворенности клиентов.

Наш проект – это не просто внедрение ИИ, а создание новой культуры работы с клиентским опытом, где технологии помогают людям принимать более точные и осознанные решения.

- В чем роль проекта для бизнеса банка?

А.К.: Проект является частью стратегии Total Experience Альфа-Банка, направленной на создание финансового суперсервиса. Внедрение ИИ в процессы исследования клиентского опыта позволит не только оптимизировать внутренние процессы, но и сформировать более персонализированный подход к каждому клиенту, что является ключевым фактором конкурентоспособности.

- Каковы дальнейшие направления развития проекта?

А.К.: Сейчас наша цель – объединить ИИ и человеческий опыт таким образом, чтобы они дополняли друг друга. Искусственный интеллект берет на себя рутинные задачи и обработку больших массивов данных, а человек работает там, где важны контекст, эмоции и глубинное понимание клиента.

Мы развиваем проект в сторону интеллектуального ассистирования сотрудников, помогая им быстрее и точнее находить решения. Это не просто автоматизация, а создание системы, которая делает работу эффективнее, точнее и удобнее. В результате выигрывают все: клиенты получают лучший сервис, сотрудники – удобные инструменты, а бизнес – высокую точность и доверие к аналитическим данным.