ИИ почти нигде не окупается. Банки стали исключением, и российские тут в мировых лидерах

Про искусственный интеллект в бизнесе последние год-два ходит неудобная правда: денег он приносит куда меньше, чем шумихи. Громкое исследование MIT насчитало, что заметную отдачу от массового внедрения ИИ видят лишь около 5% компаний, и эта цифра давно кочует из статьи в статью. Но есть одна отрасль, где картина ровно обратная, где ИИ не жгут ради красивого отчета, а считают им прибыль, и считают успешно. Это банки. Пока в большинстве секторов спорят, окупится ли нейросеть хоть когда-нибудь, банки давно перевели этот вопрос в разряд решенных. И, что приятно для местного читателя, в этой гонке российские игроки не догоняют, а идут в числе мировых лидеров. Разберемся, почему именно у банков все сошлось, чему на этом может научиться любой бизнес, и где во всей истории спрятаны грабли.

Цифры по банковскому сектору выбиваются из общего пессимизма настолько, что в них хочется усомниться. Около 70% коммерческих банков внедрили ИИ хотя бы в одну ключевую функцию, а 78% тех, кто в него вложился, вышли в плюс в течение полутора лет. По оценке McKinsey, средняя отдача на развернутые ИИ-приложения в финансах достигает 180%, а операционные издержки у трети банков падают больше чем на 10%. Никакого тумана про «стратегическую трансформацию когда-нибудь потом», здесь считают возврат на вложенное в конкретных деньгах.

Ценность при этом создает не тот ИИ, что виден Клиенту. Главная работа идет в невидимой части: модель оценивает каждую транзакцию на признаки мошенничества меньше чем за одну десятую секунды, снижая ложные срабатывания на 60-80% и при этом лучше отлавливая реальный обман. Кредитный скоринг из процедуры на часы превратился в решение за секунды, а уровень дефолтов по портфелю удается срезать на 20-40%. На витрине, конечно, тоже кое-что заметно: ассистент Erica в Bank of America обработал больше 3 миллиардов обращений Клиентов, а JPMorgan экономит около 360 тысяч часов в год на одном только разборе договоров. Но настоящие деньги приносит скучный движок, который молча просчитывает риск в каждой операции.

Секрет не в том, что банкиры умнее других, а в том, что у них совпали три условия, без которых ИИ обычно буксует. Первое это данные: у банка есть гора чистой, размеченной истории, ведь каждая прошлая транзакция и каждый погашенный или просроченный кредит это готовый учебный пример с известным исходом. Второе это прямая связь с деньгами: пойманное мошенничество и предотвращенный дефолт измеряются не абстрактной продуктивностью, а конкретной суммой, которую не потеряли. Третье это масштаб: миллионы Клиентов и операций в день, на которых даже крошечное улучшение точности превращается в большие суммы. Сложите эти три слагаемых, и ИИ из модной игрушки становится станком, который окупается.

Есть и четвертый, менее заметный момент. Финансовый сектор десятилетиями жил под жестким надзором и привык управлять рисками моделей, поэтому по зрелости управления ИИ он опережает все остальные отрасли. Оговорка тут тоже нужна, чтобы не рисовать сплошной триумф. По опросу Cambridge, лишь около 14% финансовых компаний называют ИИ по-настоящему преобразующим для своей стратегии, а осторожность и риск-культура нередко держат уже проверенные модели вдали от боевого применения. То есть банки не творят чудеса, они просто глубоко и прибыльно вгрызлись в узкий круг задач, где отдача считается однозначно.

И вот редкий сюжет, где Россия не догоняет, а задает темп. По зрелости применения ИИ российский финтех обгоняет все прочие отрасли экономики, а кредитный скоринг и антифрод стали фактическим стандартом для банков из первой двадцатки. Флагман тут Сбер, который прямо называет себя ИИ-нативным банком, где ключевые процессы, от оценки заявок и фрод-мониторинга до сервиса и управления рисками, крутятся на моделях машинного обучения в реальном времени. Финансовый эффект от применения ИИ Сбер оценил за 2025 год примерно в 1,75 триллиона рублей, а отдельная программа генеративного ИИ это уже около 700 инициатив и 900 ИИ-агентов, которые оценивают заявки и ловят мошенников без постоянного участия человека. Решение по кредиту для 90% розничных Клиентов банк принимает автоматически за секунды, анализируя транзакции, поведение в приложении и данные партнерских сервисов.

Сбер тут не одинок. Т-Банк, которого справедливо называют пионером российского ИИ-финтеха, с самого начала строился вокруг нейросетей в антифроде, скоринге и оценке рисков. Причем сравнивать российские банки правильнее не с отечественным ИТ, а с мировыми лидерами финтеха, и в этом сравнении они смотрятся достойно. Это тот нечастый случай, когда фраза про технологическое лидерство России не натянута, а подкреплена цифрами и работающими системами.

Идиллией картина, разумеется, не выглядит. Тот же ИИ, что защищает банк, вооружает и тех, кто по ту сторону. Российские банки, включая Сбер, Т-Банк и Альфа-Банк, в 2026 году фиксируют рост кибератак с использованием ИИ: подделку голоса, автоматически сгенерированный фишинг и более изящные схемы обмана, которые труднее распознать. Добавьте к этому вечный вопрос справедливости и прозрачности: когда решение по кредиту принимает модель, кто-то должен уметь объяснить, почему одному отказали, а другому нет, иначе легко зашить в алгоритм скрытую дискриминацию и нарваться на претензии регулятора. И концентрация: чем больше решений отдано нескольким крупным моделям, тем дороже обходится их сбой или общая слепая зона.

Но главное здесь не банковская специфика, а универсальный урок для любого бизнеса. ИИ окупается не там, где эффектнее демо, а там, где сходятся те же три вещи: ваши собственные данные, задача, привязанная напрямую к деньгам, и масштаб, на котором улучшение окупается. Если у вас это есть, ищите свой аналог скоринга и антифрода, а не гоняйтесь за универсальным чат-ботом. Оставляйте человека на сложных пограничных случаях, вкладывайтесь в контроль качества моделей так же серьезно, как в сами модели, и меряйте результат живыми деньгами, а не восторгом на презентации. Банки впереди не потому, что им достался какой-то особенный ИИ. Они впереди потому, что первыми нашли задачи, на которых он честно платит. Вот этот рецепт и стоит скопировать.