Еще два-три столетия назад банк был единственным, кто мог обучить клерка. Сегодня, несмотря на подготовку специалистов в вузах, финансовые компании продолжают инвестировать в корпоративное образование. Рассказываем, как менялось обучение в банках — от XVII века до наших дней — и почему такие компании, как МКБ, делают ставку на искусственный интеллект.
Выявлять подделки и знать методы ограблений: как учили сотрудников в прошлом
Первые банки в Европе появились в Средневековье, но современную модель они начали формировать только в XVII веке. Тогда они стали активно кредитовать торговлю, обменивать валюту и выпускать долговые обязательства. Среди них — Банк Англии, заложивший основы централизованной банковской системы.
В то время уровень общего образования был низким. Даже выпускники университетов часто не умели писать грамотно. Поэтому банки сами обучали новых сотрудников. Помимо базовой грамотности, клерков учили вести учет, а также распознавать поддельные монеты и банкноты — на глаз, наощупь и даже «на зуб».
Особое внимание уделяли выявлению «обрезанных» монет. Недобросовестные вкладчики «обкусывали» края серебряных монет, чтобы переплавить обрезки. Такое мошенничество, называемое «стрижкой», было распространено, пока на монеты не стали наносить рифленый гурт или защитные надписи. До этого банковским служащим приходилось тщательно проверять каждую монету, чтобы банк не терял стоимость вкладов из-за уменьшения веса серебра.
В США к началу XX века подготовка банковских специалистов стала более системной. В 1901 году был основан Институт банковских клерков при участии президентов национальных банков и Анона О. Киттриджа — пионера бухгалтерского учета.
Обучение сочетало очные лекции и дистанционные материалы, доставлявшиеся по почте. В них — рекомендации по литературе, темы для дебатов и статьи финансистов. Например, в 1904 году в одной из рассылок описывались современные методы ограблений банков — не как инструкция, а как предупреждение.
Учебная программа включала каллиграфию, грамматику, риторику, стенографию и машинопись. Также преподавали финансовую историю, математику и бухгалтерский учет. Студенты могли выбирать курсы по интересам. Позже институт переименовали в Американский институт банковского дела и проработал он до 2014 года.
Сегодня банковскому делу учат в сотнях вузов по всему миру. Однако сами банки по-прежнему активно развивают сотрудников, используя LMS-платформы и решения на основе ИИ, которые делают обучение гибким и персонализированным.
Как ИИ помогает учиться: данные исследований
С развитием технологий ИИ и обработки естественного языка растет число исследований о его роли в обучении — как в академической среде, так и в корпоративном образовании.
Например, в IBM отмечают, что ИИ-рекомендации помогают сотрудникам лучше усваивать материал. Исследование из Университета Северной Флориды (2023) показало, что студенты, использовавшие чат-ботов для персонализированных тестов, показывали более высокие и стабильные оценки в течение семестра.
ИИ также снижает уровень стресса при обучении. Такой вывод сделали специалисты из Университета Градец-Кралове (Чехия, 2025). В ходе анализа научных публиций они выяснили, что ИИ-системы повышают вовлеченность и мотивацию: они упрощают написание текстов, помогают формулировать мысли и переводить материалы, расширяя доступ к образовательным ресурсам.
Исследователи из Университета Питтсбурга опросили 95 студентов и выяснили, что многие обращаются к ИИ-помощникам, когда не хватает времени или возникают трудности. Большинство оценили такой опыт положительно, а некоторые предпочитали чат-ботов преподавателям — особенно если отношения с ними были напряженными.
В Массачусетском университете в Амхерсте провели эксперимент с 57 студентами экономического факультета. Одну группу разрешили использовать генеративный ИИ, другую — запретили. Результат: студенты с доступом к ИИ были более вовлечены и удовлетворены процессом. Эти находки объясняют, почему ИИ всё активнее внедряют и в банковской сфере.
Зачем банкам нейросети сегодня
Системы ИИ в банках в первую очередь используют для онбординга. Они интегрируются с обучающими платформами и помогают составить индивидуальный план адаптации — объяснить правила комплаенса и внутренние политики. HR-специалисты могут анализировать опыт нового сотрудника и подбирать модули для устранения пробелов в знаниях.
Один международный инвестиционный банк применяет ИИ, чтобы автоматически выявлять слабые места у молодых специалистов и формировать персонализированные программы обучения. Системы обращаются к инструкциям, корпоративным руководствам и HR-документам, генерируя краткие выжимки и тесты.
По оценке банка, такой подход повысил вовлеченность, сократил текучесть кадров и увеличил операционную эффективность: время решения типовых вопросов сократилось с часа до 15 минут.
ИИ используют и для обучения работе с самими нейросетями. Например, в европейском подразделении Raiffeisen Bank в 2024 году запустили Copilot Chat. Чтобы помочь сотрудникам освоить инструмент, провели десятидневные тренинги — «промпт-марафоны», где учили правильно формулировать запросы.
Нейросети могут отвечать на вопросы сотрудников, опираясь на внутренние базы данных. В Pictet Group внедрили чат-бота, который помогает с вопросами по кадровой политике, управлению и техническим процессам. Благодаря методу RAG система учитывает должность пользователя и предоставляет доступ только к разрешенным источникам.
Похожее решение работает в одном из крупных азиатских банков. Там LLM-система помогает менеджерам по работе с клиентами и контрагентами. Раньше они тратили много времени на сбор информации и оформление документов. После внедрения чат-бота, по данным McKinsey, заполнение документов ускорилось на 90%.
Банки используют ИИ не только для бизнес-подразделений, но и для поддержки разработчиков. Например, в Московском кредитном банке недавно прошел конкурс идей по оптимизации внутренних процессов. Были отобраны три проекта:
- Чат-бот для доработки банковских систем. Нейросеть будет обучена на материалах Confluence и исходном коде ЦФТ-банка, чтобы сохранять и быстро находить технические решения.
- ИИ-помощник для тестировщиков. Инструмент возьмет на себя рутинные задачи: проверку тест-кейсов на дубли и корректность оформления. Это ускорит разработку и доработку систем.
- ИИ-ментор для разработчиков. Персонализированный тренажер по программированию: нейросеть будет генерировать задачи, анализировать код, разбирать ошибки и адаптироваться под уровень и стиль мышления пользователя. Цель — сократить время адаптации новых сотрудников.
В XVII веке банки обучали сотрудников, потому что не могли найти квалифицированных специалистов. Сегодня цели другие: повысить эффективность, упростить адаптацию и помочь осваивать новые технологии. ИИ становится ключевым инструментом в этом процессе.