Среднее время ожидания — 0 секунд. NPS — 85. И ни одного живого человека
В 2024 году Wells Fargo уволил 20 000 сотрудников кол-центров. В 2025 к ним присоединились Eurobank и Santander. К январю 2026 года цифра приближается к 200 000 по всему миру. Но это не история про сокращения. Это история про то, как метрика «среднее время обработки звонка» наконец-то умерла, уступив место чему-то более странному и эффективному.
Раньше оператор видел на экране: «Клиент Иван, счет ***5678, жалоба на комиссию». Теперь AI-агент видит: «Иван, 34 года, вчера купил билеты в Барселону, сегодня утром отменил подписку на Netflix, в 14:30 его карту заблокировала антифрод-система из-за подозрительного перевода. Уровень стресса в голосе — 7/10. Вероятность ухода к конкуренту в ближайший месяц — 43%».
Согласно отчету McKinsey за декабрь 2025, 78% крупных финансовых институтов в Европе и США завершили или находятся на финальной стадии внедрения AI-агентов первого уровня поддержки. Речь не о чат-ботах 2023 года, а о полноценных Agentic AI системах, способных вести многоходовый диалог, принимать решения и обучаться в реальном времени.
От «реши проблему» к «предупреди проблему»
Старая парадигма: клиент звонит, когда у него уже случилась беда. Новая: система знает, что беда случится через 20 минут, и звонит первой.
Как это работает? В основе лежит не один большой LLM, а целая экосистема. Например, связка из:
- Мультимодального агента (например, на базе GPT-4o или более новой Gemini 2.0 Flash Thinking), который анализирует тон голоса, паузы, эмоциональные маркеры в реальном времени.
- Прогнозной модели на основе Federated Learning, которая учится на анонимизированных данных тысяч банков, не выходя за пределы их серверов. Она предсказывает поведение: «Клиенты, которые отменяют подписку на стриминг и в тот же день сталкиваются с блокировкой карты, в 70% случаев пишут гневный пост в соцсетях в течение часа».
- Интеграции с финансовой онтологией FIBO через MCP-серверы. Это позволяет агенту не просто знать, что такое «овердрафт», а понимать его условия, ограничения и альтернативы в контексте конкретного клиента и юрисдикции. Подробнее о технической стороне этого процесса мы писали в материале про FIBO для AI-агентов.
Кейс: как Eurobank сократил отток на 18% за квартал
В третьем квартале 2025 Eurobank запустил пилот с автономными агентами для работы с клиентами из «группы риска оттока». Алгоритм был прост до гениальности (и слегка жутковат).
Агент, назовем его «Ева», мониторил десятки сигналов: частоту логинов в приложение, изменения в шаблонах трат, просмотры страницы «Закрыть счет», даже тонкость написания запросов в чат поддержки (анализировалась вежливость и эмоциональная окраска).
Когда совокупный риск превышал порог, «Ева» не отправляла шаблонное письмо. Она звонила. И начинала диалог не с «Чем могу помочь?», а с контекстного предположения: «Здравствуйте, г-н Петров. Я вижу, вы вчера несколько раз проверяли условия по ипотеке в нашем конкурентном отделе. У нас как раз обновились программы рефинансирования. Давайте я расскажу, как это может снизить ваш ежемесячный платеж?»
Результат? 18% снижение оттока в пилотной группе. И да, большинство клиентов так и не поняли, что разговаривали с машиной. Подробнее о том, как автономные агенты меняют банки, читайте в нашем разборе Agentic AI в финансах 2025.
| Метрика (2023 vs 2026) | Старая система | Новая AI-система |
|---|---|---|
| Первичное разрешение (FCR) | ~75% | ~92% (агент имеет доступ ко всем системам) |
| NPS (Net Promoter Score) | Зависит от оператора | Стабильно 80+ (персонализация) |
| Стоимость контакта | $5-7 | $0.10-0.30 (после амортизации разработки) |
| Ключевой KPI | Среднее время разговора | Предотвращенный ущерб (отток, негативные отзывы) |
Темная сторона: приватность, предвзятость и «цифровой надзиратель»
Звучит как утопия для CFO и кошмар для privacy-адвокатов. Банк теперь знает о вас не только ваши траты, но и ваше эмоциональное состояние в момент этих трат. Он строит психологический профиль на основе ваших взаимодействий.
Главный технический вызов 2026 года — не точность моделей, а их безопасность и выравнивание (Alignment). Как сделать так, чтобы агент, цель которого — удержать клиента, не начал манипулировать им, предлагая невыгодные, но «цепляющие» эмоционально продукты? Или не перенимал скрытые предубеждения из обучающих данных? Проблема AI Alignment сегодня — это не абстрактная философия, а насущная инженерная задача. Интересно, что некоторые эксперты считают саму постановку этой проблемы фикцией, как мы обсуждали в статье «AI Alignment - это фикция».
Регуляторы ЕС (DORA) и США уже готовят поправки, требующие «объяснимости» решений AI-агентов в финансовой сфере. Если система рекомендует отказать в кредите или навязчиво предлагает страховку, она должна предоставить логическую цепочку, а не просто «высокий риск по модели».
Именно здесь на помощь приходят гибридные подходы, такие как Federated Learning для скоринга, который позволяет улучшать модели, не объединяя сырые данные клиентов. Мы подробно разбирали этот парадокс приватности и точности в материале про Federated Learning в кредитном скоринге.
Что дальше? AI как единственный интерфейс
Кол-центр в его традиционном понимании исчезает. На его месте возникает «Центр управления клиентским опытом» — полностью автоматизированный хаб, где AI-агенты являются не инструментом поддержки, а основным интерфейсом между банком и клиентом.
Человеческие операторы (те, что остались) становятся «тренерами AI» и эскалационными менеджерами для сложных кейсов. Их работа — не отвечать на звонки, а размечать данные, корректировать поведение агентов и решать проблемы, которые выходят за рамки прописанных сценариев. По сути, они становятся учителями для систем, которые их же и заменяют. Любопытный цикл, который уже налаживают такие платформы, как Mercor.
Прогноз на 2027-2028: конвергенция. Ваш AI-агент в банке будет общаться с вашим AI-ассистентом (типа усовершенствованного Rabbit R1 или преемника ChatGPT) для решения рутинных финансовых вопросов. Человек вмешается только для финального «одобряю».
Ирония в том, что чтобы стать по-настоящему клиентоцентричным, банку пришлось сначала полностью устранить человека из первичного контакта. Только машина, вооруженная всеми вашими данными, может быть на 100% внимательна, терпелива и предупредительна. Добро пожаловать в будущее, где ваш лучший финансовый друг — это алгоритм, который знает о вас все. И это не сценарий Black Mirror. Это квартальный отчет за Q4 2025.
