В ВТБ запустили интеллектуальный чат-бот, помогающий операционистам быстрее и качественнее обслуживать клиентов. Он использует технологии поисково-дополненной генерации (Retrieval-Augmented Generation, RAG) и LLM (большие языковые модели) для поддержки сотрудников в отделениях банка. Чат-бот анализирует запросы операционистов, извлекает релевантные данные из корпоративных источников и предоставляет оптимальный ответ в режиме реального времени. Технологии RAG и LLM обеспечивают точность и полноту ответов, мгновенный доступ к данным и обучаемость – постоянное обновление знаний модели на основе новых данных. О реализации проекта рассказывает Евгения Катенина, владелец продукта «Чат-боты для сотрудников Розничного Блока» ВТБ и номинант на премию Data Award.

- В чем заключались проблемы? Какие бизнес-боли пытались закрыть с помощью интеллектуального чат-бота?

Основной вызов, с которым столкнулся банк, – это высокая сложность поиска информации для сотрудников отделений. Операционисты работают с огромным количеством данных: тарифы, регламенты и продуктовые условия. При этом информация была разрозненной и неудобно структурированной, что замедляло обслуживание клиентов, увеличивало нагрузку на сотрудников и повышало риск ошибок.

Эти проблемы напрямую влияли на качество клиентского сервиса и операционную эффективность банка. Клиенты сталкивались с длительным ожиданием, сотрудники испытывали стресс из-за необходимости самостоятельно искать актуальные данные в разных системах, а служба методологической поддержки была перегружена потоком однотипных запросов.

- Откуда идут корни этого решения, как и почему оно появилось?

Идея создания интеллектуального чат-бота родилась из реальных потребностей бизнеса и ежедневных вызовов, с которыми сталкиваются сотрудники отделений банка.

Все началось с анализа обратной связи от операционистов и службы поддержки, где было очевидно: сотрудники тратят слишком много времени на поиск информации по регламентам, тарифам и другим вопросам, а ответы на запросы в службу методологической поддержки занимали часы.

Мы осознали, что традиционные решения, такие как статичные базы знаний или поисковые системы, уже не отвечают потребностям быстро меняющейся среды. Нужен был инструмент, который мог бы в режиме реального времени анализировать запрос, извлекать релевантную информацию из огромного массива данных и предоставлять четкий, точный и проверенный ответ.

Так родилась идея внедрения генеративного ИИ с технологией RAG (Retrieval-Augmented Generation), которая позволяет объединить мощность языковой модели с доступом к корпоративной базе знаний. Мы решили не просто создать инструмент для автоматизации типовых запросов, а полностью переосмыслить модель клиентского сервиса, где искусственный интеллект становится «цифровым ассистентом» для операционистов, помогая им быстрее, точнее и увереннее обслуживать клиентов.

- Что является целью проекта?

Конечная цель – создание современного технологичного и клиентоориентированного подхода в банковском обслуживании, где сотрудники обладают эффективными инструментами взаимодействия с клиентами, а банк получает конкурентное преимущество через цифровизацию внутренних процессов. Реализация проекта позволяет сократить время поиска информации и повысить удовлетворенность клиентов, а также снизить нагрузку на сотрудников поддержки. Мы формируем новые стандарты клиентского обслуживания, где цифровые технологии не просто автоматизируют процессы, а делают их удобнее и эффективнее для всех участников – от сотрудников до клиентов.

- Насколько эта задача важна для банка?

В современном банковском секторе клиентский опыт становится ключевым конкурентным преимуществом. Клиенты ожидают быстрого, точного и качественного обслуживания, а сотрудники – удобных инструментов для эффективной работы. Однако в условиях сложных банковских процессов и большого объема информации операционисты часто сталкиваются с трудностями в поиске актуальных данных, что может замедлять обслуживание и снижать уровень удовлетворенности клиентов.

Мы пытаемся решить эти проблемы комплексно. Самое главное – это улучшение клиентского опыта. Длительное ожидание, неточные ответы и повторные обращения подрывают доверие клиентов. Интеллектуальный помощник обеспечивает мгновенный доступ к актуальной информации, сокращая время обслуживания и повышая точность ответов. Это создает более удобный и надежный сервис, способствующий росту лояльности клиентов.

Другой важный фактор – повышение эффективности работы сотрудников. Операционистам приходится работать с самыми различными данными. Поиск информации вручную занимает время и снижает продуктивность. Интеллектуальный помощник сокращает нагрузку на сотрудников, позволяя им сосредоточиться на ключевой задаче — взаимодействии с клиентами.

Наконец, управление бизнес-процессами. Использование передовых технологий позволяет не только автоматизировать рутинные операции, но и выявлять ключевые точки для оптимизации процессов. Анализ запросов помогает лучше понимать потребности клиентов и оперативно адаптировать сервис под их ожидания.

- Технология RAG обеспечивает точность, но требует надежной и актуальной информации. Какие данные используются?

Чат-бот получает информацию из корпоративных баз знаний, включающих внутренние справочные материалы – инструкции, регламенты, нормативные документы; методические рекомендации и скрипты – алгоритмы взаимодействия с клиентами; каталоги продуктов и услуг, сборники тарифов – актуальные предложения, условия, стоимость банковских продуктов и услуг. Важно, что все данные структурированы и периодически обновляются, и это позволяет оперативно учитывать изменения в продуктах и процессах.

- Что представляет собой созданное решение?

Это комплексная система, включающая несколько основных компонентов. Первый из них – чат-бот-платформа, доступная сотрудникам отделений через их рабочие места. Второй элемент – фронт-офисное приложение, интегрированное с чат-ботом и обеспечивающее удобный доступ к информации. Третий ключевой компонент – RAG-сервис. Это интеллектуальный поисково-генеративный модуль, который позволяет LLM извлекать актуальные данные в режиме реального времени, преобразовывать информацию в машиночитаемый вид, а также генерировать точные и контекстно релевантные ответы для сотрудников отделений.

Такой подход не просто автоматизирует поиск информации, а создает интеллектуальную систему поддержки сотрудников, повышающую скорость и качество обслуживания клиентов.

- В чем особенность вашего проекта?

Ключевым отличием является глубина интеграции ИИ в операционные процессы банка. Мы не просто внедрили интеллектуального помощника, а полностью пересматриваем модель клиентского взаимодействия. В ней ИИ не заменяет, а дополняет человека, обеспечивая синергию машинного обучения и экспертных знаний сотрудников. Такой подход позволяет повысить качество обработки клиентских запросов, сократить время обслуживания и минимизировать нагрузку на сотрудников, что особенно важно в условиях масштабируемого бизнеса.

- Какие результаты уже достигнуты?

Наш проект продемонстрировал значительные улучшения в работе сотрудников и качестве клиентского сервиса. А после тиражирования чат-бота на всех сотрудников отделений он становится ключевым инструментом поддержки операционистов.

Пилотный проект, охвативший 3 тыс. сотрудников, уже подтвердил свою эффективность. Было достигнуто сокращение времени на поиск информации в 9 раз. Сотрудники получают нужные данные практически мгновенно, без необходимости вручную искать их в разрозненных системах. При этом точность ответов чат-бота составляет 90% – он обеспечивает актуальность и достоверность информации, исключая ошибки.

Немаловажно, что операционисты также отметили улучшение условий своей работы: благодаря оптимизации рутинных операций сотрудники больше времени уделяют клиентам, доступ к точным данным дает рост уверенности в консультациях, ускоряется адаптация новых сотрудников.

Экономический эффект выражается в снижении затрат на поддержку сотрудников и обучение, увеличении пропускной способности отделений и росте доходов за счет повышения лояльности клиентов.

- Пытались ли оценить эффект в финансовом выражении?

Оценка финансового эффекта стала важной частью нашего проекта. Мы изначально ставили цель не только улучшить клиентский опыт и повысить эффективность сотрудников, но и добиться ощутимого экономического результата.

Уже до конца 2025 года тиражирование интеллектуального чат-бота на всю сеть отделений даст банку эффект в размере 2,5 млн руб. за счет сокращения времени поиска информации, уменьшения количества ошибок и оптимизации нагрузки на сотрудников.

Однако ключевой потенциал заложен в масштабируемости решения. По мере расширения функциональности чат-бота, интеграции с новыми продуктами и обучения модели на более сложных кейсах, мы прогнозируем значительное усиление экономического эффекта. К 2030 году ожидаемая экономия составит 17,5 млн руб., что будет достигнуто за счет еще большей автоматизации, снижения нагрузки на службу поддержки и повышения скорости обработки запросов.

- Почему точность ответов чат-бота лишь 90%? С 10% неверных ответов можно смириться?

Внедрение генеративного ИИ в бизнес-процессы всегда сопровождается рядом сложностей, связанных как с масштабом данных, так и с динамикой обновления информации. Чат-бот работает с огромным массивом данных, но при этом сталкивается с неочевидными или некорректно сформулированными запросами со стороны пользователей.

Точность в 90% уже является значительным прорывом, так как в ручном режиме операционисты дают корректные ответы в среднем в 70-80% случаев из-за высокого объема информации и сложности регламентов. Чат-бот не только превосходит этот показатель, но и значительно сокращает время обработки запросов, что критично для повышения качества клиентского сервиса. Оставшиеся 10% – это зона для дообучения модели и обратной связи, что позволяет постепенно повышать точность и минимизировать риск критических ошибок. Таким образом, это скорее не недостаток системы, а механизм постоянного совершенствования, который делает чат-бота еще более эффективным и полезным для бизнеса.

- Какие эффекты ожидаются в дальнейшем?

До конца 2025 года запланировано масштабирование решения на всю сеть отделений банка. Ожидаемые результаты: рост автоматизации в чат-боте с 70% до 90%, сокращение времени обработки клиентских запросов в 1,5 раза, что уменьшит очереди в отделениях. Ожидается снижение нагрузки на службу методологической поддержки на 80% – большая часть запросов будет решаться автоматически, без привлечения экспертов. Очевидно, будет дальнейшее повышение качества клиентского обслуживания – сотрудники будут быстрее и увереннее отвечать на запросы клиентов.

- Какую роль играет проект для банка?

Проект играет стратегическую роль в развитии банка ВТБ, повышая его конкурентоспособность и задавая новые стандарты клиентского сервиса. Интеллектуальный помощник позволяет значительно сократить время обслуживания клиентов. Это улучшает клиентский опыт, повышает уровень доверия и способствует удержанию клиентов. Автоматизация обработки запросов снижает нагрузку на персонал, давая возможность сосредоточиться на более сложных и ценных задачах, а стандартизация ответов исключает разночтения, обеспечивая единообразие обслуживания.

Кроме того, чат-бот способствует оптимизации обучения персонала: новые сотрудники быстрее адаптируются, а количество ошибок снижается. Снижение уровня стресса среди операционистов положительно влияет на качество их работы и уменьшает текучесть кадров.

Мы не просто улучшаем текущие бизнес-процессы, но и действительно создаем конкурентное преимущество ВТБ на рынке. Внедрение генеративного ИИ в рабочие процессы отделений закладывает основу для дальнейшей цифровизации и развития интеллектуальных сервисов, соответствующих мировым стандартам клиентского обслуживания.

- А каково значение проекта для отрасли?

С учетом размера ВТБ мы оказываем значительное влияние на отрасль, задавая новые стандарты клиентоцентричности. Это успешный пример внедрения генеративного ИИ в реальную бизнес-среду, где он не просто автоматизирует рутинные процессы, а становится полноценным инструментом для персонализации взаимодействия с клиентами и повышения качества обслуживания.

Благодаря масштабируемости и универсальности технологии проект может стать катализатором изменений для всей финансовой отрасли, стимулируя другие компании к внедрению подобных решений.

Это новый подход к работе с большими данными в сфере клиентского обслуживания. Он позволяет компаниям эффективнее анализировать потребности клиентов, предсказывать их запросы и предлагать персонализированные решения.

- В каком направлении будет развиваться проект?

Проект будет развиваться в направлении гиперперсонализации клиентского сервиса за счет использования данных о клиенте, который обслуживается в отделении банка. Следующий шаг – интеграция клиентских данных в логику работы чат-бота. Возраст, трудовой стаж, место регистрации, действующий пакет услуг и информация о текущих продуктах позволят интеллектуальному помощнику предоставлять более точные и релевантные ответы, с учетом конкретной ситуации клиента.

Таким образом, чат-бот сможет не просто отвечать на запросы, а предлагать решения, соответствующие потребностям пользователя. Например, он сможет учитывать статус клиента, адаптируя рекомендации в зависимости от того, является ли человек действующим клиентом, и предлагать услуги, которые смогут его заинтересовать.

В долгосрочной перспективе чат-бот превратится из инструмента поддержки в полноценного цифрового советника, который поможет сотруднику подбирать клиенту выгодные предложения и оперативно находить решения в режиме реального времени.