Как обучать новичков, когда продуктовая линейка выросла втрое, а опытным продажникам выгоднее закрывать сделки, чем заниматься наставничеством? В KMF Банке эту задачу решают с помощью ИИ и рассчитывают сократить время адаптации новичков на 30%.
Эти и другие практические кейсы эксперты банка представили на Kazakhstan Technology Summit (K-Tech) 2026. Как команда фильтрует AI-инициативы, на каком этапе отказывается от ИТ-перфекционизма и почему не стоит обращаться к виртуальному клиенту на «ты» – в материале Digital Business.
От гипотез к бизнес-эффекту: модель внедрения AI
После трансформации в банк в августе 2025 года KMF существенно расширил продуктовую линейку и повысил требования к скорости и качеству принятия решений. В этих условиях банк перешел к модели внедрения AI-решений, основанной на быстром тестировании гипотез и масштабировании решений с подтвержденным бизнес-эффектом. Такой подход позволяет быстрее выводить ML-модели в ключевые процессы без потери контроля над их качеством и влиянием на бизнес.
Директор департамента по управлению данными KMF Банка Эдуард Ким
Как отмечает директор департамента по управлению данными Эдуард Ким, ключевая задача – не просто внедрять технологии, а обеспечивать измеримый эффект в сжатые сроки.
«Мы выстраиваем короткий цикл проверки гипотез. Если есть идея, запускаем пилот на доступных данных и сразу фиксируем критерии успеха. Это позволяет быстро понять, есть ли эффект, и принимать решение о масштабировании», - поясняет он.
Основной фокус сделан на интеграции AI/ML в ключевые бизнес-процессы — от принятия решений до клиентских и операционных сценариев. Модели используются для повышения точности оценки рисков, персонализации взаимодействия с клиентами и проактивного управления жизненным циклом клиента.
Отдельным направлением становится применение AI в ИТ-процессах: в банке развернута локальная нейросеть, подключенная к мониторингу баз данных. По сути, это AI-аналитик, который формирует рекомендации по оптимизации запросов и работе с индексами. Рекомендации проходят обязательную проверку DBA и позволяют повышать производительность систем и снижать нагрузку на инфраструктуру при полном соблюдении требований информационной безопасности.
Отдельное направление – автоматизация работы с документами: решения на базе AI позволяют оперативно обрабатывать и валидировать документы, снижая нагрузку на операционные подразделения. ИИ также применяется для поддержки сотрудников: ассистенты помогают быстрее ориентироваться во внутренних системах и стандартах, сокращая время выполнения операций.
При этом в банке подчеркивают, что развитие ИИ не означает замены человека в процессах принятия решений.
«Мы исходим из того, что ИИ усиливает, а не заменяет сотрудников. Даже при высокой степени автоматизации сохраняется принцип human-in-the-loop: ключевые решения проходят проверку человеком, а качество моделей контролируется через метрики и обратную связь бизнеса. Это особенно важно в чувствительных зонах, таких как кредитование. В горизонте ближайших 3 лет ИИ будет заменять не профессии, а отдельные функции - прежде всего рутинные и аналитические задачи. При этом сами роли сохранятся, но существенно трансформируются. Такой подход позволяет находить баланс между скоростью внедрения технологий, качеством решений и контролем рисков», - отмечает Эдуард Ким.
Цифровой HR: как ИИ-тренажер помогает продажникам
Для отработки навыков общения с клиентами команда HRMS разработала виртуального клиента – голосовой ИИ-тренажер. Он моделирует 3 ключевых сценария: базовое обслуживание, кросс-продажи и оценку рисков при выдаче кредита.
Сценарии, профиль и поведение клиента формируются случайным образом, благодаря чему сотрудники отрабатывают не заученные ответы, а реакцию в «живых» ситуациях.
Team Lead HRMS KMF Банка Аян Наурызбаев
«У виртуального клиента есть характер, - рассказывает Team Lead HRMS KMF Банка Аян Наурызбаев. В какой-то момент он может сказать: “Я не хочу с вами больше разговаривать”. Это проверяет способность менеджера сохранить контакт и оставить “крючок” на будущее. Были случаи, когда сотрудник обращался к ИИ на “ты”, и система реагировала на это соответствующим образом».
После каждой сессии тренажер анализирует диалог и формирует разбор сильных и слабых сторон. Результаты не влияют на KPI и используются исключительно для развития навыков сотрудников. По оценке команды, использование тренажера может сократить срок адаптации новичков до 30%.
Следующий этап развития платформы – симуляции управленческой коммуникации. ИИ будет использоваться для тренировки руководителей: постановки задач, обратной связи и принятия решений, а также адаптации сложности сценариев под уровень сотрудника.
Параллельно развивается внутренний ИИ-наставник AIдана. Изначально созданный для снижения нагрузки на обучение новичков, сегодня сервис стал частью ежедневной работы: за последние 5 дней он обработал 3592 запроса. К нему обращались почти 40% сотрудников фронт-офиса и 56% персональных менеджеров.
Так выглядит AI-наставник AIдана
AIдана также интегрирована с внутренними событиями – реагирует на смену должности, окончание испытательного срока или юбилей работы и может инициировать коммуникацию с сотрудником или напомнить руководителю о встрече.
«На следующем этапе переведем AIдану во внутренний безопасный контур - шутим, что она выйдет с удаленки в офис, - говорит Аян. При этом все данные защищены: система блокирует передачу рабочих файлов и напоминает о правилах безопасности. Таким образом, AIдана помогает формировать культуру информационной безопасности».
От идеи к MVP: как запускают AI-инициативы
В основе цифровизации лежит продуктовый подход: каждая инициатива проходит внутренний фильтр, чтобы исключить внедрение технологий ради технологий. Вместо того, чтобы начинать с инструмента – есть модель, давайте придумаем, где ее применить – в KMF Банке другой подход: в основе всегда бизнес-задача.
«AI Product Owner оценивает инициативы по ряду критериев: цель внедрения, текущий процесс, качество данных и ожидаемый эффект. Если нет понимания, как решение повлияет на бизнес-процесс, инициатива дорабатывается», - поясняет Эдуард Ким.
Для ускорения проверки гипотез банк может привлекать внешние команды разработки, что позволяет оперативно запускать пилоты без перегрузки внутренних ресурсов.
«Часть задач мы передаем внешним командам для быстрого прототипирования. На рынке есть стартапы, которые оперативно собирают решения на базе готовых AI-инструментов и API. Это позволяет быстро проверить гипотезу в формате MVP. Если бизнес подтверждает ценность, решение переносится во внутренний контур для масштабирования. Такой подход позволяет тестировать AI-инициативы в реальных процессах и быстрее находить решения с бизнес-эффектом», - отмечает Эдуард.