Как ПСБ внедряет ИИ внутри и снаружи: от чат-ботов и RAG до мультиагентных систем

Как ПСБ внедряет ИИ внутри и снаружи: от чат-ботов и RAG до мультиагентных систем

В ПСБ подход к внедрению ИИ выстроен стратегически: мы не стремимся быть первыми, но стремимся быть эффективными. Меня зовут Дмитрий Шенберг, я заместитель директора департамента электронного бизнеса, малого и среднего предпринимательства. Расскажу, как в банке используются LLM-модели и генеративный ИИ — с примерами и цифрами.

В двух словах о рынке

ИИ в банковском секторе применяется во многих направлениях:

  • Обнаружение мошенничества: анализ транзакций, записей разговоров, жалоб.
  • Маркетинг и продажи: персонализированная реклама, генерация писем, синтез голоса.
  • Персонализация клиентского опыта: адаптированные ответы в чат-ботах, индивидуальные предложения.
  • Создание продуктов: анализ поведения клиентов, генерация гипотез по улучшению условий.
  • Оптимизация процессов: автоматизация отчётов, создание документации.
  • Оценка рисков: мониторинг новостей, соцсетей, рыночных данных.
  • Кредитный скоринг: использование альтернативных данных (например, поведение в интернете).
  • Инвестиции: краткие обзоры отчётов, конспекты для трейдеров.

В ПСБ мы делаем ставку на три ключевые области: маркетинг и продажи, персонализацию и оптимизацию ИТ и бизнес-процессов. Главная цель — не заменить сотрудников, а научить их использовать ИИ. Поэтому мы проводим обучение по промт-инжинирингу и работе с нейросетями.

Сервисы ПСБ: для предпринимателей

Наша стратегия — не хайп, а польза: рост выручки и экономия времени для клиентов. Вот как ИИ помогает предпринимателям.

Гиперперсонализация сервисов

Мы анализируем транзакции и поведение клиентов, чтобы предугадывать их потребности. Это делает рекомендательная модель на основе машинного обучения, встроенная в операционный CRM.

Например, предприниматель платит 1000 рублей в месяц за тариф с 10 бесплатными платёжками, но делает в среднем 20. Система предлагает перейти на более выгодный тариф — с большей абонентской платой, но меньшими итоговыми расходами.

Ещё один кейс: если клиент часто платит контрагенту вне ПСБ, мы предлагаем тому перейти в наш банк. Внутрибанковские платежи бесплатны — выгодно обоим.

Персональный ассистент «Катюша»

«Катюша» — наш главный ИИ-продукт для МСП. Она доступна в интернет-банке, мобильном приложении, на сайте и в VK. Сервис бесплатен для клиентов и уже обрабатывает около 4000 запросов в квартал.

Через ДБО 98% сервисов доступны дистанционно, 74% — полностью автоматизированы. «Катюша» обеспечивает 59% автоматизации в текстовых каналах и 40% — в голосовых. Четыре года подряд она входит в топ по качеству диалогов и количеству сценариев по версии Markswebb.

С помощью ИИ «Катюша» помогает:

  • писать описания товаров для маркетплейсов;
  • генерировать посты для соцсетей;
  • составлять ответы на отзывы;
  • подготавливать вопросы для собеседований;
  • решать задачи по SMM, HR и продажам.

В будущем добавим генерацию изображений. Всё это — в одном окне, без перехода в сторонние сервисы.

Под капотом — российская LLM-модель. Мы участвовали в её пилоте с «Яндексом» и первыми в сегменте МСП внедрили генеративный ИИ.

RAG: консультации нового уровня

Мы первыми в МСП-сегменте интегрировали в «Катюшу» технологию RAG (Retrieval-Augmented Generation). Раньше бот понимал намерение и задавал уточняющие вопросы. Теперь он ищет информацию в базе знаний, обрабатывает её LLM и выдаёт прямой ответ.

На этапе пилота это дало:

  • рост автоматизации обращений на 7%;
  • сокращение времени решения вопроса в 8 раз;
  • повышение точности и глубины ответов.

Увеличение на 7% — это существенно, особенно при уже высокой базе автоматизации. Каждый процент — вызов.

С июля RAG работает в пилотном режиме во всех каналах, но пока на ограниченных тематиках. Удовлетворённость клиентов выросла на 21%. Мы начали тиражировать технологию на массовые сценарии.

Ошибочные ответы сократились с 3% до 1%. Если RAG не может ответить — он предлагает помощь оператора. Это исключает репутационные и финансовые риски для банка.

Этический фильтр: вызов и решение

На этапе тестирования RAG блокировал до 30% запросов из-за этического фильтра. Проблема — в формулировках, связанных с политической тематикой. Например, упоминание «новых субъектов РФ» вызывало отказ в ответе.

Мы проанализировали входные данные и заменили чувствительные формулировки. Например, «Новые субъекты РФ» стали «НС РФ». Это сократило блокировку запросов до 3%, а затем — до 1%.

Теперь, если бот не понял вопрос, он просит переформулировать, а не предлагает искать ответ самостоятельно. Это улучшает пользовательский опыт.

Банк в мессенджерах

С 2023 года «Катюша» работает в VK-мессенджере. Это не просто чат-бот, а полноценный канал РКО: выставление счётов, оплата, просмотр баланса и выписок.

Клиент входит через логин и пароль от интернет-банка, подтверждает действия SMS-кодом. Все операции проходят в банковской инфраструктуре, мессенджер — лишь окно. Документы подписываются электронной подписью.

В 2025 году прирост активных пользователей — 35%. За год обработано более 60 тысяч платежей.

Успех в VK стал основанием для запуска сервиса в MAX. Регистрация компаний открыта недавно, но интерес уже есть.

Сервисы ПСБ: для внутренних сотрудников

С октября 2025 года мы тестируем ИИ-помощника для сотрудников. Цель — снизить нагрузку на экспертные подразделения и высвободить 10% рабочего времени для продаж.

Пилот стартовал с 25 сотрудников на типовых вопросах. Но оказалось, что по базовым темам помощь ИИ не критична — сотрудники и так знают ответы.

Более ценны профильные сценарии без персональных данных, например, консультации по ВНД или рекомендации по продуктам. Сейчас оцениваем эффективность, чтобы решить, как масштабировать сервис.

До конца 2026 года планируем:

  • охватить всех сотрудников продаж в Москве и МО;
  • встроить бота в окно операционного CRM;
  • подключить RAG для повышения точности.

Что будет дальше?

В этом году мы запустим LLM в контуре банка. Это позволит использовать RAG для персонализированных консультаций с доступом к чувствительным данным.

Наш гибридный подход:

  1. Для задач предпринимателей (SMM, HR, продажи) продолжим использовать облачные LLM.
  2. Простые вопросы по продуктам будут обрабатываться сценарным ботом — быстро и без задержек.
  3. По массовым тематикам подключим RAG с облачной нейросетью. К 2026 году доля таких ответов вырастет с 4% до 16%.
  4. Для вопросов с персональными данными — LLM в контуре банка. Также внедрим её в помощника для сотрудников офисов и выездных менеджеров.

В сухом остатке

ПСБ не бросился в ИИ с головой. Сначала мы достигли базовой автоматизации с минимальными вложениями. Затем, оценив тренды и опыт других, начали внедрять проверенные решения.

В сегменте МСП мы — пионеры. В массовой рознице — осторожное большинство. Но движемся вперёд: от чат-ботов к RAG и мультиагентным системам.

Читать оригинал