Внедрение искусственного интеллекта в дистанционное банковское обслуживание в России

Автор: Гетман А.С., Дробышевская Л.Н.

Журнал: Экономика и бизнес: теория и практика @economyandbusiness

Статья в выпуске: 5 (123), 2025 года.

Бесплатный доступ

В статье рассмотрено внедрение искусственного интеллекта (ИИ) в дистанционное банковское обслуживание (ДБО) в России как важного направления цифровой трансформации банковского сектора. Проведен анализ основных направлений применения ИИ в российских банках, выделены преимущества таких решений, среди которых персонализация услуг, повышение эффективности и безопасности финансовых операций. Рассмотрены существующие риски и проблемы, включая вопросы правового регулирования, кибербезопасности, защиты персональных данных и влияния автоматизации на рынок труда. В работе предложены перспективы дальнейшего развития ИИ в ДБО и даны рекомендации для банков, регуляторов и пользователей. Исследование опирается на современные статистические данные и примеры практического применения технологий ведущими российскими банками.

Еще

Искусственный интеллект, дистанционное банковское обслуживание, цифровизация, российские банки, кибербезопасность, автоматизация банковских услуг, персонализация сервисов, рынок труда, правовое регулирование, финансовые технологии

Короткий адрес: https://sciup.org/170209203

IDR: 170209203   |   DOI: 10.24412/2411-0450-2025-5-88-101

Текст научной статьи Внедрение искусственного интеллекта в дистанционное банковское обслуживание в России

В современном банковском секторе наблюдается стремительная цифровизация: все больше операций осуществляется удаленно, без посещения отделений. Дистанционное банковское обслуживание (ДБО) стало неотъемлемой частью жизни клиентов – по данным Банка России, к 2024 году почти 77% населения страны регулярно пользуется дистанционными финансовыми услугами. Особенно быстро развивается мобильный банкинг: в 2024 году 74% россиян используют банковские приложения на смартфонах. ДБО обеспечивает удобный круглосуточный доступ к счетам и продуктам, расширяет географию обслуживания (актуально для отдаленных регионов) и снижает издержки для банков.

Параллельно с распространением ДБО набирают силу технологии искусственного интеллекта (ИИ). Искусственный интеллект способен обрабатывать большие объемы данных и выполнять интеллектуальные задачи, традиционно требовавшие участия человека. Для банковской отрасли ИИ открывает новые горизонты: персональные рекомендации, автоматическое принятие решений, предиктивная аналитика и чат-боты для поддержки клиентов. Эти технологии уже продемонстрировали эффективность. Например, внедрение

ИИ позволило СБЕРу сократить время рассмотрения заявок и сэкономить значительные средства – только за 2020 год экономический эффект оценивался в 100 млрд руб., а в 2021 году – уже в 200 млрд руб. согласно данным руководства банка. Таким образом, интеграция ИИ выступает следующим этапом инноваций в банковской сфере после перехода к дистанционным каналам [1].

Актуальность темы обусловлена тем, что российские банки активно инвестируют в цифровые технологии, стремясь повысить конкурентоспособность и качество сервиса. Внедрение ИИ в ДБО обещает существенные выгоды: улучшение клиентского опыта, повышение операционной эффективности, снижение издержек и рисков мошенничества. В то же время возникают новые вызовы, связанные с безопасностью данных, нормативным регулированием и влиянием автоматизации на рынок труда. Краткий исторический обзор показывает, что дистанционное обслуживание развивалось в России с конца 1990-х – от сервисов «банк-клиент» и банкоматов до интернет-банкинга в 2000-х и мобильных приложений в 2010-х. Сегодня, на середину 2020-х, отрасль вступает в этап массового внедрения искусственного интеллекта, что делает исследование данного процесса своевременным и практически значимым.

Цель выполненного исследования - проанализировать применение искусственного интеллекта в сфере дистанционного банковского обслуживания в России.

Для этого последовательно рассматриваются теоретические основы и предыдущие исследования, используемые методы, проводится анализ текущей практики внедрения ИИ российскими банками (с примерами, преимуществами и рисками), выделяются проблемы и ограничения, а также предлагаются перспективные направления развития и рекомендации. Статья ориентирована на студентов и преподавателей экономических специальностей, специалистов банковской сферы и исследователей финансовых инноваций [2].

Теоретические основы и обзор литературы. Дистанционное банковское обслуживание (также используется термин удаленное банковское обслуживание) - это предоставление банковских услуг клиентам вне отделений, с использованием телекоммуникаций и цифровых технологий. Иными словами, ДБО означает доступ клиента к банковским продуктам и операциям удаленно, через интернет-банкинг, мобильные приложения, банкоматы, телефоны и другие электронные каналы. В научной литературе подчеркивается, что ДБО является ключевым направлением инноваций в банковской сфере, радикально изменившим модель взаимодействия банка и клиента.

Искусственный интеллект определяется как способность компьютерных систем выполнять задачи, требующие интеллекта: обучение на данных, распознавание образов, принятие решений, прогнозирование. В контексте банковского дела под ИИ понимают комплекс технологий (машинное обучение, нейронные сети, обработка естественного языка, компьютерное зрение и др.), которые позволяют автоматизировать и улучшать аналитические и коммуникативные процессы в банке. В последние годы накоплен значительный массив научных и прикладных работ по ИИ в финансах. Согласно глобальным оценкам, в 2024 году уже 55% компаний в мире применяют ИИ в той или иной форме. В России уровень использования ИИ организациями вырос с 20% в 2021 г. до 43% в 2024 г., что свидетельствует о начале массового внедре- ния. Причем финансовый сектор является лидером: около 95% организаций сферы финансов используют инструменты ИИ, что является самым высоким показателем среди отраслей. Эти цифры подчёркивают, что банки – одни из первых воспринимают ИИ как стратегически важную технологию [3].

В научных публикациях и отраслевых обзорах выделяются основные направления применения ИИ в банковской сфере. К ним относятся: автоматизация рутинных операций (например, обработка платежей, бухучет), интеллектуальный анализ данных о клиентах (скоринг заемщиков, оценка кредитных рисков), персонализация услуг (рекомендательные системы, индивидуальные предложения), клиентские сервисы (чат-боты, голосовые помощники), противодействие мошенничеству (антифрод-системы, мониторинг транзакций) и оптимизация внутренних процессов (прогнозирование нагрузки на отделения и банкоматы, управление ликвидностью). Зарубежные исследования (например, отчеты McKinsey, Gartner) показывают, что внедрение ИИ может существенно повысить рентабельность банков: за счет повышения точности решений и экономии затрат на персонал. В то же время в литературе подчёркиваются и риски: ошибки алгоритмов, проблема «черного ящика» (непрозрачность решений нейросетей), этические вопросы. Российские исследования (Пятницкий Д.В. и др., 2024) также акцентируют вопросы безопасности данных и нормативно-правового регулирования ИИ.

Таким образом, теоретическая база нашего исследования опирается на понятия банковских инноваций и цифровой трансформации, а также на междисциплинарный подход, соединяющий финансовый менеджмент, информационные технологии и правовые аспекты. Обзор литературы свидетельствует о высокой значимости темы: сегодня ИИ рассматривается как ключевой драйвер развития банковского сектора в ближайшие годы, в том числе в России. Однако многие аспекты внедрения ИИ в ДБО (например, влияние на качество обслуживания различных групп клиентов, долгосрочные экономические эффекты, адаптация регуляторики) остаются дискуссионными и требуют дальнейшего изучения [4].

Методы исследования. Данное исследование носит комплексный характер и опира- ется на комбинацию качественных и количественных методов. Методологическую основу составили общенаучные методы анализа и синтеза, а также сравнительный и статистический анализ. В первую очередь был проведен анализ научной литературы и обзоров по тематике дистанционного банковского обслуживания и внедрения ИИ в банках - это позволило сформировать теоретические основы и выявить ключевые направлений исследований.

Для изучения текущей практики использовался метод кейс-стади (case study): рассмотрены примеры внедрения технологий искусственного интеллекта в ряде ведущих российских банков (СБЕР, Т-Банк, ВТБ, Альфа-Банк, Росбанк и др.). Сопоставление этих примеров позволило выявить наиболее востребованные решения и оценить их эффективность. В рамках кейс-анализа использованы данные из открытых источников - официальных пресс-релизов банков, выступлений топ-менеджеров, а также публикаций деловых СМИ (РБК, Коммерсантъ и др.).

Кроме того, применялся экономикостатистический анализ: изучены статистические данные Банка России, Росстата, НАФИ и других организаций за 2019-2024 годы, отражающие динамику развития ДБО и ИИ-технологий. Например, проанализированы показатели проникновения дистанционных каналов среди населения, объемы безналичных операций, показатели кибербезопасности (количество инцидентов мошенничества и предотвращенного ущерба), а также опросы общественного мнения о доверии к ИИ. На основании этих данных в статье приведены обобщающие таблицы с ключевыми показателями.

В части нормативного анализа исследованы актуальные законодательные и регулятивные акты Российской Федерации, касающиеся цифровых технологий в банковском секторе: Федеральные законы и указания Банка России по удаленной идентификации, обработке персональных данных, экспериментальным правовым режимам для ИИ, а также Этичный кодекс использования ИИ (2021) и другие документы. Это позволило оценить степень готовности правовой базы к новым технологическим реалиям [5].

Следует отметить, что значительная часть информации носит открытый аналитический характер (ввиду ограниченности доступных внутренних данных банков), поэтому выводы статьи являются результатом синтеза разнородных источников. Тем не менее, комплексное применение указанных методов обеспечивает надежность и валидность полученных результатов. Каждой ключевой тезис подкреплен ссылками на авторитетные источники - официальную статистику или экспертные оценки - что соответствует требованиям научного подхода.

Анализ и обсуждение. Применение искусственного интеллекта в ДБО.

Основные направления внедрения ИИ. В дистанционном банковском обслуживании искусственный интеллект используется по нескольким ключевым направлениям. Во-первых, это взаимодействие с клиентами через чат-боты и голосовые помощники. Интеллектуальные виртуальные ассистенты интегрированы в мобильные приложения и колл-центры, позволяя автоматизировать ответы на типовые вопросы, выполнять операции по запросу клиента и даже распознавать голосовые команды. Например, голосовой робот «Олег» в call-центре Т-Банк Банка консультирует клиентов, за счет чего время ожидания ответа сократилось в среднем на 40 секунд, а экономия банка составляет свыше 30 млн руб. в месяц. Текстовые чат-боты также берут на себя значительную часть обращений - в Т-Банк более 40% запросов клиентов обрабатываются ботом, что ежемесячно экономит банку более 200 млн руб. Другие крупные банки (СБЕР, ВТБ, Альфа-Банк) внедрили собственных виртуальных помощников, способных подсказать информацию о продуктах, помочь с платежами, заблокировать карту при утере и т.д. Во-вторых, ИИ широко применяется в кредитовании и управлении рисками. Алгоритмы машинного обучения анализируют кредитные заявки и скоринговые баллы клиентов, позволяя принимать решения автоматически. Так, система AI-скоринга в СБЕРе обрабатывает заявку крупного корпоративного клиента за менее чем 7 минут (тогда как ранее аналогичная работа занимала 2-3 недели у целого отдела сотрудников) - весь процесс проходит удаленно, без бумажных документов, при этом качество портфеля улучша- ется (просрочка по таким автоматизированным кредитам снизилась почти до нуля). ИИ также используется для динамического изменения кредитных лимитов, управления задолженностью (коллекторские алгоритмы, предлагающие индивидуальные реструктуризации) и оценки залогов (например, компьютерное зрение для анализа фотографии недвижимости или автомобиля) [6].

В-третьих, ИИ внедряется в системы финансового мониторинга и антифрод. Дистанционные каналы, к сожалению, подвержены кибермошенничеству и несанкционированным операциям. Чтобы защитить клиентов, банки используют обучающиеся алгоритмы, которые в режиме реального времени отслеживают транзакции и поведение пользователей, выявляя аномалии. Такие системы способны мгновенно заблокировать подозрительную операцию или запросить дополнительное подтверждение у клиента, если действие выбивается из его обычного паттерна. По данным Банка России, благодаря усилению мониторинга эффективность борьбы с мошенничеством растёт: в III квартале 2024 года российские банки отразили 16,1 млн атак кибермошенников и предотвратили хищение на сумму 4,9 трлн руб., что втрое больше, чем годом ранее. Этот впечатляющий результат во многом обусловлен использованием интеллектуальных антифрод-систем, анализирующих огромные массивы данных о переводах. Кроме того, ИИ применяется для комплаенс -контроля (выявление подозрительных операций связанных с отмыванием денег) и информационной безопасности (например, системы обнаружения вторжений, анализ логов с помощью ИИ).

В-четвертых, искусственный интеллект помогает оптимизировать внутренние процес- сы и инфраструктуру ДБО. Например, алгоритмы прогнозирования позволяют банкам лучше управлять наличностью и нагрузкой на банкоматы и удаленные каналы. Прогнозирование потока клиентов с помощью ИИ дает возможность вовремя направить ресурсы: подгрузить наличность в банкоматы, масштабировать серверные мощности интернет-банка под ожидаемый пик операций (например, в дни выплат или распродаж). Ещё один кейс - автоматизация обработки документов: при дистанционном открытии счета клиент обычно загружает сканы паспорта или других бумаг, и в некоторых банках эту проверку выполняет нейросеть. В Росбанке внедрена система, которая за 2 секунды распознаёт более 70 реквизитов со сканов и фотографий документов каждого нового клиента и проводит порядка 15 автоматических проверок данных. В результате процесс удалённой идентификации и открытия счёта ускоряется в разы, практически исключая ошибки ручного ввода. Подобные технологии документного AI-ocr (optical character recognition) начинают использоваться повсеместно - от обработки анкет и заявлений до анализа бухгалтерской отчетности при кредитовании онлайн [4].

Таким образом, диапазон применения ИИ в ДБО чрезвычайно широк. Его можно условно разделить на фронт-офисные решения (видимые клиенту - чат-боты, рекомендации, голосовые сервисы) и бэк-офисные (невидимые, но улучшающие работу системы - скоринг, мониторинг, автоматизация бэк-офиса). Таблица 1 обобщает некоторые примеры внедрения ИИ в дистанционное обслуживание в конкретных российских банках и полученные эффекты.

Таблица 1. Примеры внедрения ИИ в дистанционные банковские сервисы российскими бан ками (на основе открытых данных). ______________________________________________________

Банк

ИИ-решение

Результат/эффект внедрения

СБЕР

Автоматизированный скоринг креди-гов

Время рассмотрения заявки сокращено с недель до ~7 минут; минимизация просрочек по кредитам

Т-Банк

Голосовой помощник «Олег» (call-

центр) + чат-бот в приложении

Обслуживание клиентов ускорено (ожидание ответа меньше на ~40 сек); экономия ~30 млн руб./мес на call-центре; бот обрабатывает >40% запросов, экономя ~200 млн руб./мес

Росбанк

AI-система обработки документов при удаленной идентификации

Считывание >70 реквизитов документа за 2 сек; ~15 проверок данных автоматически; ускорение открытия счета и снижение ошибок

Из приведенных примеров видно, что искусственный интеллект приносит ощутимые выгоды: драматическое ускорение процессов (минуты вместо дней), экономия затрат в десятки миллионов рублей, улучшение качества сервиса (быстрота ответа, отсутствие ошибок), повышение безопасности. Это подтверждается и агрегированными оценками – так, по словам первого зампреда правления СБЕРа А. Ведяхина, ключевые AI-инициативы принесли банку совокупный финансовый эффект ~100 млрд руб. в 2020 году, а в 2021 – до 200 млрд руб. Аналогично, большинство крупных банков отмечают рост эффективности за счет ИИ [7].

Текущая практика в российских банках. Российские банки сегодня находятся на разных этапах внедрения ИИ, но общая тенденция такова, что лидеры рынка (СБЕР, ВТБ, Альфа-Банк, Т-Банк, Газпромбанк и др.) уже реализуют масштабные проекты, а более мелкие игроки стараются не отставать, часто опираясь на готовые решения. СБЕР начал инвестировать в big data и AI еще в середине 2010-х, создав собственные лаборатории и даже дочернюю компанию Sber AI. Т-Банк традиционно делает ставку на IT: помимо упомянутого бота Олега, банк известен одной из лучших рекомендательных систем, предлагающих клиентам подходящие продукты в мобильном приложении (специальные подборки услуг на основе поведения клиента). ВТБ также активно продвигает цифровые инновации: банк сообщал об экспериментальном использовании генеративного ИИ для финансового планирования, и согласно опросам, 53% клиентов ВТБ доверяют советам, сформированным ИИ при управлении финансами. Альфа-Банк в 2023 году внедрил ИИ-платформу для аналитики «голоса клиента» – собирая более 0,5 млн оценок от клиентов ежедневно во всех точках взаимодействия, алгоритмы с точностью ~87% определяют, что важно клиентам, помогая оперативно улучшать сервис. Таким образом, лучшие практики включают использование ИИ не только внешне (для клиента), но и внутри организации – для мониторинга удовлетворенности, принятия управленческих решений, оптимизации продуктов [5].

Заметим, что даже консервативные области банковской деятельности начинают использо- вать ИИ. Например, в управлении активами появляются робо-эдвайзеры – автоматические советники по инвестированию, которые дистанционно формируют клиентам портфели (пока данная услуга в РФ на начальном этапе, но отдельные брокеры и банки ее пилотируют). В дистанционном страховании при банках ИИ помогает оценивать страховые риски и урегулировать убытки онлайн (например, по фото ДТП). Большое внимание уделяется биометрическим технологиям: в рамках Единой биометрической системы (ЕБС) банки могут удаленно идентифицировать клиентов по лицу и голосу, и здесь ИИ играет ключевую роль в распознавании этих биометрических параметров. К 2025 году свыше 180 банков подключились к ЕБС, расширяя возможности полностью онлайн-обслуживания граждан. Однако, низкий уровень доверия к передаче биометрии (многие россияне опасаются утечек) пока тормозит массовое распространение – по опросам, около половины населения не готово делиться своими биометрическими данными государственным или коммерческим системам. Тем не менее, технологически банки уже готовы к тому, чтобы открыть счет, выдать кредит или оказать другую услугу полностью в дистанционном режиме при помощи ИИ, который и личность подтвердит, и решение примет, и консультацию клиенту предоставит [6].

Преимущества применения ИИ. Внедрение искусственного интеллекта в ДБО дает целый ряд преимуществ, которые можно сгруппировать следующим образом:

- Повышение доступности и скорости обслуживания. Благодаря автоматизации многие операции теперь занимают секунды или минуты. Клиент может получить решение по кредиту или ответ на запрос моментально в любое время суток. География обслуживания расширяется: алгоритму все равно, где находится клиент – это особенно важно для жителей удаленных регионов, людей с ограниченными возможностями. Причем, более 88% клиентов с инвалидностью положительно оценивают обслуживание в банках, причём доля людей с инвалидностью, пользующихся дистанционным доступом, растёт быстрее, чем в среднем по стране. ИИ помогает подстроить сервис под особые нужды таких клиентов – например, речевые боты могут быть обучены говорить медленнее или отчетливее для пожилых, а визуальные интерфейсы учитывать требования людей со слабым зрением.

  • -    Персонализация и улучшение клиентского опыта. AI-анализ данных позволяет банкам лучше понимать потребности и предпочтения каждого клиента. На основе истории операций, социальных данных, типичных трат ИИ способен сформировать персональные предложения (подходящий вклад, кредитный лимит, кэшбэк по категориям). Рекомендательные системы повышают удовлетворенность: клиент получает релевантные услуги, а не общий «рекламный шум». Кроме того, продвинутые модели могут даже распознавать эмоции клиента по голосу или тексту обращения и, например, переводить расстроенного клиента сразу на живого сотрудника. Как образно выразился глава Альфа-Банка В. Вер-хошинский, набор AI-сервисов работает как «цифровой экзоскелет» для сотрудников, позволяя лучше понимать настроение клиента и быстрее реагировать на его запросы. Индивидуальный подход при помощи ИИ повышает лояльность аудитории.

  • -    Рост эффективности и снижение издержек банка. Автоматизируя рутинные повторяющиеся операции, банки могут сократить расходы на содержание широкого штата сотрудников. Машинные алгоритмы выполняют ту же работу быстрее и без перерывов, что означает экономию фонда оплаты труда и других накладных расходов. Как отмечают эксперты, у компаний, заменивших часть сотрудников ботами, есть краткосрочный выигрыш в эффективности. Приведенные выше цифры экономии Т-Банк (сотни миллионов рублей в месяц) и СБЕРа (сотни миллиардов в год) – яркое тому подтверждение. При этом ИИ снижает человеческий фактор: меньше ошибок, пропущенных заявок, забытых звонков клиентам и т.д. Повышение пропускной способности процессов позволяет банку масштабировать бизнес без пропорционального роста затрат.

  • -    Усиление управленческих возможностей. ИИ дает руководству новые инструменты для принятия решений на основе больших данных. В режиме онлайн можно отслеживать метрики ДБО, реакцию клиентов на изменения, сразу видеть узкие места. Предиктивная аналитика позволяет проактивно управлять

ситуацией: предвидеть отток клиентов, оценивать риск невозврата по портфелю, моделировать влияние новых продуктов. Все это улучшает качество управления и стратегического планирования банка.

  • -    Повышение безопасности. В условиях цифрового банкинга безопасность – краеугольный камень. ИИ значительно усиливает защиту, фильтруя мошеннические транзакции, выявляя фишинговые атаки (например, по нетипичной активности учетной записи). Автоматическое распознавание лиц и голоса добавляет уровень защиты при входе в аккаунт или подтверждении операций. Как показала практика, современные антифрод-системы на базе ИИ уже сейчас предотвращают львиную долю атак, возвращая украденные средства клиентам быстрее, чем это делали бы люди. К примеру, с июля 2024 г. в РФ вступил в силу закон о противодействии мошенничеству, требующий от банков оперативно реагировать на случаи мошеннических переводов. ИИ в этом контексте становится необходимым инструментом, позволяющим соблюсти требования закона – автоматически распознавать операции, совершенные вследствие обмана, и блокировать их в реальном времени.

Конечно, перечисленные преимущества проявляются при условии правильной реализации технологий. Не каждый чат-бот одинаково полезен – важно его обучить на реальных сценариях. Скоринговая модель принесет пользу лишь при наличии качественных данных. Тем не менее, конкурентные банки, успешно освоившие ИИ, получают ощутимое преимущество на рынке, предлагая клиентам более современный и надежный сервис. Недаром большинство россиян верят в будущее «банков с ИИ-роботами»: по опросу ВТБ, 61% респондентов ожидают появления банков, где основные операции выполняют алгоритмы ИИ. Это отражает высокие ожидания общества от технологий в банкинге [8].

Риски и ограничения. Наряду с преимуществами, применение ИИ в дистанционном банковском обслуживании порождает ряд рисков и проблемных моментов:

  • -    Технологические риски и качество алгоритмов. Алгоритмы ИИ могут давать сбои или ошибки. Например, чат-бот, не распознавший проблему клиента, создает неудовле-

  • творенность. Ошибка скоринговой модели чревата выдачей проблемного кредита или отказом добросовестному заемщику. Существуют риски «смещения» и предвзятости данных: если модель обучена на исторических данных, она может воспроизводить старые стереотипы (например, занижать скоринг некоторым группам населения). Прозрачность алгоритмов низкая – даже разработчики не всегда могут объяснить, почему нейросеть приняла то или иное решение. Это создает вызовы для доверия и управления рисками. Банк вынужден внедрять системы контроля качества моделей (Model Risk Management), регулярно переобучать их и отслеживать метрики ошибок.

    - Риск кибербезопасности и утечки данных. Централизация данных и активное использование ИИ делают инфраструктуру притягательной целью для хакеров. Если мошенникам удастся внедрить вирус или изменить алгоритм, последствия могут быть масштабными. Кроме того, сбор больших данных о клиентах (включая биометрию, поведенческие профили) повышивает цены утечек. К сожалению, случаи утечки персональных данных участились – по данным Роскомнадзора, только за 2024 год произошло 135 крупных утечек, и в открытый доступ попало свыше 710 млн записей о россиянах (в 2023 было 168 утечек и ~300 млн записей). Банковские данные нередко фигурируют в таких инцидентах. Утечка информации об аккаунтах, паролях или биометрии может привести к несанкционированному доступу к счетам клиентов. Поэтому безопасность должна идти рука об руку с ИИ: требуется шифрование данных, строгий контроль доступа, кибераудиты алгоритмов. Еще один нюанс – злоумышленники и сами осваивают ИИ для атак (фишинговые боты, генерация убедительных голосовых сообщений под видом сотрудников банка и пр.), что усложняет задачу защитных мер.

    - Человеческий фактор и принятие технологий. Несмотря на декларируемую клиентами готовность к «банкам будущего», на практике многие люди пока не доверяют машинам полностью. Например, опрос показал, что 55% россиян воспринимают дистанционные банковские сервисы как высокорискованные – отчасти это связано с опасениями насчет надежности технологий. 16% опрошенных

прямо скептичны по отношению к идее обслуживания в банке роботами. Люди тревожатся: а что, если бот ошибется? кому предъявлять претензии? не украдут ли мои данные? Этот дефицит доверия может стать барьером: клиенты будут требовать опции общения с живым сотрудником, даже если ИИ доступен. Банкам важно работать над повышением цифровой грамотности клиентов, объяснять преимущества и меры защиты, обеспечивать человекоориентированный подход. Лучшее решение – гибридная модель, когда ИИ выполняет рутинное, но всегда есть возможность эскалации на человека. Согласно мнению экспертов, в ближайшие 5-7 лет ИИ не сможет полностью заменить человека, и многие клиенты всё ещё предпочитают живое общение. Поэтому критически важно сохранить баланс технологий и человеческого сервиса.

- Правовые и этические проблемы. Вопросы ответственности за решения ИИ пока четко не урегулированы. Если автоматический скоринг ошибочно отказал клиенту в кредите, имеет ли он право знать причины? Как оспорить решение, принятое алгоритмом? Российское законодательство о защите прав потребителей финансовых услуг и о персональных данных только начинает учитывать аспекты автоматизированных решений. С 2022 года идет разработка законодательства об искусственном интеллекте, проводятся эксперименты (например, в Москве действует экспериментальный правовой режим для технологий ИИ, позволяющий временно опробовать их без полного соответствия всем нормам). Однако полноценного закона об ИИ еще нет. Этический кодекс ИИ (принят Минэкономразвития в 2021 г.) носит пока рекомендательный характер для компаний. Применение ИИ в ДБО поднимает и вопрос дискриминации : нельзя допустить, чтобы алгоритмы несправедливо ограничивали доступ отдельных групп к услугам (например, автоматически отвергали заявки пенсионеров или, наоборот, навязывали им дорогие продукты). Регулятор (ЦБ РФ) и надзорные органы (Роскомнадзор – в части данных) должны внимательно отслеживать эти моменты.

- Влияние на персонал и организацию работы банка. Массовая автоматизация меняет структуру занятости в банках. С одной сторо- ны, снижается потребность в операционистах, кассирах, колл-центрах. С другой - возрастает спрос на ИТ-специалистов, аналитиков данных, разработчиков моделей. Возникает риск сокращения рабочих мест: по оценке Bloomberg, крупнейшие банки мира могут в ближайшие 3-5 лет сократить до 200 тыс. сотрудников , заменив их ИИ. Это около 3-10% всего персонала. Эксперты полагают, что и российский банковский сектор не останется в стороне от этой тенденции. Первыми под сокращение попадают сотрудники, чья работа четко формализована и повторяема (бэк-офис, операции, поддержка), тогда как креативные и стратегические роли останутся дольше. Таким образом, перед банками стоит вызов ответственно подходить к реорганизации: предлагать программы переподготовки, переводить работников на новые должности, а не просто увольнять. Также нужно учитывать, что корпоративная культура меняется - сотрудникам приходится работать бок о бок с алгоритмами, доверять рекомендациям машин. Не все коллективы легко принимают такие новшества, возможны внутренние сопротивления [1].

Подводя итог, можно констатировать: риски, связанные с ИИ в ДБО, реальны, но управляемы. Многие из них являются продолжением традиционных банковских рисков (операционных, технологических, комплаенс-рисков) в новой форме. Ключевое значение имеет то, как банки и регуляторы выстроят систему управления этими рисками - через тестирование алгоритмов, киберзащиту, обучение персонала и информирование клиентов. При ответственном подходе негативные эффекты можно минимизировать [9].

Проблемы и вызовы внедрения ИИ. Несмотря на значительный прогресс, внедрение искусственного интеллекта в банковское обслуживание наталкивается на ряд проблемных аспектов, требующих решения. Рассмотрим основные вызовы более подробно:

Правовое регулирование и стандарты. Правовая база часто не успевает за технологическими инновациями. В области ДБО уже многое урегулировано (есть законодательство о национальной платежной системе, об электронных подписях, о дистанционной идентификации - 115-ФЗ с поправками, регулирующими ЕБС). Однако специального законодательства об использовании ИИ пока нет. Воз- никают вопросы ответственности: кто несет ответственность за ошибку алгоритма? Является ли решение, принятое ИИ, официальным и достаточно обоснованным с точки зрения закона? Например, согласно закону о потребительском кредите, банк обязан сообщить причины отказа в кредите - но способен ли он разъяснить их, если решение принимала нейросеть? Аналогично, с точки зрения закона о персональных данных (152-ФЗ) необходимо получать согласие на автоматизированную обработку, обеспечивать права субъекта на обжалование. ЕС пошел по пути принятия AI Act (Акта об ИИ), устанавливающего требования к использованию ИИ-систем высокого риска, в том числе в кредитовании. России также предстоит выработать нормативные акты, определяющие рамки ответственного использования ИИ. Пока эту роль выполняют рекомендации и общие нормы. Банк России публикует методические материалы по фин-теху, стимулирует создание этических стандартов. В 2023 году при АНО «Цифровая экономика» был создан альянс по этике ИИ, к которому присоединились крупнейшие банки и ИТ-компании, подписав добровольный кодекс этического использования ИИ. Однако эти меры добровольные. Вероятно, ближайшие годы принесут новые регуляторные требования: сертификация алгоритмов (особенно в сфере биометрии и кредитного скоринга), аудит данных для обучения, обязанность банков объяснять AI-решения клиентам. В режиме песочницы (регуляторных испытаний) уже работают некоторые проекты: например, использование ИИ в страховании по кастомным тарифам. Но для масштабного применения нужна ясность в законах. Пока же, столкнувшись с спорной ситуацией, банки действуют на основе общих принципов права, что несет неопределенность. Еще одна проблема - отсутствие единых стандартов качества для AI-моделей: каждый банк разрабатывает по-своему. Здесь отраслевое сообщество совместно с регулятором могло бы выработать лучшие практики и, возможно, ГОСТы или ISO-стандарты по применению ИИ в финансовой сфере, чтобы обеспечить сопоставимость и совместимость решений [2].

Кибербезопасность и защита данных. Как отмечалось, усиление ИИ приводит к росту киберрисков. При этом сами методы нападения усложняются: злоумышленники могут пытаться манипулировать алгоритмами (например, подделывая входные данные – adversarial attacks), использовать deepfake-технологии (создавать поддельные голоса клиентов для обмана биометрии), заразить обучающие датасеты ложной информацией, чтобы скомпрометировать модели. Особое внимание требует защита персональных данных. ДБО немыслимо без хранения больших данных о транзакциях, поведении клиентов, их устройствах. Эти данные – цель №1 для хакеров. Как показала статистика РКН за 2023-2024 гг., утечки происходят даже у крупных структур, и их масштаб растет. Банки обязаны выполнять требования Закона о персональных данных и новых поправок к нему, включая локализацию данных, соблюдение условий обработки биометрии (в 2022– 2023 принят ряд поправок, обязавших компании либо подключаться к ЕБС, либо получать отдельное согласие на каждую биометрическую систему). То есть, с 2023 г. банки де-факто должны использовать либо государственную ЕБС, либо остановить собственные проекты распознавания лиц. Многие банки переключились на ЕБС, но это означает передачу данных в центр под контролем государства и Ростелекома, что с одной стороны стандартизирует безопасность, с другой – создает единую точку отказа. Для пользователей же важно понимать, как защищены их данные, кто имеет к ним доступ. Роскомнадзор усиливает надзор: в 2024 г. введены крупные оборотные штрафы за утечки. Вызов для банков – выстроить систему киберзащиты в новых условиях: защитить облачные сервисы, API интеграций, мобильные приложения (часто атаки идут именно через устройства клиентов, зараженные вирусами). Требуется постоянное обновление антифрод-алгоритмов, сотрудничество в отрасли (обмен информацией о киберугрозах через ЦБ и ФИНЦЕРТ). Хорошим подспорьем стало вступление в силу в июле 2024 закона против мошенничества, расширившего полномочия банков по блокировке подозрительных переводов. Однако он же возлагает на банки большую ответственность за проактивное выявление обманных схем – без ИИ здесь не обойтись. В долгосрочной перспективе возможна сертификация AI-систем безопасности на уровне

ФСБ/ФСТЭК, появление киберполисов страхования (страхование киберрисков для банков) и др.

Влияние на рынок труда и социальные последствия. Автоматизация, как уже обсуждалось, ведет к структурным сдвигам на рынке труда. Оптимизация штата банков под воздействием ИИ уже происходит: банки сокращают отделения (за 2015-2022 их число в РФ упало на тысячи, отчасти из-за роста онлайн-обслуживания), уменьшают фронт-офис. Ряд профессий становится менее востребован: операционист (большинство операций клиент делает сам через приложение), кассир, call-оператор. Высвобождающееся число сотрудников измеряется десятками тысяч по отрасли, и это социально чувствительный процесс. В то же время, спрос на айтишников резко возрос: банки конкурируют за разработчиков нейросетей, аналитиков данных, киберспециалистов. Появляются новые роли, например тренер AI-моделей (специалист, который обучает и корректирует бота, разбирает сложные случаи). Системы AI требуют постоянной поддержки, поэтому часть бывших сотрудников может быть переквалифицирована – например, бывший оператор колл-центра может стать супервайзером чат-бота, контролируя его ответы и вмешиваясь при необходимости. Однако на практике переквалификация – сложный процесс, требующий инвестиций в обучение. Банки совместно с вузами и учебными центрами запускают программы повышения цифровых навыков для своего персонала, готовят сотрудников к взаимодействию с ИИ. Социальное неравенство – еще один нюанс: высококвалифицированные сотрудники (разработчики) получают более высокие зарплаты, чем уволенные операционисты. В масштабах страны автоматизация может усиливать разрыв. Государству и бизнесу важно смягчать эти эффекты, обеспечивая социальную ответственность. Например, СБЕР в 2019-2021 г. сокращал тысячи позиций, но одновременно объявлял о создании новых ИТ-должностей и переводе части людей туда, а также о расширении сети партнерских агентских пунктов (где могли найти работу бывшие сотрудники). В перспективе 5–10 лет, по прогнозам Всемирного экономического форума, до 40-50% офисных рабочих функций могут быть автоматизированы, но появят- ся и миллионы новых рабочих мест, требующих умения работать с ИИ. Уже сейчас 80% компаний (в том числе банки) готовы инвестировать в обучение своих работников навыкам использования ИИ - это положительный тренд, говорящий о понимании проблемы [10].

Отдельно стоит затронуть этические аспекты. ИИ-ассистенты должны вести себя корректно, не допуская неподобающих высказываний. Нужно исключить возможность, что алгоритм откажет клиенту на основании, например, возраста или инвалидности - такие случаи были бы этически неприемлемы и подрывают принципы равенства. Поэтому в вызовах стоит не только техническая и правовая, но и этическая настройка ИИ. Российские банки участвуют в формировании международных стандартов Responsible AI (ответственного ИИ) через профильные организации, и следят за рекомендациями, например, Банка России по клиенториентированности.

Перспективы развития и рекомендации. Анализ показал, что внедрение ИИ в дистанционное банковское обслуживание - объективно необходимый этап развития банковского сектора. Чтобы реализовать потенциал технологий и минимизировать риски, требуется синхронная работа по нескольким направлениям. Ниже представлены перспективы развития и практические рекомендации для ключевых стейкхолдеров - банков, регуляторов и сообщества [3].

  • 1.    Стратегическое развитие AI-инфраструктуры в банках. Банкам рекомендуется сформировать ясную стратегию внедрения ИИ, интегрированную в общую цифровую стратегию. Это включает создание внутренних центров экспертизы по данным и ИИ, обучение менеджмента базовым принципам работы с алгоритмами. Крупным банкам целесообразно развивать собственные AI-платформы (как это сделал СБЕР, построив SberCloud с AI-сервисами), чтобы не зависеть полностью от внешних вендоров и учитывать специфику своих данных. Для средних и малых банков оптимальным может стать использование отечественных облачных AI-сервисов или консорциумных решений, что позволит разделить затраты. Особое внимание следует уделить качеству данных: наличие чистых, полных и актуальных данных - залог

  • 2.    Гибридная модель обслуживания (человек + ИИ). В среднесрочной перспективе наиболее успешными будут банки, которые найдут оптимальное сочетание технологий и человеческого участия. Рекомендация: не пытаться тотально заменить людей в клиентском сервисе, а использовать ИИ для усиления сотрудников. Например, предоставить операторам колл-центра интеллектуальные подсказки в реальном времени (на основе анализа речи ИИ может подсказывать следующую лучшую реплику или нужную информацию из базы знаний). Аналитики отмечают, что компании, которые «экономят на сотрудниках и заменяют их ботами», могут получить только краткосрочный эффект, но рискуют потерять лояльность клиентов. Поэтому важно отслеживать обратную связь: если клиенты массово недовольны работой чат-бота, нужно либо улучшить его обучение, либо вернуть часть функций операторам. Хорошим подходом является сегментация клиентов: тех, кто технически подкован и лоялен к новшествам, переводить на максимально автоматизированные каналы, а для более консервативных сегментов сохранить «живой» контакт. Персонализация должна быть не только в продуктах, но и в подходе к самому обслуживанию - кому-то удобнее чат с ботом, а кому-то звонок сотруднику, и банк будущего должен уметь предоставить оба варианта, опираясь при этом на единый интеллект в ядре системы.

  • 3.    Усиление нормативно-правовой базы и сотрудничество с регулятором. Государству и регуляторным органам следует проактивно создавать условия для безопасного развития ИИ. Банк России уже сделал фокус на этой теме (конференция «Фокус на клиента» в 2024 была посвящена ИИ), и в дальнейшем может выпустить руководящие указания или стандарты. Рекомендуется разработать при ЦБ РФ набор методических рекомендаций для банков по использованию алгоритмов в дистанционном обслуживании - например, требования к раскрытию информации клиентам (уведомлять, что решение принял ИИ), к процедурам валидации моделей, к хранению и защите данных, используемых для обучения.

  • 4.    Инвестиции в кибербезопасность и надежность. Без безопасной среды потенциал ИИ не будет реализован, так как любой инцидент может подорвать доверие. Поэтому необходимы увеличенные вложения в кибербезопасность пропорционально росту цифровизации. Рекомендуется банкам внедрять современный стек защитных решений: системы предотвращения утечек (DLP) с элементами ИИ (следящих за аномальными действиями сотрудников), расширенную аутентификацию пользователей (биометрия + токены), регулярные penetration tests (тесты на проникновение) с учетом специфики AI-сервисов. Хорошей практикой станет проведение «красных команд» (имитация атак) именно на новые сервисы ДБО, использующие ИИ, чтобы выяснить, как их можно обмануть, и своевременно закрыть уязвимости. Кроме того, банки должны сотрудничать между собой: возмож-

  • но, имеет смысл создать отраслевую базу данных инцидентов, связанных с ИИ (посредством ФИНЦЕРТ при ЦБ) - куда бы заносились случаи, например, обхода антифрода, ошибки чат-бота, которые привели к потере средств, и т.д. Это помогло бы всему рынку учиться на ошибках отдельных игроков. Повышение отказоустойчивости - еще один аспект: если банк сильно зависит от одного AI-модуля (например, вся обработка заявок - через единую скоринг-систему), он должен иметь резервный контур на случай сбоя, иначе дистанционное обслуживание может парализоваться. Рекомендация - дублировать критически важные алгоритмы традиционными бэкап-процессами или альтернативными сервисами, а также заключать соглашения с резервными поставщиками технологий. И, конечно, продолжать обучать сотрудников кибергигиене: ведь часто «человеческий фактор является самой слабой цепью» даже в умных системах.
  • 5.    Обучение и адаптация персонала. Кадровые инициативы чрезвычайно важны. Банкам следует заранее планировать переквалификацию тех сотрудников, чьи функции автоматизируются. Внутренние программы обучения цифровым навыкам (анализ данных, работа с AI-инструментами) помогут плавно переводить людей на новые роли. Можно внедрять системы ротации: сотрудник, знающий бизнес-процессы, может перейти в команду, которая занимается автоматизацией этих процессов, - таким образом его опыт не потеряется, а будет встроен в создание ИИ-решения. Управленцам среднего звена стоит дать навыки интерпретации данных, чтобы они не боялись опираться на советы алгоритмов. Также важно нанимать новых специалистов: data scientists, ML-engineers, специалистов по big data. Конкурируя с ИТ-компаниями за таланты, банки могут привлекать их сильной экспертизой в финансовой области и возможностью работать с уникальными данными. В целом, культура, основанная на данных, должна стать частью ДНК банка. Это означает, что решения принимаются на основании аналитики, а не только интуиции, эксперименты приветствуются, а ошибки используются для обучения моделей. Рекомендация: создать внутри банка небольшие кросс-функциональные команды (бизнес + ИТ

  • 6.    Повышение доверия клиентов и финансовая грамотность. Перспективы развития ИИ тесно связаны с доверием пользователей. Необходимо внедрять программы, объясняющие клиентам преимущества новых технологий. Например, банки могут выпускать обучающие статьи, видео, где показывают работу ИИ («Знакомьтесь, наш новый помощник в приложении»), подчеркивают меры безопасности. Полезно собирать обратную связь и впечатления: через опросы удовлетворенности конкретно работой бота или скоростью онлайн-услуг. На их основе нужно улучшать UX (опыт пользователя) дистанционных каналов. Отдельно банки и государство могут включать темы про цифровые финансы и ИИ в программы по повышению финансовой грамотности населения (которые курирует ЦБ и Минфин): рассказывать, как безопасно пользоваться мобильным банком, не попасться мошенникам, как работают системы, принимающие решения. Если пользователи будут понимать принципы – они будут меньше бояться. Большинство инноваций обречены на провал, если им не доверяют клиенты, поэтому инвестировать нужно не только в «железо и софт», но и в социальный капитал – доверие, репутацию, открытость.

  • 7.    Новые продукты и услуги на базе ИИ. Перспективы включают появление принципиально новых сервисов ДБО, которые ранее были невозможны. Например, персональные финансовые консультанты с ИИ, интегрированные в мобильный банк: анализируя все счета клиента, такой консультант может автоматически формировать бюджет, напоминать о платежах, советовать, как достичь финансовых целей (накопить на квартиру и пр.). Уже сейчас 53% клиентов российских банков заявили, что доверяют советам генеративного ИИ в вопросах финансового планирования – следовательно, спрос на такие сервисы есть. Еще направление – автоматическое инвестиционное консультирование: ИИ будет управлять сбережениями клиента в режиме реального времени по заданным параметрам риска.

  • 8.    Государственные инициативы и национальная стратегия. На уровне страны ожидается продолжение курса на развитие ИИ. Указом Президента РФ уже утверждена Национальная стратегия развития искусственного интеллекта до 2030 года, предполагающая всестороннюю поддержку исследований, образование кадров и внедрение ИИ в различные отрасли. Банковская сфера упоминается как одна из приоритетных, т.к. напрямую связана с цифровой экономикой. Можно прогнозировать расширение государственных инвестиций в смежные области: коммуникационную инфраструктуру (чтобы быстрый интернет был даже в отдаленных уголках – условие для ДБО), поддержку отечественных решений (в условиях импортозамещения, вероятно, будет упор на российские платформы AI-облачных вычислений, отечественные фреймворки машинного обучения). Для банков это и возможность (гранты, пилотные проекты вместе с государством), и ответственность – нужно быть готовыми соответствовать госстандартам. Вероятно, будут стимулироваться проекты ИИ в сфере финансовой доступности: например, сервисы для сельского населения, где нет банков, но есть связь, или специальные приложения для пожилых с упрощенным интерфейсом и голосо-

  • вым управлением. Перспективными кажутся и коллаборации между банками и финтех-стартапами: крупные банки могут выступать наставниками и инвесторами для молодых компаний, разрабатывающих узкоспециализированные AI-модели (например, для скоринга самозанятых, или для выявления мошенничества в криптовалютах). Такая кооперация ускорит внедрение инноваций.

успешного обучения моделей. Следовательно, инвестиции в Data Governance (управление данными) окупятся повышением эффективности ИИ.

Законодательно в перспективе следует принять рамочный закон об обращении ИИ (по аналогии с законом о персональных данных), который определил бы понятия, уровни риска AI-систем, ответственность за их применение. До появления такового - расширить существующие финансовые законы особыми нормами: например, внести поправки в закон о банках, обязывающие банки рассматривать жалобы на решения, принятые автоматизированно (чтобы клиент имел право потребовать пересмотра с участием человека). Роскомнадзор и органы, ответственные за данные, должны обеспечить строгий контроль ЕБС и прочих биометрических систем, ведь от этого напрямую зависит доверие к дистанционным услугам. Возможно, стоит усилить лицензирование деятельности по разработке и внедрению высокорисковых алгоритмов в финансах, чтобы на этом рынке работали только проверенные компании с соблюдением ГОСТ по защите информации. Важно также международное сотрудничество: обмен опытом регулирования с ЕС, странами Азии, где крупные банки (например, Сингапурский DBS) уже формируют внутренние «этические комитеты» по ИИ и получают регуляторные сандбоксы для экспериментов. Россия должна быть в русле мировой повестки AI Governance, чтобы отечественные банки не оказались в изоляции с устаревшими подходами.

+ аналитик), которые будут быстро прототипировать новые AI-идеи и тестировать на ограниченных выборках клиентов (под контролем), чтобы затем масштабировать удачные находки. Такой agile-подход ускорит развитие ДБО.

Также можно ожидать развития голосовых интерфейсов: прогресс распознавания речи позволит клиенту в диалоге с банком (через смартфон или умную колонку) получать все те же услуги, что и при ручном вводе – вплоть до сложных, вроде оформления кредита, где ИИ сам заполнит за клиента анкету по ответам. Перспективна связка с концепцией Open Banking (открытого банкинга) – когда по согласованию клиента ИИ мог бы собирать данные из разных банков и финансовых сервисов, чтобы давать ему сводную картину. Например, ассистент видит, что в одном банке на счете низкий процент, а в другом есть продукт лучше – и автоматически переносит средства (разумеется, с разрешения клиента). Такие экосистемные сервисы станут возможными с развитием API и открытых данных. Российские банки уже движутся к экосистемам (Сбер, ВТБ, Альфа активно внедряют нефинансовые услуги в свои приложения) – ИИ поможет персонализировать эти экосистемы под каждого пользователя.

Подводя черту, отмечаем: перспективы развития ИИ в ДБО огромны , но их реализация требует продуманных действий. Выиграют те участники рынка, кто уже сегодня инвестирует в будущее, не дожидаясь, пока конкуренты захватят технологическое лидерство. Рекомендации, приведенные выше, призваны помочь плавно интегрировать искусственный интеллект в банковские процессы, сохраняя ориентир на главную цель - улучшение качества и доступности финансовых услуг для населения и бизнеса. При ответственном подходе ИИ станет не угрозой, а незаменимым помощником, делающим дистанционное банковское обслуживание более удобным, безопасным и эффективным.

Заключение. Раскрывая тему внедрения искусственного интеллекта в дистанционное банковское обслуживание, мы проследили эволюцию банковских инноваций от ранних систем ДБО до современных AI-решений. Проведенный анализ позволяет сделать ряд обобщающих выводов.

Во-первых, цифровизация банковского обслуживания в России достигла уровня, когда подавляющая часть клиентов пользуется удаленными каналами, и дальнейшее совершенствование возможно главным образом за счет внедрения интеллектуальных технологий. Искусственный интеллект выступает естественным следующим шагом развития ДБО, обеспечивая автоматизацию и персонализацию на новом качественном уровне. Уже сегодня примеры российских банков демонстрируют ощутимые результаты: ускорение операций в десятки раз, существенное повышение удовлетворенности клиентов, экономия ресурсов и эффективная борьба с мошенничеством.

Во-вторых, преимущества ИИ (скорость, удобство, эффективность, безопасность) сопряжены с новыми рисками. Технологические, кибербезопасностные, правовые и социальные аспекты внедрения ИИ требуют при- стального внимания. Необходим комплекс мер - от совершенствования законодательства и стандартов до обучения кадров и пользователей - чтобы интеграция ИИ происходила ответственно и прозрачно.

В-третьих, российский опыт внедрения ИИ в банковской сфере подтверждает мировые тенденции: финансовый сектор находится в авангарде использования AI-технологий. Отрасль обладает достаточным потенциалом данных, ресурсов и экспертизы, чтобы быть полигоном для инноваций. В опросах свыше 60% россиян выразили уверенность, что банки с ИИ-роботами станут реальностью в ближайшие десятилетия, и эта перспектива уже реализуется. Тем не менее, человеческий фактор остается важнейшим - как в лице клиентов, которые решают доверять или нет, так и в лице сотрудников, чье сотрудничество с ИИ определит успех трансформации. Поэтому наиболее успешной моделью видится симбиоз человека и машины, где сильные стороны каждого дополняют друг друга.

Наконец, перспектива на ближайшие годы - это дальнейшее распространение ИИ в повседневных банковских сервисах. Будущее ДБО может включать полностью автоматизированные процессы, управляемые умными алгоритмами, которые незаметно интегрированы во все точки контакта клиента с банком. Если реализация пойдет по оптимистичному сценарию, то клиент будет получать более качественное, быстрое и персонализированное обслуживание, часто даже не подозревая, что за этим стоит искусственный интеллект. Банки, в свою очередь, укрепят финансовую устойчивость и инновационный имидж. Однако, движение к этому будущему должно сопровождаться ответственностью: соблюдением прав клиентов, обеспечением киберустойчивости и заботой о работниках.

Подводя итог, можно утверждать, что внедрение ИИ в дистанционное банковское обслуживание в России имеет высокую актуальность и значительный позитивный эффект, при условии разумного управления возникающими рисками. Эта тема находится на стыке технологий, экономики и права, и требует междисциплинарного подхода, который мы постарались реализовать в данной работе. Результаты исследования могут быть использованы банковскими менеджерами при плани- ровании цифровой стратегии, регуляторами – при разработке нормативных актов, преподавателями – для иллюстрации современных тенденций студентам экономических и ИТ-специальностей. В заключение отметим, что процесс интеграции ИИ в банковскую дея- тельность продолжается и ускоряется – а значит, и наука, и практика должны неотступно следовать за прогрессом, обеспечивая его максимальную пользу для общества и экономики.

Статья научная