Евгений Зубков, ОТП Банк: LLM становится ключевым инструментом финансового успеха

Евгений Зубков, ОТП Банк: LLM становится ключевым инструментом финансового успеха

Сегодня передовые технологии становятся движущей силой изменений в банковской сфере. Применение больших языковых моделей (Large Language Models, LLM) открывает новые горизонты для оптимизации внутренних процессов и повышения клиентского сервиса.

О финансовом эффекте и неоспоримых преимуществах для бизнес-процессов банка от практического применения LLM рассказал Евгений Зубков, Начальник управления исследования данных и машинного обучения ОТП Банка в ходе 3-ей практической конференции о генеративном ИИ в финансовой сфере ИИ-БАНКИНГх2025: Агенты влияния 11 сентября 2025 года.

По его словам, — "значительный экономический эффект от использования подобных моделей достигается за счет ряда функциональных свойств LLM, таких как обработка естественного языка, анализа больших объемов данных. При этом создается органический контент на нативном языке для быстрого понимания запросов клиентов и сотрудников, что позволяет мгновенно отвечать на вопросы, качественно снижая нагрузку на контакт-центры и службу поддержки".

Также среди преимуществ внедрения LLM в банковские процессы, Евгений Зубков выделил следующие:

Автоматический анализ деловой корреспонденции, сообщений и помощь в формировании целого ряда отчетов, писем клиентам, юридических документов, что существенно сокращает временные затраты на рутинную работу сотрудников. Одновременно происходит автоматизированная классификация тематик и сравнение документов, что в свою очередь снижает риски ошибок при принятии решений.

Помощники и чат-боты, работающие на базе LLM помогают оперативно решать повседневные задачи, повышать продуктивность и качество обслуживания клиентов, а глубокий анализ клиентских отзывов помогает выявлять скрытые проблемы и потребности, позволяя улучшать показатели лояльности (NPS, Net Promoter Score).

Кроме того, Евгений Зубков рассказал, что благодаря применению ML (Machine Learning) — сегментации — машинного обучения для сегментирования клиентской базы — можно расширить возможности персонализированной коммуникации, за счет выстраивания индивидуализированных отношений с каждым клиентом. Этот процесс подразумевает классификацию пользователей на группы исходя из множества факторов: поведения, предпочтений, уровня дохода, активности и многих других характеристик. Вследствие чего становится возможным создание уникальных сообщений для каждой выделенной категории клиентов, за счет чего достигается эффект роста конверсии по кросс-продажам, а также заметное увеличение среднего показателя NPS.

"Наша цель — быть не просто Банком, а надежным помощником. Поэтому мы используем инновационные технологии, для того чтобы сделать банковские услуги проще и удобнее. Для нас это способ лучше понимать потребности клиента и предлагать именно то, что нужно в нужный момент. Так мы становимся ближе и понятнее", — подчеркнул эксперт.

Из основных возможностей применения LLM Евгений Зубков особо отметил быстрый и умный поиск по базе знаний о продуктах и сервисах банка LLM RAG — (Retrieval-Augmented Generation). Как ассистент оператора контакт-центра, быстрее и точнее дает ответы на запрос клиента благодаря внутреннему боту, обученному на базах знаний и архиве диалогов.

Чат-бот, как ассистент для клиентов, который знает весь контекст о продукте, аналогах на рынке и даже нюансах законодательства. Кроме того, AI-ассистент для рекрутинга (HR), который поможет подобрать резюме.

"Использование LLM — технологий в банковском секторе создает уникальные возможности для достижения устойчивого роста, снижения затрат и улучшения финансовых показателей. Следуя современным тенденциям развития цифровых технологий, мы сможем уверенно двигаться вперед в условиях растущей конкуренции и постоянно меняющегося рынка", — резюмировал спикер.