Крупные финансовые учреждения России демонстрируют более высокий уровень зрелости в организации управления генеративным ИИ по сравнению с предприятиями из других сфер. У 81% финансовых организаций увеличились бюджеты на данные и проекты в области ИИ, при этом ни один банк не сообщил об отсутствии выделенного финансирования. В других секторах 18% компаний не выделяют отдельный бюджет, а рост более чем на 50% зафиксирован лишь у 25%. Эти данные были представлены экспертами «К2Тех», которые провели сравнение финансового сектора с компаниями из ритейла, промышленности и логистики по четырем критериям: наличие ответственного за риски, бюджет, зрелость управления данными и измеримость эффективности ИИ-пилотов. Редакция IT Speaker ознакомилась с результатами исследования.
Как отметил IT Speaker Александр Бочкин, генеральный директор «Инфомаксимум», банки оказались лучше подготовлены к внедрению ИИ, поскольку этот сектор обычно одним из первых осваивает новые технологии. Это связано с тем, что их конкурентоспособность напрямую зависит от скорости и качества обслуживания клиентов, а также способности управлять рисками. Для таких организаций внедрение ИИ становится логическим этапом развития существующей технологической инфраструктуры.
«Мы наблюдаем парадокс: инвестиции в ИИ растут быстрее, чем компании способны измерить и подтвердить их бизнес-эффект. Поэтому следующий уровень зрелости – это не просто новый бюджет на GenAI, а управление портфелем: каждая инициатива должна иметь владельца, стоимость, профиль риска, измеримые метрики эксперимента и четкое решение по результатам – масштабировать, доработать или закрыть. В противном случае даже хорошо финансируемая программа ИИ быстро превращается в дорогую коллекцию пилотов», – прокомментировал Гоша Шатиров, директор по инновациям и ИИ «К2Тех».
В финансовом секторе 43% компаний сообщили, что ответственность за ИИ и данные закреплена за отдельным руководителем – CAIO, CDO или аналогичной ролью. В других отраслях этот показатель составляет 30%. Также существует различие в подходах к управлению рисками: в 24% финансовых организаций за них отвечает риск-менеджмент или комплаенс, в других секторах – в 6%.
Банки также активнее готовятся к новому регулированию в области ИИ. 86% финансовых учреждений оценили свою data-инфраструктуру как полностью или частично готовую к требованиям законодательства, тогда как в других отраслях этот показатель составляет 73%. При этом готовность data-инфраструктуры не означает, что конкретные наборы данных уже подходят для ИИ-сценариев. 62% банков считают, что их данные нуждаются в доразметке, очистке или консолидации. В других секторах о частичной готовности сообщили 39% компаний. При этом банки реже указывают данные как главный барьер: 19% против 23% в других отраслях.
Главная системная проблема в управлении ИИ во всех отраслях – отсутствие измеримых KPI. Только 24% финансовых организаций используют количественные метрики: число инцидентов, полнота документации или уровень автоматизации контрольных процедур; в других секторах этот показатель составляет 26%. При этом 48% банков ориентируются преимущественно на качественные оценки, такие как результаты аудитов, а 14% оценивают процесс без формализованных метрик. В результате около трех четвертей компаний не имеют количественных KPI для управления.
По словам Бочкина, компаниям сложно измерять эффект от ИИ, когда его внедряют как отдельный инструмент, не связывая его с конкретным процессом и его экономикой.
«У банков есть важное преимущество: во многих из них, даже в российском контексте, уже внедрены аналитика бизнес-процессов (Process Mining) и аналитика бизнес-операций (Task Mining), поэтому значительная часть необходимого для ИИ контекста уже доступна. Process Mining демонстрирует реальный ход процесса по данным корпоративных систем – его маршруты, задержки, возвраты и отклонения. Task Mining дополняет эту картину действиями сотрудников на рабочих компьютерах, включая ручные проверки, перенос данных и переключения между системами. В результате банк может оценивать эффект ИИ не изолированно, а в контексте всего процесса, понимая, действительно ли технология решила проблему или лишь ускорила один из его этапов», – добавил Бочкин.
Эксперт подчеркнул, что перед запуском проекта необходимо зафиксировать исходные параметры процесса: его длительность, стоимость одной операции, объем ручного труда, количество ошибок и возвратов, пропускную способность, влияние на продажи или качество сервиса. После внедрения оцениваются изменения именно этих параметров. На их основе уже рассчитываются ROI, срок окупаемости, снижение операционных расходов или дополнительная выручка.
Для клиентских процессов важны конверсия, скорость ответа, число повторных обращений и отказы клиентов из-за задержек. Для внутренних процессов – трудозатраты, стоимость обработки, количество исключений и доля операций, выполненных без участия человека. Проект следует масштабировать только тогда, когда улучшение подтверждено на уровне всего процесса.
Также по результатам исследования стало известно, что в банках наблюдается более значительный разрыв между ожиданиями топ-менеджмента и реальной готовностью бизнеса к внедрению ИИ: 38% финансовых организаций сообщили о значительном разрыве, тогда как в других отраслях – только 24%. Полное соответствие ожиданий ресурсам зафиксировано лишь у 10% банков против 25% в других секторах. Это говорит о том, что даже при более зрелой организационной структуре и финансировании банковское руководство ожидает от ИИ большего, чем могут обеспечить текущие данные и инфраструктура.
Ранее редакция IT Speaker сообщала о том, что в 2026 году 71% компаний будут использовать ИИ в финансовых операциях, причем 41% – в значительной степени. Его применяют для составления отчетности, анализа финансовых показателей, построения прогнозов, а также для автоматизации рутинных операций.
«Сбер» внедрил 700 ИИ-инициатив в 2025 году
