Agentic AI - Улучшение взаимодействия с клиентами 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 компаний

«Ожидается, что доходы в индустрии финтех вырастут почти в три раза быстрее, чем в традиционном банковском секторе в период с 2022 по 2028 год» – McKinsey, октябрь 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, 9 июня 2025.

Вовлеченность клиентов является одним из ключевых отличий между традиционными банковскими и финансовыми учреждениями и финтехом. Начиная с беспрепятственного onboarding клиента, валидаций, выполнения транзакций и последующего обслуживания и урегулирования споров, финтех превосходит традиционные финансовые институты. Со временем финтех пытался сократить разрыв и добиться превосходства в области взаимодействия с клиентами. Исследования показывают, что это самый важный фактор, который ведет к улучшению финансовых результатов.

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 по управлению состоянием, где особенно важны персонализация и специализированные знания, укрепляющие доверие и лояльность. Именно здесь AI-агенты, обладающие специализированными знаниями, могут обеспечить увлекательное и интеллектуальное взаимодействие с клиентами. Обслуживание клиентов, находящееся на передовой бизнес-взаимодействия, влияет не только на уровень удовлетворенности, но и на долгосрочную лояльность и пожизненную ценность клиента.

Модель AI-агентов, объединенная 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 Generative AI подтверждаются недавними внедрениями банками, показывающими положительные результаты. Улучшение клиентского 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.

Generative AI дополнительно расширяет эти возможности, генерируя рекомендации для человеческих агентов, повышающие качество взаимодействия 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 финтех-компании могут обеспечить превосходное обслуживание, что ведет к повышению лояльности и пожизненной ценности клиентов.

Agentic AI и его популярность

Технологический тренд Gartner на 2025 год выделил Agentic AI как главный тренд. Исследование MITSMR 2025 по лидерству в области AI и данных также предсказало схожие результаты.

Что такое Agentic AI? Это «системы и модели искусственного интеллекта, которые могут действовать автономно для достижения целей без постоянного руководства человека», — говорит Harvard Business Review. Он понимает цели и задачи пользователя и контекст решаемой проблемы. Это самообучающаяся система, использующая сложное логическое мышление и креативные возможности моделей Generative AI для решения многоэтапных сложных задач. Модель Agentic — это команда нескольких агентов, которые могут выполнять задачи одновременно, ориентированные на одну цель.

«Системы Agentic AI 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» — Harvard Business Review, декабрь 2024.

Пример системы обслуживания клиентов на базе Agentic AI

Все эти агенты выполняют свои задачи параллельно 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 база данных исследований и данных по управлению богатством — ресурсы, которые можно использовать для обучения AI-агентов.

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. Процесс этот сложный. Несмотря на технологический прогресс, он все еще требует много времени и имеет потенциал для улучшения. За годы технологии OCR и автоматизация на различных этапах значительно улучшили сбор, обработку и использование информации о клиентах. Автономные AI-агенты дают надежду и открывают новые возможности для дальнейшей трансформации этого процесса, делая его бесшовным и позволяя выполнять множество задач одновременно.

Используя такие инструменты, как биометрическая валидация, распознавание лиц, API для проверки документов и другие, AI-агенты могут одновременно выполнять проверки, захватывая данные.

Как показывает практика, текущий процесс уязвим для мошенников, которые могут обходить механизмы валидации, такие как тесты на живость и т. п. AI-агенты способны сделать этот процесс более надежным, анализируя контекстуальные сигналы, такие как угол устройства или запуск нежелательного программного обеспечения в фоновом режиме. Кроме того, способность AI-агентов обрабатывать неструктурированные данные и анализировать настроения 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:

• Обычное 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 теряют контекст.
• Традиционные чатботы не могут управлять портфелями клиентов, выполняя инвестиционные транзакции по управлению богатством.
• Agentic AI работает на более продвинутом уровне, функционируя как цифровые члены команды с:

Автономией для действий без постоянного вмешательства человека.

Целеполаганием для достижения конкретных результатов.

Возможностями реального времени для динамического принятия решений.

• Эти системы могут:

Понимать нюансы и естественный язык человека.

Поддерживать связный контекст в длинных и сложных диалогах.

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

• В области взаимодействия с клиентами Agentic AI обеспечивает:

Круглосуточную поддержку, имитирующую человеческое взаимодействие.

Масштабируемое решение для сложных и многоуровневых проблем клиентов.

Персонализированные и гибкие диалоги, реализуемые 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.

Рекомендации для лидеров отрасли:

Теперь возникает стратегический вопрос: что должны делать лидеры, чтобы не только экспериментировать, но и внедрять агентic AI для трансформационных результатов? Во-первых, необходимо преодолеть усталость от пилотных проектов и выбрать высокоэффективные сценарии взаимодействия с клиентами для тестирования в режиме «copilot».

То есть — дополнять человеческих агентов, а не заменять их. Во-вторых, инвестировать в обучение фронтальных команд работе вместе с AI, а не вокруг него. AI должен быть их партнером, а не параллельным процессом. В-третьих, перейти к моделям финансирования, основанным на результатах, а не на лицензиях — платить за решение, а не за использование. В-четвертых, интегрировать данные из разных источников, таких как маркетинг, обслуживание, операции, чтобы обеспечить системам необходимый контекст.

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

Источники:

• Будущее роста финтеха | McKinsey
• Обзор рынка финтеха с размером, долей, стоимостью | Рост [2032]