Генеративный ИИ в Сбере уже приносит измеримый эффект почти во всех направлениях. Главный компромисс рынка — между качеством моделей и безопасностью данных — банк разрешил с помощью собственных разработок и закрытого контура. При этом ИИ стал не просто инструментом для повышения эффективности отдельных процессов, а основой для трансформации всей бизнес-модели компании. О том, как этого удалось достичь, рассказывает Сергей Крылов, вице-президент по развитию технологического бизнеса Сбербанка, спикер FINNEXT 2026.

— Где сегодня проходит граница экономической целесообразности применения искусственного интеллекта в банке? Какие задачи уже дают измеримый эффект, а где внедрение осознанно сдерживается из-за стоимости данных, вычислительных ресурсов и сопутствующих рисков?

С. Крылов: Специфика технологии такова, что каждый сценарий мы оцениваем индивидуально — case by case. В банке для этого выстроен отдельный процесс: есть специальная площадка, где идеи обсуждаются и проходят оценку. При этом каких-то искусственных ограничений или «запретных зон» для генеративного ИИ у нас нет. Каждый кейс рассматривается с нескольких ракурсов.

Во-первых, мы оцениваем применимость технологии и качество результата, который можно получить с помощью модели и доступных инструментов. Во-вторых, анализируем экономику: сколько стоит реализация и на какой потенциальный эффект можем рассчитывать. Ключевой вопрос — будет ли юнит-экономика выполнения конкретной операции положительной или отрицательной в сравнении с тем, как эта операция выполняется сегодня. Как правило, экономически оправданными оказываются сценарии, связанные с повторяемыми и дорогостоящими операциями.

Одна из крупнейших зон применения технологии — разработка софта. В Сбере в этом направлении работает большая команда. Это дорогое направление, но оно хорошо масштабируется, поэтому дает эффект до 40%.

Похожая ситуация в колл-центрах: там понятна стоимость минуты работы оператора и высокая повторяемость процессов... 

Полный текст интервью читайте

Из интервью вы узнаете:
— как генеративный ИИ в Сбере начал приносить измеримый эффект почти во всех направлениях;
— как банк решает главный компромисс рынка — между качеством моделей и безопасностью данных;
— c какими типами партнеров сегодня наиболее эффективно и перспективно выстраивать экосистему? 
— где проходит граница допустимого риска для модели в клиентских решениях?
И многое другое.