По данным McKinsey, страхование и финансы — в числе лидеров по внедрению AI наравне с технологическим сектором. При этом ставки в этой сфере высоки: McKinsey отмечает, что без трансформации бизнес-моделей глобальная прибыль банковской отрасли может снизиться на 10% в ближайшие 5–10 лет. А вот те компании из сектора, кто внедряет AI быстрее рынка, получат до +4 процентных пункта к рентабельности капитала.

Для российских финансовых и страховых организаций контекст еще острее: регуляторные требования ЦБ к обработке персональных данных, курс на импортозамещение в IT-инфраструктуре и необходимость развертывания решений в защищенном контуре делают выбор архитектуры AI-решений стратегическим вопросом.

Компании стремятся сохранить место на рынке и переходят от пилотов к масштабным внедрениям AI. В статье — подборка свежих кейсов внедрения AI-решений из банковской и страховой сфер с влиянием на метрики.

ИИ в банках и страховании начинается с контакт-центров — это крупнейшая статья затрат и самый быстрый ROI. По данным McKinsey, от 50 до 60% сотрудников финтех-сферы связаны с операционной деятельностью — обработкой обращений, продажами, взысканием. Это крупнейшая статья затрат, и автоматизация здесь дает быструю отдачу: по оценке McKinsey, AI способен снизить операционные расходы банков на 20% и более.

Для автоматизации клиентского сервиса используют разные подходы: от решений на базе генеративного AI — виртуальных ассистентов и чат-ботов — до полноценных AI-агентов, способных действовать в рабочих интерфейсах наравне с операторами, принимать решения на основе контекста и обрабатывать обращения.

На практике оба типа решений работают параллельно: классические AI-боты закрывают типовые запросы, а агенты берут на себя сложные сценарии.

Т-Банк — финансовая экосистема с 50+ млн клиентов. Десятки тысяч сотрудников работают над операционными задачами: поддержка клиентов, продажи, взыскание долгов. Чат-боты закрывают часть обращений, но большая доля попадает на операторов.

Сбер — крупнейший банк России, более 110 млн розничных и 3 млн корпоративных клиентов. Обслуживание корпоративных клиентов охватывает десятки направлений — расчеты, платежи, эквайринг, зарплатные проекты, валютный контроль. Каждое направление имеет специфику, и один бот не способен закрыть все задачи.

Generali France — ведущий страховщик Франции, лидер по NPS в секторе. Задача: разгрузить контакт-центр и обеспечить поддержку страхователей в режиме 24/7, особенно по страховым событиям вне рабочих часов.

Один из самых масштабируемых сценариев внедрения — внутренние AI-ассистенты, которые снимают рутинную нагрузку с сотрудников. Например, закрывает задачи поиска информации в документах, расчетов, подготовки отчетов, ответов на типовые вопросы.

Совкомбанк — один из крупнейших частных банков России, 36 000 сотрудников. Тысячи однотипных вопросов ежедневно: расчет отпускных, поиск регламента, порядок оформления больничного.

JPMorgan Chase — крупнейший банк США с масштабной технологической инфраструктурой и ежегодным бюджетом на технологии около $18 млрд.

Citigroup — один из крупнейших банков мира, более 200 000 сотрудников. Банк столкнулся с задачей масштабного повышения продуктивности при работе с документами, аналитикой и внутренними процессами.

BNY (Bank of New York Mellon) — один из старейших банков США, 50 000 сотрудников, операции в 100+ странах. Задача: сделать AI доступным для каждого сотрудника, а не только для инженеров.

По оценке Accenture, банки, которые используют AI для персонализации продуктов и поддержки менеджеров, могут увеличить выручку на 6%+ за три года, а продуктивность продаж — на 20-30%.

AI меняет не только то, что банк предлагает клиенту, но и то, как работает сам отдел продаж: от персонализированных аргументов для менеджеров до автоматического анализа каждого звонка.

Альфа-Банк — один из крупнейших частных банков России с многомиллионной клиентской базой. При продвижении премиальной подписки Alfa Only банк столкнулся с ограничениями сегментации: массовые сообщения были «примерно про клиента», но не попадали точно в потребность.

БЖФ Банк — ипотечный банк, объем выданных кредитов более 85,4 млрд рублей. Ручная прослушка охватывала малую часть звонков, обратная связь доходила до менеджеров с задержкой в несколько недель, что напрямую влияло на текучку в отделе продаж.

ИИ в страховании развивается быстрее, чем многие ожидали — от автоматизации выплат до полного цикла оформления полисов. По оценке McKinsey, генеративный AI может принести страховой отрасли дополнительные $50-70 млрд выручки. При этом компании-лидеры по внедрению AI в страховании обеспечивают акционерам доходность, которая в 6 раз превышает показатели отстающих.

На маркетплейсе Сбера в 2025 году водители заключили более 1 млн договоров ОСАГО. Продление полиса — массовая рутинная задача: сравнить предложения, заполнить данные, оформить документы.

Allianz — один из крупнейших страховщиков мира. После природных катаклизмов компания получает тысячи однотипных обращений, каждое из которых требует проверки покрытия, оценки ущерба и решения о выплате.

Несмотря на разные задачи и масштабы, кейсы в этой подборке демонстрируют общие паттерны, которые повторяются у компаний, добившихся измеримых результатов.

Выбор первого сценария зависит от нескольких факторов: объема обращений, зрелости внутренней ИТ-инфраструктуры и наличия технической команды. Есть два основных пути реализации.

Кейсы ИИ в финансах показывают: компании, которые масштабируют AI агентов быстрее рынка, получают измеримое преимущество — в скорости, качестве сервиса и экономии. В обоих случаях ключевые факторы — работа в защищенном контуре, интеграция с существующими системами и понимание, какие процессы дают максимальную отдачу.