Агентный ИИ - Повышение вовлеченности клиентов в финансовых услугах

Откройте для себя лучшие новости и события в финтехе!

Подписывайтесь на рассылку FinTech Weekly

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

“Доходы в индустрии финтех ожидается вырастут почти в три раза быстрее, чем в традиционном банковском секторе с 2022 по 2028 год” – McKinsey, октябрь 24, 2023.
“Глобальный рынок финтеха, по прогнозам, достигнет стоимости 394,88 миллиарда долларов в 2025 году и достигнет 1126,64 миллиарда долларов к 2032 году” – Fortune Business Insights, 09 июня 2025

Вовлеченность клиентов — один из ключевых факторов отличия между традиционными банковскими и финансовыми учреждениями и финтехом. Начиная с беспрепятственного onboarding клиента, проверки, выполнения транзакций, последующего обслуживания и урегулирования споров, финтех превосходит традиционные финансовые институты. Со временем финтехи пытались сократить разрыв и добиться превосходства в вовлеченности клиентов. Исследования показывают, что это самый важный фактор, который ведет к улучшению финансовых показателей.

Несмотря на развитие цифровых технологий и усилия банков, обслуживание клиентов по-прежнему остается одной из главных областей для улучшения. “Персонализация” и “Скорость обслуживания” по-прежнему оцениваются низко в опросах удовлетворенности1, что дает банкам и финансовым организациям широкие возможности для повышения качества. Разрыв особенно увеличивается для клиентов управления богатством, где особенно важны персонализация и специализированные знания, укрепляющие доверие и лояльность. Именно здесь AI-агенты, оснащенные специализированными знаниями, могут обеспечить увлекательное и интеллектуальное взаимодействие с клиентами. Обслуживание клиентов, являющееся ключевым аспектом бизнес-взаимодействия, влияет не только на уровень удовлетворенности, но и на долгосрочную лояльность и пожизненную ценность клиента.

Модель AI-агентов с несколькими специализированными агентами может выполнять одновременно такие задачи, как получение истории взаимодействий с клиентами, анализ настроений, отслеживание жизненных событий, анализ конкурентной среды по продуктам и комиссиям, анализ рыночных трендов и предоставление информативных рекомендаций клиентам. Используя NLP и голосовые технологии, взаимодействие можно сделать интуитивно понятным, соответствующим предпочтениям клиента, языково-нейтральным и мультиканальным. Реальные преимущества GenAI подтверждаются, и некоторые недавние реализации банками показывают положительные результаты. Улучшение опыта — один из главных факторов успеха.

Сотрудничество AI и человека — один из наиболее взаимовыгодных результатов последних технологических достижений. Системы искусственного интеллекта демонстрируют исключительную эффективность в обработке огромных объемов данных, выявлении трендов и закономерностей с высокой точностью и скоростью.

Генеративный AI дополнительно расширяет эти возможности, создавая рекомендации для человеческих агентов, повышающие качество обслуживания и вовлеченность клиентов. Персональные финансовые советники, ранее доступные только очень состоятельным клиентам, теперь могут стать доступными для более широкой аудитории благодаря AI-агентам.

Банки, обладая большим объемом личной информации и историей транзакций клиентов, могут предоставлять комплексные услуги — от налогового планирования до инвестиционных консультаций, даже выступая в роли личного помощника. Постепенно расширяя возможности AI-агентов для выполнения сложных и личных задач, банки и финтехи могут обеспечить превосходное обслуживание, что ведет к повышенной лояльности и пожизненной ценности клиента.

Модель агентного AI и вокруг нее хайп

Технологический тренд Gartner на 2025 год поставил агентный AI на первое место. Исследование MITSMR 2025 по лидерству в области AI и данных также предсказало аналогичный результат.

Что такое агентный AI? Это “системы и модели AI, которые могут действовать автономно для достижения целей без постоянного руководства человека”, — говорит HBR. Он понимает цели и задачи пользователя и контекст проблемы, которую пытается решить. Это самообучающаяся система, использующая сложное рассуждение и креативные способности моделей GenAI для решения многошаговых сложных задач. Агентный AI — это команда нескольких агентов, которые могут выполнять задачи одновременно, ориентированные на одну цель.

“Агентные AI-системы обещают преобразовать многие аспекты взаимодействия человека и машины благодаря своим расширенным возможностям рассуждения и выполнения. Они могут планировать и принимать решения независимо, обеспечивая большую производительность, инновации и инсайты для человеческой рабочей силы” — HBR, декабрь 2024

Пример системы клиентского обслуживания на базе агентного AI

Все эти агенты выполняют свои задачи одновременно и сообщают менеджеру-агенту, который в свою очередь отвечает на запросы клиентов. Курированное доменное знание и обучение делают этих агентов экспертами в своей области. Обширная организационная библиотека исследований и данных по управлению богатством — это ресурсы, которые можно использовать для обучения AI-агентов.

Некоторые ключевые сценарии использования в обслуживании клиентов:

*   Виртуальный финансовый советник
*   Профилирование клиентов
*   Мониторинг мошенничества в реальном времени
*   Выполнение рутинных задач
*   Отчеты

Профилирование клиентов, являющееся первым шагом к их знанию, — еще один важный сценарий, который стимулирует вовлеченность. Чем лучше банк знает своих клиентов, тем лучше он может их обслуживать и строить долгосрочные отношения. Это сложный процесс. Несмотря на прогресс в технологиях, он все еще занимает много времени и имеет потенциал для улучшения. За годы технологии OCR и автоматизация на разных этапах значительно улучшили процесс сбора, обработки и использования информации о клиентах. Автономные AI-агенты дают надежду и возможности для дальнейшего преобразования этого процесса, делая его бесшовным и позволяя выполнять множество задач одновременно.

AI-агенты, используя свою экосистему инструментов на базе AI, таких как биометрическая верификация, распознавание лиц, API-верификация документов и др., могут одновременно выполнять проверки, захватывая данные.

Как показывает практика, текущий процесс уязвим для мошенников, которые могут обходить механизмы проверки, такие как тест на живость и т.п. AI-агенты способны сделать этот процесс более надежным, анализируя контекстуальные сигналы, такие как угол устройства или запуск неавторизованного программного обеспечения в фоновом режиме. Кроме того, способность AI-агентов обрабатывать неструктурированные данные и анализировать настроение позволяет создавать более точные профили рисков, формируя более точные портреты клиентов. Такой глубокий анализ в реальном времени с одновременными проверками повышает уровень безопасности и помогает предотвращать сложные мошеннические схемы, делая систему безопасной. Это повышает доверие, вовлеченность и лояльность клиентов. ###
Выводы:

*   Типичное взаимодействие с клиентом может включать несколько запросов — например, последние транзакции, рекомендации по продуктам и ошибки в счетах — все в рамках одного диалога.
*   Традиционные чатботы часто не справляются с такими многоаспектными взаимодействиями и могут терять контекст.
*   Традиционные чатботы не могут управлять портфелями клиентов, выполняя инвестиционные транзакции по продуктам управления богатством.
*   Агентный AI работает на более продвинутом уровне, функционируя как цифровые члены команды с:

Автономией для действий без постоянного вмешательства человека.

Целеполаганием и интеллектуальной деятельностью для достижения конкретных результатов.

Возможностями рассуждения в реальном времени для динамического принятия решений.

*   Эти системы могут:

Понимать нюансы и естественный язык человека.

Поддерживать контекстную связность в длинных и сложных диалогах.

Интегрировать и координировать задачи с помощью таких инструментов, как CRM, ERP и внутренние базы знаний.

*   В клиентском взаимодействии агентный AI обеспечивает:

Круглосуточную поддержку, имитирующую человеческое взаимодействие.

Масштабируемое решение сложных и многоуровневых проблем клиентов.

Персонализированные и гибкие диалоги, организованные сетью микро-агентов, каждый из которых специализируется на конкретной потребности клиента.

*   Такой подход выходит за рамки простого решения запросов — он обеспечивает полное владение проблемой и ее решение от начала до конца.

Призывы к действию для лидеров отрасли:

Теперь возникает стратегический вопрос: что должны делать лидеры отрасли, чтобы не только экспериментировать, но и внедрять агентный AI для трансформационных результатов? Во-первых, им нужно преодолеть усталость от пилотных проектов и выбрать высокоэффективные сценарии вовлеченности клиентов для тестирования в режиме “copilot”.

То есть дополнять человеческих агентов, а не заменять их. Во-вторых, инвестировать в обучение фронтальных команд работать вместе с AI, а не вокруг него. AI должен быть их партнером, а не параллельным процессом. В-третьих, менять модели бюджета с оплаты за лицензию на оплату за результат по контрактам “услуга как софтваре”; платить за решение, а не за лицензию. В-четвертых, лидеры должны интегрировать данные из разных источников — маркетинга, сервиса, операций — чтобы обеспечить системам необходимый контекст.

И, наконец, руководить с доверием; внедрять этические рамки, измерять показатели прозрачно и информировать клиентов о том, что, хотя запросы обрабатывают машины, люди всегда остаются в цепочке. В этой новой эпохе успех — не в создании технологий, а в том, чтобы люди и процессы усиливали их влияние.