Автоматизация обработки кредитных документов уже позволяет финансовым организациям сокращать операционные расходы, однако внедрение искусственного интеллекта не всегда экономически оправданно. В одном из проектов компании «Декодика» себестоимость обработки кредитных досье удалось снизить в 9,5 раза. О том, какие операции банки и другие финансовые организации могут доверить алгоритмам, почему ИИ пока нельзя самостоятельно принимать юридически значимые решения и как изменится обслуживание клиентов в 2027 году, Агентство потребительской информации (АПИ) поговорило с Натальей Кошеляевой, генеральным директором ООО «Декодика» (входит в холдинг АО «Нирум»).
— Внедрение искусственного интеллекта требует инвестиций, и не каждое решение в итоге окупается. Как финансовой организации понять, действительно ли автоматизация позволит сэкономить? Есть ли уже конкретные результаты таких проектов?
— Одна из распространенных ошибок при внедрении ИИ заключается в том, что компании оценивают стоимость программного обеспечения, но не рассчитывают полную экономику процесса. Необходимо учитывать не только разработку или приобретение решения, но и его интеграцию с действующими системами, подготовку данных, техническую поддержку и последующее сопровождение.
Основной показатель эффективности — себестоимость одной операции. Важно понимать, сколько стоит обработка документа вручную и сколько будет стоить аналогичная операция после автоматизации с учетом всех расходов. Дополнительно необходимо оценивать скорость обработки, долю операций, требующих участия сотрудников, и количество ошибок.
Например, в одном из наших проектов автоматизации обработки кредитных досье удалось снизить себестоимость процесса в 9,5 раза. Однако подобный результат во многом зависит от объема однотипных операций.
Поэтому решение об автоматизации должно приниматься на основании расчетов, а не только исходя из доступности новых технологий. Важно заранее определить ожидаемый экономический эффект и срок окупаемости проекта.
— Получается, что в некоторых случаях сотрудник с документами все еще обходится компании дешевле искусственного интеллекта?
— Да, при небольших объемах ручная обработка иногда действительно обходится дешевле. Если компания обрабатывает несколько десятков документов в месяц, внедрение сложной ИИ-системы может оказаться экономически неоправданным.
Экономический результат автоматизации во многом определяется количеством повторяющихся операций. Поэтому важно оценивать полную стоимость процесса и сопоставлять ее с затратами на внедрение и дальнейшую эксплуатацию системы.
— Какие операции с финансовыми документами сегодня можно полностью автоматизировать, а где без сотрудников по-прежнему не обойтись?
— Сегодня можно автоматизировать значительную часть операций, связанных с получением, распознаванием, классификацией и структурированием документов.
Например, система способна определить тип документа, извлечь необходимые сведения, проверить наличие реквизитов и передать информацию в корпоративную систему. При больших объемах документооборота это позволяет практически исключить ручной ввод данных из типовых документов.
Однако возможности автоматизации зависят от качества исходных материалов и сложности задачи. Документы могут содержать рукописный текст, нечеткие изображения, нестандартные формулировки и противоречивые сведения. В таких ситуациях система должна либо корректно обработать исключение, либо передать документ специалисту.
Важно разделять обработку информации и принятие решений на ее основании. ИИ может извлечь сведения из судебного документа или кредитного досье, но оценка юридических обстоятельств и выбор дальнейших действий могут требовать профессионального участия.
Наиболее эффективный подход — автоматизировать массовые типовые операции, а сотрудников подключать к сложным и нестандартным случаям. Это позволяет перераспределить нагрузку без потери контроля над качеством работы.
— В финансовой отрасли все чаще обсуждают ИИ-агентов, которые способны не только анализировать информацию, но и выполнять последовательность действий. Насколько такие технологии готовы к практическому применению?
— Главное отличие ИИ-агентов от привычных инструментов заключается в способности выполнять последовательность связанных действий.
Если обычная система распознает документ или отвечает на запрос, то агент может использовать полученную информацию для выполнения следующего этапа процесса. Например, обработать входящий документ, определить его категорию, проверить комплектность данных, сформировать задачу и направить ее ответственному сотруднику.
Такие сценарии уже технически реализуемы. Однако возможность выполнить действие не означает, что системе следует предоставлять право делать это самостоятельно.
В финансовой отрасли принципиальное значение имеют последствия ошибки. Автоматическое распределение документов по категориям и самостоятельное проведение платежа предполагают совершенно разный уровень ответственности.
Поэтому в 2027 году можно ожидать расширения применения ИИ-агентов прежде всего во внутренних операционных процессах, где действия можно ограничить заранее установленными правилами.
— Какие решения нельзя полностью передавать алгоритмам? Например, можно ли доверить ИИ проведение платежей или изменение условий договора?
— Операции, связанные с движением денежных средств, изменением договорных условий или решениями, затрагивающими права клиентов, должны предусматривать дополнительные механизмы подтверждения и контроля.
Более экспериментальным направлением пока остаются автономные ИИ-системы, способные самостоятельно принимать сложные финансовые или юридически значимые решения. Их внедрение сдерживают риски ошибок, зависимость от качества исходных данных и необходимость дополнительного контроля.
Поэтому в 2027 году такие технологии, вероятнее всего, будут развиваться прежде всего в рамках ограниченных сценариев, где действия алгоритмов можно проверить и при необходимости скорректировать.
— Один из наиболее трудоемких процессов в финансовой отрасли — работа с кредитными досье и документами для судебного взыскания. Насколько существенно ИИ уже позволяет сократить время их обработки?
— В судебном взыскании значительная часть работы связана с обработкой больших массивов документов. Это кредитные досье, договоры, заявления, судебные определения и другие материалы, необходимые для сопровождения процесса.
Сегодня технологии позволяют автоматизировать распознавание и классификацию документов, извлечение необходимых сведений, структурирование кредитных досье и подготовку данных для формирования судебных пакетов.
Например, в одном из реализованных проектов время обработки кредитного досье объемом от 30 до 100 страниц сократилось с 15 до 2–3 минут. При массовой работе с документами такая разница существенно влияет на производительность.
Еще одно направление — анализ судебных определений. ИИ позволяет извлекать из них информацию о причинах возврата заявлений, распределять документы по категориям и передавать специалистам сведения для дальнейшей работы. Это особенно важно при большом количестве судебных обращений, когда ручной анализ каждого документа требует значительных ресурсов.
При этом автоматизация документооборота не означает передачу алгоритмам всех решений по взысканию. Технологии помогают быстрее получать и обрабатывать информацию, а юридическая оценка обстоятельств дела и определение дальнейших действий остаются в зоне ответственности специалистов.
В перспективе развитие таких решений позволит финансовым организациям быстрее проходить отдельные этапы судебного взыскания и сокращать затраты на повторяющиеся операции.
— Если смотреть на финансовую отрасль в целом, какие технологии уже дают измеримый эффект, а какие пока остаются экспериментальными? Что изменится в 2027 году?
— В 2027 году одним из ключевых направлений развития финтеха станет переход от автоматизации отдельных операций к комплексным процессам, в которых искусственный интеллект не только обрабатывает информацию, но и помогает выполнять последующие действия.
Сегодня финансовые организации уже используют технологии распознавания документов, извлечения данных и автоматической классификации информации. Эти решения дают измеримый результат, поскольку позволяют сократить время обработки документов, уменьшить объем ручной работы и снизить операционные расходы.
Следующий этап — объединение таких инструментов в единую систему. Например, после получения документа ИИ сможет определить его содержание, проверить необходимые сведения, сопоставить их с данными корпоративных систем и запустить следующий этап обработки.
При этом системы, самостоятельно принимающие сложные финансовые или юридически значимые решения, пока остаются более экспериментальным направлением. Их использование требует дополнительного контроля и возможности проверить действия алгоритмов.
— Для обработки кредитных досье и других финансовых документов ИИ получает доступ к конфиденциальной информации. Какие риски возникают при работе с внешними IT-подрядчиками и как финансовым организациям защитить клиентские данные?
— При выборе технологического партнера важно оценивать не только возможности самого продукта, но и компетенции команды, которая будет заниматься его внедрением и сопровождением.
Финансовые организации работают со сложными документами, большими объемами информации и корпоративными системами, уже встроенными в действующие бизнес-процессы. Поэтому даже качественное ИИ-решение может не принести ожидаемого результата, если его сложно интегрировать в существующую инфраструктуру.
Отдельное внимание необходимо уделять работе с данными. До начала проекта важно определить, где будет происходить обработка документов, кто получит доступ к информации, какие сведения передаются подрядчику и как организовано их хранение.
Особенно чувствительны эти вопросы при работе с персональными данными, финансовой информацией и юридически значимыми документами.
Не менее важно оценить возможности поставщика по развитию продукта. Технологии ИИ быстро меняются, поэтому финансовой организации нужен партнер, способный адаптировать решение к новым требованиям и поддерживать его стабильную работу.
В конечном итоге необходимо учитывать опыт работы подрядчика с финансовыми организациями, требования к защите данных и способность обеспечить стабильную работу решения после внедрения.
— Пока мы говорили в основном о выгоде для финансовых организаций. А что получит обычный клиент? Какие три изменения в обслуживании вы ожидаете в 2027 году?
— Первое изменение — сокращение количества повторных запросов документов.
По мере развития автоматизированной обработки финансовые организации смогут эффективнее использовать уже полученные сведения, выявлять недостающую информацию и быстрее проверять комплектность документов.
Для клиента это означает меньше дополнительных обращений и необходимости повторно предоставлять одни и те же данные.
Второе — более быстрое рассмотрение нестандартных обращений. Сегодня значительное время может уходить на поиск информации в разных системах, изучение документов и восстановление истории взаимодействия с клиентом.
ИИ способен собрать необходимые сведения и подготовить их для специалиста. Это позволит сотрудникам быстрее переходить к решению самого вопроса.
Третье — развитие персональных цифровых помощников. В перспективе они смогут помогать клиентам анализировать условия финансовых продуктов, отслеживать предстоящие платежи и обращать внимание на важные изменения в договорах.
Это позволит людям лучше ориентироваться в своих финансовых обязательствах и своевременно принимать необходимые решения.
— Но чем больше решений финансовые организации автоматизируют, тем выше риск, что клиент столкнется с ошибкой алгоритма. Как не допустить ситуации, когда человеку просто не к кому обратиться?
— Главный риск связан с чрезмерным доверием автоматизированным решениям.
Если система неверно интерпретировала данные или не учла обстоятельства конкретной ситуации, клиент должен иметь возможность обратиться к специалисту и добиться дополнительной проверки.
Поэтому главным результатом развития финтеха в 2027 году станет повышение удобства финансовых сервисов, позволяющее людям тратить меньше времени и усилий на решение финансовых вопросов.
💸 Цены меняются. Правила тоже. Будьте в курсе того, что касается вашего кошелька.