ОТП Банк объяснил, почему ИИ ломается на старте из-за «разных реальностей»

ИИ-проекты часто срываются не потому, что модель слабая. Чаще всё куда прозаичнее: компания и сотрудники по-разному видят один и тот же процесс. Об этом на Молодёжном дне конференции «Теория игр и Менеджмент» рассказал руководитель AI Lab ОТП Банка Алексей Мезенцев. Идея у него была довольно жёсткая: если систему учат на неполных или уже устаревших данных, она потом уверенно принимает неверные решения.

По словам Мезенцева, ошибка при автоматизации начинается там, где бизнес пытается оцифровать только официальные регламенты. На бумаге всё выглядит аккуратно, но в жизни сотрудники почти всегда добавляют свои шаги: где-то обойдут лишнее звено, где-то вручную перепроверят, где-то просто сделают не так, как написано в инструкции. Если этот слой не заметить, ИИ видит искажённую картину и начинает ускорять совсем не ту логику, которую компания хотела бы масштабировать.

И вот тут, говорит топ-менеджер ОТП Банка, внедрение ИИ надо начинать не с выбора модели, а с согласования самой «реальности»: как всё устроено на деле, где всплывают исключения, что люди считают нормальным результатом, а что — сбоем. В таком подходе сотрудники уже не мешают автоматизации, а наоборот, дают ей контекст. Если этого не сделать, компания рискует получить дорогую систему, которая очень уверенно ошибается.

Отдельно Мезенцев затронул приоритизацию. Вместо долгих разговоров о стратегии он предложил более приземлённый путь: проверять гипотезы маленькими тестами и сразу считать эффект в деньгах. Логика простая. Если ценность идеи нельзя быстро показать на ограниченном эксперименте, значит, рано превращать её в большой ИИ-проект с отдельной командой и серьёзным бюджетом.

Этот подход хорошо совпадает с тем, что сейчас происходит на рынке. По оценке McKinsey, банковский сектор — одна из отраслей, где генеративный ИИ может дать заметный экономический эффект, но только если проекты встраиваются в реальные процессы, а не существуют отдельно от них. Gartner тоже не раз говорила, что значимая часть ИИ-инициатив застревает между пилотом и промышленным запуском из-за данных, управления и целей бизнеса. В России банки остаются одними из самых активных заказчиков таких решений: Сбер, Т-Банк и ВТБ уже используют ИИ в клиентской поддержке, скоринге, антифроде и внутренних сервисах.

На конференции GTM 2026, где выступал и математик Алексей Савватеев, и представители других компаний, Мезенцев добавил ещё одно условие нормального запуска. Пользу от новой системы должен видеть не только ИТ-департамент или менеджмент, но и все участники цепочки — от сотрудника фронт-линии до клиента. Для банков это особенно чувствительная история: чем сложнее процесс и жёстче регулирование, тем дороже обходится ошибка в «карте реальности», по которой обучали ИИ.