ВТБ внедрит в свои сервисы разработанные совместно с учеными МГУ ИИ-модели
ВТБ совместно со учеными МГУ имени М.В. Ломоносова разработает модели-детекторы для сервисов банка на генеративном ИИ. Эти модели будут контролировать соблюдение этических норм в генерируемых ИИ-сервисами ответах, а также проверять ответы на предмет возможных ошибок, вымышленных данных и ссылок на несуществующие источники — так называемых галлюцинаций.
Помимо банка в совместном проекте участвуют Институт искусственного интеллекта МГУ имени М.В. Ломоносова и Исследовательский Центр в сфере искусственного интеллекта Университета. О проекте разработки ИИ-моделей рассказал Вадим Кулик, заместитель президента — председателя правления ВТБ в преддверии «Финополис-2025».
«В нашем совместном с МГУ проекте ведут работу ученые и специалисты разного профиля — математики, лингвисты, психологи, юристы, культурологи и др. — они вовлечены в разработку моделей искусственного интеллекта, которые мы сможем интегрировать во все каналы коммуникаций банка с клиентами, в которых используется генеративный искусственный интеллект. Мы рассчитываем, что это будет уникальный продукт, которого сегодня нет на рынке», — отметил Вадим Кулик.
По результатам совместного проекта ИИ-модели будут работать для перепроверки ответов больших языковых моделей (LLM), чтобы обеспечить еще более высокий уровень сервиса банка ВТБ. Их уникальность будет заключаться в том, что модели при взаимодействии с клиентом банка будут учитывать культурный код россиян, законодательство, специфику общения с клиентами, внутренние правила работы ВТБ, юридические и ряд этических аспектов и др.
По словам Вадима Кулика, на российском рынке сегодня используются решения двух типов. Это или готовые модули крупных российских разработчиков, или зарубежные решения на базе открытого исходного кода. «Все они не могут в полной мере удовлетворить интересам банка. Первые — потому что не учитывают специфику работы ВТБ, внутренние правила работы банка, ряд аспектов взаимодействия с определенными категориями клиентов. А вторые — не учитывают культурный код россиян, духовно-нравственные ценности и др. Все это крайне важно для нас, поэтому мы решили пойти по пути эксклюзивной разработки решения», — отметил Вадим Кулик.
Ученые и специалисты МГУ сфокусируются на формировании дата-сетов — массивов данных, на которых будут работать модели, а также на обучении и тестировании моделей, их настройку под конкретные задачи и интеграцию модели в сервисы банка. На первых этапах работы уже проведены десятки интервью со специалистами различных подразделений банка, которые так или иначе принимают участие во взаимодействии с клиентами. Интервьюируемыми стали как руководители розничных подразделений ВТБ, так и дивизионы по разработке чат-ботов, цифровых ассистентов и др.
Постепенное внедрение обновленных решений ВТБ на базе разработанных совместно с Институтом ИИ МГУ и Центром ИИ МГУ моделей планируется с 2026 года.
Чистая прибыль группы ВТБ за 9 месяцев текущего года составила 375 млрд рублей, что соответствует возврату на капитал 21,3%.
«Это дает нам возможность подтвердить наш прогноз по чистой прибыли на уровне 550 млрд рублей с учетом дополнительных факторов, включая прибыль от работы с заблокированными активами. Результат 3 квартала и 9 месяцев подтверждают устойчивость бизнес-модели и структуры баланса ВТБ, и ожидаемая рекордная прибыль 2024 года будет являться важным шагом для исполнения нашей трёхлетней стратегии», - отметил первый зампред ВТБ Дмитрий Пьянов.
Кредиты физическим лицам увеличились с начала 2024 года на 10,1% до 7,7 трлн рублей. ВТБ также констатирует, что россияне несут деньги в банке из-за высоких ставок по вкладам.
«На фоне замедления роста розничного кредитования мы продолжаем наблюдать высокий спрос на корпоративные кредиты. Также мы видим сильный и растущий приток розничных депозитов вследствие высокой доходности сберегательных продуктов», - сказал первый зампред ВТБ.
Компания ТЕХНОНИКОЛЬ представила цифрового ИИ-ассистента, который помогает операторам горячей линии консультировать клиентов по ассортименту материалов, их техническим свойствам, правилам монтажа и пр. За 17 месяцев работы цифрового помощника продуктивность операторов выросла в 15 раз, а количество негативных оценок клиентов сократилось в 1.4 раза.
Механика работы ИИ-ассистента построена на изучении диалогов операторов горячей линии с клиентами в чате на сайте и мессенджерах. С мая 2023 по февраль 2024 года авторы проекта провели сбор данных, запустили процесс речевой аналитики, разработали и запустили чат-бота. Клиент в чате задает вопрос, ИИ-ассистент сразу же находит данные и дает подсказку оператору, который формирует окончательный ответ. На сегодняшний день ИИ-ассистент в 92 % случаев дает правильные ответы, в 6 % — правильные, но неполные, в 2 % цифровой помощник не имеет источника ответа в базе знаний.
«Раньше, если оператор не обладал всей информацией, чтобы дать развернутый ответ, он вынужден был звонить техническому специалисту, который мог находиться на объекте, в дороге. В итоге время ответа увеличивалось, а удовлетворенность клиента снижалась. Учитывая, что в ассортименте ТЕХНОНИКОЛЬ восемь тысяч наименований, одному оператору действительно сложно глубоко освоить данные по каждой позиции. ИИ-ассистент стал настоящим прорывом в области консультирования клиентов», — отметил Андрей Цымбалюк, руководитель проекта ИИ-ассистент ТЕХНОНИКОЛЬ.
Следующим шагом развития цифрового помощника станет его внедрение в текстовые коммуникации, интеграция с системой телефонии, формирование базы знаний прямо в программе и запуск непрерывного обучения ИИ-модели. Таким образом, система искусственного интеллекта будет внедрена в основные каналы коммуникации бизнеса с клиентом, постоянное обучение позволит обеспечить высокую точность ответов, а значит, добиться роста удовлетворенности потребителей.
Согласно данным компании, 43 % клиентов обращаются на горячую линию, чтобы приобрести продукцию оптом или в розницу. Это значит, что в будущем ИИ-ассистент сможет обеспечить рост продаж.
Уже сегодня при помощи речевой аналитики можно выявить ошибки, которые ведут к потере клиента, определить точки роста, позволяющие увеличить размер среднего чека, оценить работу операторов с точки зрения соблюдения регламента.
Ноу-хау ИИ-ассистента ТЕХНОНИКОЛЬ стала возможность создать отчет «Ловец Инсайтов», в котором собраны данные по ключевым аспектам общения и потребностям клиентов.