Крупнейшие банки почти достигли пределов развития в финансовой сфере. Сбер и Т-Банк за счет своих компетенций в IT и искусственном интеллекте трансформируются в технологические компании и осваивают новые рынки, рентабельность на которых выше
Сбер и Т-Банк (ранее «Тинькофф») последовательно позиционируют себя как технологические компании, причем в последнее время основной упор делается на искусственный интеллект (ИИ). Сейчас головная структура Т-Банка — «ТКС Холдинг» — меняет название на «Т-Технологии». А глава Сбера Герман Греф на днях заявил: «Мы осознали, что нам нужно создать абсолютно новую технологическую инфраструктуру, архитектуру новую… Следующая трансформация, которую нам надо пройти, — это трансформация в так называемую AI-Native организацию». Правда, о том, что такое AI-Native, глава «зеленого банка» рассказывать не стал.
Одной из причин таких перемен принято считать желание банков повысить свою рыночную капитализацию.
То, что биржевая оценка технологических компаний, так называемых компаний роста, выше, чем у компаний стоимости, к которым относятся и банки, — факт известный. Правда, сравнение по традиционным коэффициентам однозначного понимания не даст. Как поясняет директор по работе с клиентами компании «БКС Мир инвестиций» Андрей Петров, показатель P/E (рыночная капитализация к чистой прибыли) релевантен только для финансового сектора, так как баланс банков состоит преимущественно из ликвидных активов, а у сырьевых или IT-компаний баланс зачастую небольшой. Для последних, по мнению эксперта, лучше подходит способ оценки по мультипликатору EV/EBITDA (стоимость компании с учетом долга и денежных средств к прибыли до вычета процентов, налогов и амортизации активов). От себя добавим, что показатель EV/EBITDA неприменим для организаций финансового сектора: у них понятие долга в отчетности имеет совсем иной смысл, чем у нефинансовых предприятий.
Но на самом деле у трансформации банков в IT-конгломераты есть и другие веские причины.
Андрей Петров напоминает, что интерес инвесторов к IT-компаниям в первую очередь связан с темпами роста, которые показывают эти игроки. Отсюда можно сделать вывод, что интеграция ИИ и технологическая трансформация банков позволит им развивать новые направления бизнеса и расти быстрее, чем сейчас. Кроме того, у IT-компаний более высокая рентабельность.
Например, Amazon большинству из нас известен как крупнейший в мире интернет-магазин, а в последнее время еще и как киностудия. Однако если посмотреть на его финансовые отчеты, то выяснится довольно интересный факт. Хотя облачный сервис Amazon (Amazon Web Services, AWS) занимает всего 17% в общей выручке компании, на него приходится примерно 60% операционной прибыли (доход от основной деятельности за вычетом операционных расходов). Получается, что больше половины прибыли холдинг получает не от интернет-магазина, а от своих облачных сервисов.
Кроме того, некоторые аналитики считают, что в будущем финансовые организации могут проиграть конкуренцию телекомам и онлайн-компаниям, которые все бесцеремоннее вторгаются в банковский бизнес. Так, аналитик ФГ «Финам» Игорь Додонов предполагает, что рано или поздно Марку Цукербергу (основатель запрещенной в России Meta) разрешат внедрить его сервис Libre, а Павлу Дурову — TON и миллиарды людей начнут совершать транзакции вообще без помощи кредитных компаний. «Телекомы почти все давно обзавелись банками, которые успешно конкурируют с традиционными. Конечно, государства стремятся не допустить быстрого слома существующей финансовой системы и передачи ее отчаянным бизнесменам “новой экономики”. Но постепенно игроков на поле станет больше. Поэтому, чтобы не потерять однажды бизнес, крупнейшие банки сами атакуют IT, стремясь стать равными игроками во всем», — рассуждает Игорь Додонов.
В отличие от эксперта мы не верим, что Банк России может в будущем разрешить стейблкоины (криптовалюту, привязанную к определенному активу), не говоря уже о крипте без привязки к чему-либо, но вопрос конкуренции действительно интересен. Дело в том, что пространства для расширения и конкуренции между банками, особенно крупнейшими, которые уже представлены по всей стране, просто нет. Число платежеспособных и кредитоспособных граждан ограничено. Все банки предлагают фактически одни и те же финансовые услуги. Можно демпинговать или привлекать менее кредитоспособных заемщиков, но это сопряжено с денежными потерями или рисками. Нововведения в приложениях быстро перенимаются конкурентами. Комплексное обслуживание уже стало нормой. У каждого крупного банка есть как минимум аффилированные брокерская и страховая компании, подразделение private banking и многое другое. Остается только выходить на новые рынки. Для Сбера и Т-Банка, у которых есть серьезные компетенции в сфере IT, превращение в технологические компании более широкого профиля выглядит очевидным.
Исполнительный директор Ассоциации больших данных Алексей Нейман тоже считает технологическую трансформацию Т-Банка и Сбера логичным шагом. Он напоминает, что суть современного конкурентного банкинга — лучше других оценивать риски, быстрее и эффективнее обрабатывая огромные массивы информации. «Сначала оба банка провели цифровую трансформацию своего основного бизнеса (Т-Банк сразу строился как цифровой, Сбер работал над этим), а далее те технологии, которые они создали/создают и которые стали их уникальным конкурентным преимуществом в банкинге, оказались неплохо тиражируемы и на другие отрасли и направления», — отмечает Алексей Нейман.
Стоит присмотреться и к роли ИИ. В Сбере, к сожалению, этот вопрос комментировать не стали. Руководитель же AI-евангелизма в Центре искусственного интеллекта Т-Банка Альбина Мунирова рассказала, что в Т-Банке технологии ИИ и машинного обучения интегрированы в разные части экосистемы, насчитывающей более 46 млн клиентов и более 90 тыс. сотрудников. Собственные технологии сейчас разрабатываются почти во всех ключевых доменах искусственного интеллекта: обработке естественного языка (NLP), компьютерном зрении (CV), рекомендательных системах (RecSys), голосовых технологиях (Speech), временных рядах (Time Series).
Среди ключевых направлений использования ИИ в Т-Банке — развитие пользовательского опыта; помощь бизнесу в более простом, эффективном и быстром решении его задач; улучшение различных процессов в компании; защита клиентов и IT-инфраструктуры банка.
Для пользовательского опыта созданы персональные AI-ассистенты под конкретные задачи (шопинг, инвестиции, путешествия, финансы, а также ассистент для детей и умный секретарь), финансовые продукты («Финздоровье» для комплексной оценки финансового благополучия, Умная камера для мгновенных переводов и платежей, сканирования реквизитов и номеров телефонов), персонализация экосистемы и рекомендации пользователям — что почитать, на кого подписаться и что купить.
Для бизнеса T-Банк делает конечные B2B-продукты на основе ИИ. Причем это те продукты, которые используются в самом T-Банке, — их, по словам Альбины Мунировой, просто портируют (внедряют) в чужую инфраструктуру. Среди B2B-продуктов — сервис речевой аналитики и контроля качества, а также платформа прогнозирования и предиктивной аналитики (прогнозирование будущих сценариев, анализ корреляций и тенденций в бизнес-данных компании). Например, в сервисе «Селлер» продавцы могут настроить автоответы на отзывы.
ML-микросервисы (Machine Learning, машинное обучение) постоянно анализируют потоки данных, чтобы мгновенно выявлять и предотвращать любые попытки несанкционированного доступа к деньгам клиентов или атаки на IT-инфраструктуру банка. Например, система фрод-мониторинга проверяет банковские операции клиентов по тысяче разных критериев за 50 миллисекунд и определяет, характерна такая транзакция для клиента или нет.
Но одним из самых выгодных с точки зрения возврата инвестиций в ИИ является улучшение процессов и повышение производительности, говорят в Т-Банке. Для этого создаются копилоты на основе искусственного интеллекта для всех крупных профессий: поддержки, продаж, представителей и IT-специалистов. Сейчас более 50% сотрудников штаб-квартиры Т-Банка используют ИИ в работе минимум раз в месяц.
На этом месте стоит сделать небольшое отступление и напомнить, с чем связано повышенное внимание к ИИ в последние годы. Как поясняет руководитель научной группы «Адаптивные агенты» Института AIRI Владислав Куренков, если раньше с ИИ-инструментом мог взаимодействовать только подготовленный профессионал, то после появления B2C-моделей типа ChatGPT это в состоянии сделать любой желающий. LLM (Large Language Model, большая языковая модель) можно использовать для того, чтобы классифицировать вопросы пользователей по типу. «Как правило, у любого банка есть определенный стек вопросов, которые покрывают большинство проблемных кейсов клиентов, но люди формулируют их по-разному. Благодаря LLM вопросы можно оперативно распределять по блокам и нужным специалистам», — поясняет Владислав Куренков. Применяются такие технологии и в предсказании более эффективных временных промежутков для контакта с клиентами: модель рассчитает, в какое время суток и как именно связаться с конкретным человеком, чтобы повысить вероятность отклика. Это позволяет снизить затраты на звонки, добавляет эксперт.
ИИ, в частности генеративный, произвел революцию в подходах к решению сложно декомпозируемых задач, рассказывает директор по консалтингу группы Arenadata Антон Балагаев. Элементы бизнес-процесса, в которые раньше приходилось привлекать людей, поскольку невозможно было описать все варианты развития событий, теперь поддаются автоматизации с помощью агентов генеративного ИИ. Распознать, есть ли на изображении чек с покупкой конкретного товара и его стоимостью; определить, является ли документ (или его фотография) поддельным; в режиме реального времени уловить настроение и проанализировать содержание разговора между оператором и посетителем отделения и при необходимости вызвать менеджера для клиента или, напротив, охрану для оператора — все это задачи, за автоматизацию которых раньше даже не брались, а теперь они решаются элементарно и почти бесплатно. «Большие языковые модели в середине 2024 года научились давать строго структурированные ответы, что позволило сделать их частью бизнес-процессов. Прежде LLM годились только для разговоров. С момента доступности вызова функций началось движение к замене людей в любых бизнес-процессах», — объясняет эксперт. Возьмите любого сотрудника банка не из IT-сферы — его рабочий день состоит из участия в различных бизнес-процессах. И таких сотрудников десятки тысяч. «Раньше вы поручали подготовить отчет или сформировать нетипичную справку человеку, а сейчас это может сделать средних размеров LLM с подключенным каталогом данных и Format Enforcer (IT-термин, означающий библиотеку, которая обеспечивает соответствие выходного формата языковых моделей определенным требованиям. — “Монокль”)», — продолжает Антон Балагаев.
В свою очередь, CEO «Технократии» Илья Долгополов напоминает: до массового развития языковых моделей пользователям отвечали либо специалисты технической поддержки, либо чат-боты, предлагавшие готовые сценарии с учетом ключевых слов сообщения. А сейчас банки все чаще применяют RAG (Retrieval Augmented Generation, генерация с дополненной выборкой) — технологию, которая дополняет контекст сообщения клиента, чтобы LLM могла дать более развернутый ответ.
Более того, по словам Ильи Долгополова, в британской телефонной компании-операторе O2 создали искусственный интеллект, который имитирует поведение бабушки, отвлекая мошенников. ИИ притворяется, что забыл номер карты, называет неправильный код из СМС и рассказывает истории из своего вымышленного прошлого. В среднем разговор с искусственным интеллектом длится 40 минут. Т-Банк для выполнения аналогичной задачи запустил «Фрод Рулетку» — экспериментальный проект, в котором клиенты банка должны максимально долго удерживать мошенников на линии, чтобы те были заняты и не могли обмануть пенсионеров. Можно предположить, что в будущем с мошенниками в этом проекте будут общаться не живые люди, а ИИ, как у британского оператора.
Звучит все это просто фантастически, но возникает закономерный вопрос: сколько все это стоит и когда окупится? Дело в том, что банки никогда не называют цифр по отдаче от инвестиций в ИИ, и даже объем вложений по этому направлению — тайна за семью печатями. Иногда называются дополнительные доходы, полученные за счет использования искусственного интеллекта, но без расходов на внедрение и сроков окупаемости это сферический конь в вакууме. Например, из прошлогоднего отчета Сбера следует, что финансовый эффект от ИИ в 2023 году составил 350 млрд рублей при среднегодовом росте эффекта за 2020–2023 годы в 53%. Толку от таких данных немного.
С другой стороны, у «Т-Технологий» («ТКС Холдинга») общие операционные расходы в прошлом году выросли на 43% как раз из-за увеличения клиентской базы и инвестиций в IT-платформу и персонал. Однако это хотя бы произошло на фоне повышения числа сотрудников с 66,4 тыс. до 86,6 тыс. Число IT-специалистов в отчете за 2022 год не указывалось, а в 2023 году оно составило почти 10 тыс. человек — 11,6% от общей численности.
В свою очередь, в группе Сбербанка в прошлом году при сокращении среднесписочного числа сотрудников с 246,3 тыс. до 245,6 тыс. человек число IT-специалистов выросло с 35,4 тыс. до 41 тыс., а их доля — с 14,4 до 16,7%. При этом расходы на содержание персонала группы Сбербанка в 2023 году повысились на 28,4%. В этом случае рост затрат на увеличение общего числа сотрудников не спишешь. Дело явно в уровне зарплат, и вполне возможно, что не последнюю роль в этом сыграла замена рядовых клерков на более дорогих IT-специалистов, потребность в которых стала выше в связи с внедрением ИИ.
Пока приведенные цифры не позволяют предположить, что сокращение персонала, который занимается рутинной работой, позволит компаниям сильно уменьшить расходы. Выбывают-то в первую очередь самые низкооплачиваемые сотрудники, а их место занимают дорогие ИИ-разработки и высокооплачиваемые специалисты по их созданию и обслуживанию.
Игорь Додонов констатирует: сейчас идет гонка, требующая все больше и больше инвестиций. «Сегодняшний ИИ не только задушевный, но и “прожорливый”. Приоритет отдается простым алгоритмам и “большому железу”. По словам Дарио Амодея, главы Anthropic, если сегодня конкурентоспособную большую языковую модель можно построить за 100 млн долларов, то через год потребуется 1 млрд, а через два — 10 млрд. Понятно, что однажды вложения станут неподъемными и компании начнут искать другой путь. Но пока идет игра на выбывание слабейших и уменьшение числа участников, заключает аналитик.
Директор программ по цифровой трансформации Школы управления «Сколково» Николай Верховский настроен более оптимистично. По его мнению, большинство ML-моделей, которые используются банками, например для одобрения кредитов, давно себя окупили. «Да, стоимость ML-специалистов и вообще центра компетенций и инфраструктуры высокая, но эти затраты оправданны. То есть ответ простой: модель окупается, поскольку позволяет работать с масштабом и скоростью, недоступными системам, построенным на людях», — уверен эксперт.
Если же речь идет о генеративных моделях, то, по его словам, есть несколько путей: очень дорогой (от сотен миллионов до нескольких миллиардов долларов) — создание своего кластера; средний (сотни миллионов рублей) — покупка модели и установка ее в своем контуре; относительно бюджетный (десятки миллионов рублей) — покупка сервера с моделью open source; бюджетный — использование чужих облачных моделей. Оба бюджетных варианта «отбиваются» достаточно быстро, а окупаемость среднего можно представить только теоретически.
Алексей Нейман согласен с тем, что разработка собственного ИИ требует больших затрат, но напоминает, что и производительность при этом возрастает кратно. «Сравните сегодняшний процесс получения кредита за одну минуту через мобильное приложение без участия сотрудников банка с аналогичным процессом еще лет пятнадцать назад, когда десятки специалистов работали с одним клиентом несколько дней. Если не заниматься ИИ-проектами, легко оказаться на обочине прогресса и потерять свою долю рынка», — предупреждает он.
В Т-Банке подходят к внедрению искусственного интеллекта довольно прагматично и пока не замахиваются на мировое технологическое лидерство. Как рассказал в недавнем интервью директор по ИИ Т-Банка Виктор Тарнавский, Т-Банк как финтехкомпания оценивает возврат на инвестиции практически по каждому проекту. «Наши затраты на большие языковые модели были не такими серьезными по сравнению с другими компаниями или в тысячу раз меньше, чем у международных, и мы понимаем, какие продукты и решения принесут пользу, в том числе в деньгах, и заранее построили экономическую модель, и она сходится не через десятки лет — интервал меньше пяти лет», — пояснил он.
Для бизнеса T-Банк адаптирует и продает те же B2B-продукты на основе ИИ, что использует сам
Антон Балагаев убежден: ИИ в десятки и сотни раз снизил стоимость прототипирования решения, именно поэтому сейчас трудно в полной мере осознать его экономический эффект, но очевидно, что он огромен. Это открывает дорогу к развитию парадигмы RPA (Robotic Process Automation), которая уже давно активно применяется при автоматизации бизнес-процессов во всех отраслях. «К этому классу относится любая роботизация бизнес-процесса. Пытаетесь ли вы по видео в реальном времени ответить на вопрос, надел инкассатор бронежилет или нет, или анализируете настроение диалога между клиентом и оператором — вы будете использовать в этих задачах либо человека, либо описательный (тоже генеративный) ИИ, так как решать их классическими инструментами автоматизации слишком сложно и слишком много возникает исключений на пути реализации», — говорит директор по консалтингу Arenadata.
Как итог — серьезная экономия на персонале. «Вообще, все профессии, связанные с рутиной, сейчас на грани исчезновения. Появляются новые модели, способные работать с разными модальностями: картинками, видео, аудио, текстом. Qwen2-VL, например, без дообучения умеет определять и расшифровывать русский рукописный текст. Отсутствие этой функции раньше не позволяло полностью автоматизировать ряд профессий, в которых важна работа с документами. Теперь модель, которая умнее среднестатистического человека, с большим кругозором и опытом, может делать все, что прежде делали 70–80% младших бухгалтеров. Много ли теперь будет помощников у главного бухгалтера и долго ли осталось ему самому? Кажется, что недолго», — предупреждает Антон Балагаев.
А во что же в будущем превратятся Сбер и Т-Банк? Сейчас мы можем только предполагать. Например, Игорь Додонов считает, что главная цель крупнейших финансовых организаций — не уступить IT- и телеком-экосистемам, когда регуляторы разрешат тем широкое внедрение уже существующих технологических инноваций. «К тому моменту, когда это произойдет, банки должны обладать такой же аудиторией (100 с лишним миллионов в России и миллиарды на глобальном уровне), таким же широким набором сервисов, такими же ассистентами в смартфонах — всем необходимым арсеналом», — рассуждает он.
Иной путь, который уже прослеживается, — путь Amazon: разработка и продажа другим компаниям, в том числе более мелким банкам, собственных IT-решений.