Человек или алгоритм: почему тотальная автоматизация в банках создает риски

# Цифровая амнезия: почему тотальная автоматизация в банках может завести в тупик?

Общение с представителями банковского сектора выявляет фундаментальный раскол в подходе к использованию искусственного интеллекта. Если международная практика и многие российские игроки стремятся к симбиозу технологий и человеческого фактора, то отдельные гиганты, включая Сбербанк, экспериментируют с моделью полного исключения человека из контура принятия решений (HOOTL). Этот подход, эффективный в условиях бесшовной цифровой экосистемы Китая, в текущих российских реалиях демонстрирует признаки «цифровой амнезии».

Три модели взаимодействия: от помощника до начальника

Эксперты классифицируют системы принятия решений в финансах на три основных типа, различающиеся степенью участия человека.

1. HITL (Human-in-the-Loop — Человек в контуре). Здесь человек является непосредственной частью рабочего цикла. ИИ предлагает варианты или выполняет задачи, но финальное решение всегда заводит специалист. Это стандарт для Европы под давлением закона EU AI Act, где высокорисковые алгоритмы должны контролироваться физическими лицами. Примеры: HSBC и BNP Paribas, перенаправляющие заявки с низкой уверенностью модели к живым инспекторам. 2. HOTL (Human-on-the-loop — Человек над контуром). ИИ работает автономно, но человек осуществляет контроль сверху: задает правила, ограничивает рамки и может остановить систему. Это используется в борьбе с отмыванием денег, где алгоритм готовит досье, а решение о заморозке счетов подписывает комплаенс-аналитик. 3. HOOTL (Human-Out-of-the-loop — Человек вне контура). Полная автономность ИИ. Человек не вмешивается в процесс. Эта модель доминирует в Китае, где банки вроде Ant Group используют систему «3-1-0»: 3 минуты на заявку, 1 секунда на решение и 0 человеческих прикосновений.

Глобальное исследование Moody's Analytics (2025) подтверждает тенденцию: 84% профессионалов видят в полной автономии модели регуляторную уязвимость и выступают за сохранение человеческого контроля.

Разные стратегии российских банков

Российский банковский сектор неоднороден. Пока Сбербанк движется в сторону полного HOOTL, его конкуренты — Альфа-Банк, Т-Банк и Точка — выбирают пути усиления человека.

Альфа-Банк и Т-Банк: философия аугментации Альфа-Банк сделал ставку на аугментацию (HITL). ИИ здесь выступает как инструмент, готовящий черновики и анализ, но ответственность за решение несет конкретный сотрудник. Это позволяет избегать «эффекта черного ящика». Т-Банк запустил ИИ-сотрудника Афанасия Иванова, который работает в режиме «второго пилота». Он не заменяет специалистов, а высвобождает до 16% их времени, решая рутинные сценарии, пока эксперты занимаются сложными кейсами.

Точка Банк также выстроила уникальную модель, создав институт комплаенс-ассистентов. При фиксации аномалий алгоритм не блокирует перевод автоматически, а переводит диалог в чат с живым специалистом, который помогает клиенту скорректировать сделку и соблюсти закон.

Сбербанк: стратегия «Статического компромисса» Сбербанк выбрал путь, максимально близкий к китайской модели HOOTL, но без соответствующей цифровой инфраструктуры. Его система работает по принципу «статического компромисса». ИИ действует как идеальный бюрократ: при малейшем подозрении он выбирает минимизацию риска для банка путем мгновенной остановки процесса и блокировки транзакции. У алгоритма нет полномочий «передумать» или запросить дополнительные данные в рамках одной сессии.

В отличие от систем Ant Group, которые работают в парадигме «Динамического доверия» (запрашивая контекст при аномалии), система Сбера бинарна: либо «Да», либо «Нет». Это привело к системным ситуациям, когда надежные клиенты с историей лояльности сталкиваются с блокировками, так как алгоритм не имеет возможности оценить контекст долгосрочных отношений.

Математика риска: почему HOOTL не везде работает

Разница между подходами лежит в математической философии. Китайские платформы и конкуренты Сбера оперируют моделью, где риск — это плавающий коэффициент, который можно снизить, предоставив новый контекст. Сбербанк использует модель статического компромисса, где при неопределенности выбирается самый безопасный исход — блокировка.

Этот подход напоминает автоматизацию старых регламентов, где ИИ лишь ускоряет принятие неверных решений. Вместо того чтобы усложнять задачу клиенту, чтобы доказать обратное, система просто отклоняет её. Отсутствие человеческого арбитра превращает сотрудников в безгласные интерфейсы, транслирующие решение машины, которой нельзя объяснить логику действий.

Риски для бизнеса и доверия

Исследования показывают, что слепое вытеснение человека ведет к деградации лояльности и вымыванию надежных клиентов. В то время как гибридные модели позволяют удерживать 99,9% клиентов внутри сессии, решая спорные ситуации через запрос контекста, модель «рубилки» отталкивает пользователей.

Кроме того, полная автоматизация размывает личную ответственность топ-менеджмента за операционные ошибки. Если алгоритм принимает решение самостоятельно, трудно установить круг лиц, который должен отвечать за последствия.

Будущее банковского сервиса, как отмечают эксперты, вероятно, за гибридными моделями, где ИИ усиливает человеческий интеллект, а не стремится его стереть. Автоматизация сломанных процессов, когда ИИ лишь ускоряет принятие решений на основе устаревших регламентов, создает «цифровую амнезию», забывая о том, что для людей важны не только расчеты, но и чувство справедливости и возможность диалога.