Agentic AI — Повышение вовлеченности клиентов в финансовых услугах

Откройте для себя лучшие новости и события в сфере финтех!

Подпишитесь на рассылку FinTech Weekly

Читают руководители JP Morgan, Coinbase, Blackrock, Klarna и многих других

«Ожидается, что выручка в финтех-индустрии будет расти почти в три раза быстрее, чем в традиционном банковском секторе, в период между 2022 и 2028 годами» — McKinsey, Oct24, 2023. 
«Ожидается, что мировой рынок финтеха будет стоить $394.88 млрд в 2025 году и достигнет $1,126.64 млрд к 2032 году» — Fortune business insights, June 09, 2025

Вовлеченность клиентов — один из ключевых факторов различия между традиционными банковскими и финансовыми организациями и финтехом. Начиная с бесшовного адаптационного процесса для клиента, проверок, выполнения транзакций и последующего обслуживания, а также урегулирования жалоб, финтех превосходит традиционные финансовые институты. Со временем финтех пытался сократить этот разрыв и улучшать вовлеченность клиентов. Исследования показывают, что это единственный самый важный фактор, который приводит к улучшению итоговых финансовых результатов.

Несмотря на развитие цифровых технологий и усилия банков, клиентский сервис по-прежнему остается одной из главных областей для улучшений. «Персонализация» и «Скорость обслуживания клиентов» по‑прежнему оцениваются низко в опросах о удовлетворенности1, открывая банкам и финансовым организациям возможности повысить качество. Разрыв еще сильнее увеличивается для клиентов в сфере управления капиталом, где персонализация и специализированные знания важнее всего, формируя доверие и лояльность. Именно здесь ИИ‑агенты, усиленные специализированными знаниями в предметной области, могут обеспечивать увлекательное и интеллектуальное взаимодействие с клиентами. Клиентский сервис, находящийся на переднем плане делового взаимодействия, влияет не только на уровень удовлетворенности, но и на долгосрочную лояльность и пожизненную ценность бизнеса.

Агентская ИИ‑сеть с несколькими специализированными агентами может выполнять действия одновременно, например: извлекать истории взаимодействий с клиентами, проводить анализ настроений, учитывать жизненные события, анализировать конкурентную среду по продуктам и комиссиям, анализировать рыночные тенденции и т.д., а также предоставлять клиентам информативные рекомендации. Используя технологии NLP и голосового взаимодействия, коммуникацию можно сделать интуитивной, соотнося ее с предпочтительным стилем клиента, языконезависимой и поддерживающей омниканальность. Преимущества GenAI реальны, и некоторые недавние внедрения в банках демонстрируют позитивные результаты. Улучшения опыта — одно из главных благ.

Сотрудничество ИИ и человека — один из наиболее взаимовыгодных результатов последних технологических разработок. Системы искусственного интеллекта демонстрируют исключительную компетентность при обработке огромных объемов данных, точно и быстро выявляя тренды и закономерности.

Генеративный ИИ дополнительно развивает эту возможность, генерируя рекомендации для человеческих агентов, которые улучшают качество обслуживания и вовлеченность клиентов. Личные финансовые консультанты, которые раньше были привилегией клиентов с сверхвысоким состоянием, теперь могут быть «демократизированы» ИИ‑агентами и стать доступными более широкой аудитории клиентов.

Банки, имея доступ к множеству личной информации клиентов и их истории транзакций, могут предлагать сервис‑консьерж: от налогового планирования до инвестиционного консультирования, а также даже выступать в роли персонального ассистента. Благодаря постепенному расширению возможностей ИИ‑агентов для выполнения сложных и персональных задач банки и финансовые организации могут обеспечивать более качественный клиентский опыт, что приводит к росту лояльности и пожизненной ценности.

Агентская ИИ и ажиотаж вокруг нее

Технологический тренд Gartner 2025 обозначил агентскую ИИ как главный тренд 2025 года. MITSMR 2025 AI & Data Leadership Executive benchmark Survey также спрогнозировал похожий результат.

Что такое агентская ИИ? Речь идет о «системах и моделях ИИ, которые могут действовать автономно для достижения целей без необходимости постоянного участия человека в качестве руководства, говорит HBR. Она понимает цели и задачи пользователя, а также контекст проблемы, которую они пытаются решить». Это система самообучения, которая использует сложные механизмы рассуждений и творческие способности моделей GenAI для решения многошаговых сложных задач. Агентская «меш‑сеть» — это команда из нескольких агентов, которые могут выполнять задачи одновременно, согласованные с единственной общей целью.

«Агентские ИИ‑системы обещают преобразовать многие аспекты сотрудничества человека и машины благодаря своим усиленным возможностям рассуждений и исполнения. Они могут планировать и принимать решения независимо, обеспечивая более высокую продуктивность, инновации и идеи для человеческих команд» 
– HBR, Dec 2024

Пример представления системы обслуживания клиентов на основе агентской ИИ

Все эти агенты выполняют свои задачи параллельно и передают результаты менеджеру‑агенту, который, в свою очередь, оперативно отвечает на запросы клиентов. Отобранные знания предметной области и обучение делают этих агентов экспертами в своей сфере. Обширная организационная библиотека исследований по управлению капиталом и массивов данных являются ресурсами, которые можно использовать для обучения ИИ‑агентов.

Некоторые ключевые сценарии использования в клиентском сервисе:

*   Виртуальный финансовый консультант
*   Профилирование клиентов
*   Мониторинг мошенничества в реальном времени
*   Выполнение рутинных задач
*   Подготовка отчетов

Профилирование клиентов — это первый шаг к пониманию клиента, и еще один важный сценарий использования, который обеспечивает вовлеченность клиентов. Чем лучше банк знает своих клиентов, тем лучше он может обслуживать их и выстраивать устойчивые отношения. Это сложный процесс. Несмотря на прогресс в технологиях, он по‑прежнему отнимает много времени и имеет множество возможностей для улучшений. На протяжении лет OCR Technologies и разные уровни автоматизации на разных стадиях существенно улучшили процесс сбора, обработки и использования информации о клиентах. Автономные ИИ‑агенты дают много надежд и возможностей для дальнейшего преобразования процесса, делая его бесшовным и выполняющим несколько параллельных действий.

ИИ‑агенты, используя свою экосистему инструментов ИИ, таких как биометрическая валидация, распознавание лица, проверка документов через API и т.д., могут выполнять одновременные проверки параллельно, одновременно собирая данные.

Как показывает практика, текущий процесс уязвим для мошеннических действий, когда злоумышленники могут обходить механизмы валидации, такие как проверка «живости» (liveliness test) и т.п. ИИ‑агенты способны сделать этот процесс более надежным, анализируя контекстные сигналы, такие как угол устройства, или запуская проверку наличия любых неавторизованных программ в фоновом режиме и т.д. Кроме того, способность ИИ‑агентов обрабатывать неструктурированные данные в сочетании с анализом настроений может привести к более надежному профилированию риска клиента, создавая более точный «психологический портрет» (persona). Эта более глубокая степень проверки в сочетании с одновременными валидациями в реальном времени повышает уровень безопасности и помогает предотвращать изощренные попытки мошенничества со стороны недобросовестных элементов, делая систему безопасной. Это ведет к росту доверия, усилению вовлеченности клиентов и лояльности.

Выводы:

*   Типичное взаимодействие с клиентом может включать несколько запросов — например, недавние транзакции, рекомендации по продуктам и ошибки в счетах — все в рамках одного разговора.
*   Традиционные чатботы часто не справляются с такими многогранными взаимодействиями и могут терять контекст.
*   Традиционные чатботы не могут «прокручивать» клиентские портфели, выполняя инвестиционные транзакции по продуктам управления капиталом 
*   Агентская ИИ работает на более продвинутом уровне, функционируя как цифровые члены команды с:

Автономностью действовать без постоянного вмешательства человека.

Целеориентированным интеллектом для поиска и достижения конкретных результатов.

Возможностями рассуждений в реальном времени для динамического принятия решений.

*   Эти системы могут:

Понимать тонкий и естественный человеческий язык.

Сохранять контекстуальную согласованность на протяжении длительных и сложных диалогов.

Интегрировать и оркестрировать задачи с помощью инструментов вроде CRM, ERP и внутренних баз знаний.

*   Во взаимодействии с клиентами агентская ИИ обеспечивает:

Поддержку 24/7 для сценариев, имитирующих человеческое взаимодействие.

Масштабируемую обработку сложных и многослойных проблем клиентов.

Персонализированные, текучие разговоры, поддерживаемые сетью микро‑агентов, каждый из которых специализируется на конкретной потребности клиента.

*   Подход выходит за рамки базового решения запросов — он обеспечивает полную ответственность за проблему и сквозное (end-to-end) ее решение.

Призыв к действиям для лидеров отрасли:

Теперь возникает стратегический вопрос: что должны сделать лидеры отрасли, чтобы не просто экспериментировать, а внедрить агентскую ИИ в операционную деятельность ради трансформационных выгод? Во-первых, им нужно выйти за пределы «усталости от пилотов» и выбрать сценарии вовлеченности клиентов с высокой отдачей для тестирования в режиме «copilot mode».

Это означает усиливать человеческих агентов, а не заменять их. Во-вторых, инвестировать в обучение команд на передовой для совместной работы с ИИ, а не «вокруг» него. ИИ должен быть их партнером, а не параллельным процессом. В-третьих, сместить модели бюджетирования с оплаты «за место» в ПО на контракты «сервис как ПО», ориентированные на результат; платить за разрешение, а не за лицензию. В-четвертых, лидерам нужно интегрировать данные между «силами/силами» (силами в сило‑подходе) вроде маркетинга, сервиса, операций, чтобы наполнять эти системы тем контекстом, на котором они лучше всего работают.

И наконец, вести работу с упором на доверие; внедрить этические защитные ограждения, прозрачно измерять эффективность и сообщать клиентам, что хотя машины могут обрабатывать запросы, люди всегда находятся в контуре. В эту новую эпоху победа — это не про создание технологий, а про то, чтобы дать людям и процессам возможность усилить ее эффект.

Ссылки:

• Будущее роста финтеха | McKinsey
• • Обзор рынка FinTech с объемом, долей, стоимостью | Growth [2032]