Рынок ИИ в банкинге

Российские банки уже не спрашивают, «нужен ли им ИИ», вопрос другой: куда вкладывать деньги, чтобы это не превратилось в дорогой аттракцион.

По оценкам участников рынка и профильных интеграторов, объем сегмента решений на основе больших языковых моделей и ИИ для финансовой отрасли сейчас составляет порядка 35+ млрд в год с явной тенденцией к росту на горизонте нескольких лет.
Это и лицензии, и внедрения, и доработка инфраструктуры, и сопровождение.

Если посмотреть, куда банки тратят бюджеты, вырисовываются три слоя.

База: решения, которые давно в P&L

Сюда попадает все, что уже встроено в экономику банка и напрямую влияет на риск и доходность:

• скоринг и принятие кредитных решений;
• антифрод и мониторинг операций;
• модели для управления просрочкой и взысканием;
• операционный ИИ для оптимизации бэк-офиса.

Здесь бюджеты идут в первую очередь, потому что эффекты измеримы:

• сокращение потерь,
• снижение затрат на ручной труд,
• улучшение структуры портфеля.

Это тот слой, где банки готовы платить стабильно и где конкуренция поставщиков жестче всего.

Витрина: все, что видит клиент

Дальше идет слой, который отлично смотрится в презентациях:

• чат-боты и голосовые помощники;
• генерация текстов для приложений и рассылок;
• персональные подсказки клиенту в интерфейсе.

Здесь тратят много, но эффект часто размытый.

Отсюда вопрос к банку и подрядчику: каждый витринный сценарий ИИ должен быть привязан к конкретной цифре, которая отражается в P&L, а не только в «удобстве».

Инфраструктура: то, что не видно клиенту, но съедает львиную долю

Чтобы все эти модели жили, банку приходится:

тянуть вычислительные мощности (облака, железо, платформы);

• пересобирать хранилища данных и шины;
• наводить порядок в витринах данных и доступах;
• строить внутренние платформы, на которых потом запускаются десятки кейсов.

Часто именно здесь кроется настоящая стоимость. Можно купить готовое решение у вендора, но без адекватной инфраструктуры банк висит на одном поставщике и не может масштабировать ИИ дальше пары витринных кейсов.

Как смотреть на рынок ИИ, если вы банк или вендор

Разделить портфель на три корзины: база (риск и эффективность), витрина (клиентский опыт), инфраструктура (платформа и данные). Для каждой корзины — свой набор целей, горизонтов и допусков по экспериментам.

Фиксировать каждую крупную линию.

Не «ИИ в целом», а конкретная зона: скоринг, антифрод, клиентские коммуникации, внутренние операции.

В итоге будут выигрывать те, кто относится к ИИ не как к отдельной моде, а как к очередному слою банковской инфраструктуры: с понятными правилами, стоимостью и ответственностью.

Цифровые Привычки в этой логике работают не только как разработчик, но и как редактор портфеля решений: что оставить, что урезать, во что вкладываться дальше.


* Цифровые Привычки *

#ЦифровыеПривычки #IT #itрынок #результат #бизнес #развитие #2026год