Евгений Зубков: "ИИ и генеративные алгоритмы — ключевые драйверы автоматизации банковских процессов"

Евгений Зубков: "ИИ и генеративные алгоритмы — ключевые драйверы автоматизации банковских процессов"

В рамках VI Форума "Франкенштейн на кибербанке: ИИ и прорывные технологии в банках", организованного при поддержке Retail Finance, специалисты ОТП Банка представили инновационные подходы к использованию искусственного интеллекта и машинного обучения для оптимизации работы финансовых учреждений.

Евгений Зубков, начальник управления исследования данных и машинного обучения ОТП Банка, и Максим Иконников, руководитель отдела разработки и внедрения продуктов на базе ИИ и машинного обучения для функциональных подразделений, продемонстрировали, как современные технологии помогают банку не только повышать операционную эффективность, но и улучшать взаимодействие с клиентами, а также внедрять инновации в бизнес-процессы.

"Наши технологии направлены на минимизацию рутинных задач, что позволяет освободить сотрудников для более сложной и креативной работы. Одним из главных фокусов является автоматизация поддерживающих процессов по взаимодействию с клиентами, которую команда ML/AI разработки развивает совместно с командой Контакт — центра", — отметил Евгений Зубков.

Эксперт поделился интересным кейсом по настройке автоматической суммаризации голосовых диалогов между операторами и клиентами: она позволила с точностью 95% классифицировать темы разговоров, ускорить обработку данных и своевременно реагировать на потребности клиентов.

Другим примером успешного применения ИИ стало направление оценки качества звонков. "Ранее эту задачу выполняли специально обученные сотрудники, которые прослушивали звонки и заполняли чек-листы вручную. Теперь благодаря интеграции ИИ этот процесс был полностью автоматизирован, а операторы могут обрабатывать на 15% больше звонков за одну смену", — пояснил Максим Иконников.

Также для улучшения качества работы с запросами клиентов ОТП Банк внедрил прогнозирование балла удовлетворенности на основе алгоритмов машинного обучения. Теперь банк может предсказать, какую оценку клиент поставит по результатам разговора, если тот не оставил обратную связь. Точность предсказания для крайних оценок (положительный/отрицательный отзыв) достигает 85%, что позволяет объективно оценивать работу сотрудников и предпринимать необходимые меры для развития навыков и качества обслуживания.

В перспективе ОТП Банк планирует внедрить модель, которая будет оценивать эмоциональное состояние как клиентов, так и сотрудников во время диалогов. Эта технология позволит банку не только повысить качество обслуживания, но и выявлять эмоциональные отклонения, которые могут повлиять на конечный результат общения. Таким образом, банк стремится обеспечить более чуткое и персонализированное взаимодействие с клиентами.