Альфа-Банк: два направления развития ИИ — классический ML и генеративные модели, Дмитрий Рузанов
Дмитрий Рузанов, директор департамента разработки моделей Альфа-Банк. Форум Data Day 2026 «ИИ + Данные». Организатор — Издательский дом «Регламент».
Альфа-Банк пересмотрел подход к стратегии развития искусственного интеллекта и выделил два самостоятельных направления. Первое связано с развитием генеративного искусственного интеллекта, второе — с классическим машинным обучением. Такое разделение позволяет точнее определять задачи, выбирать подходящие технологии и оценивать ожидаемый финансовый эффект.
Классическое машинное обучение не теряет своей значимости на фоне повышенного интереса к генеративным моделям. В банковской отрасли существует множество задач, для решения которых традиционные ML-инструменты оказываются дешевле, проще и эффективнее. Поэтому чрезмерная концентрация только на генеративном ИИ может привести к неоправданным расходам и выбору слишком сложных решений там, где достаточно проверенных методов.
В направлении классического машинного обучения Альфа-Банк видит значительный потенциал для дальнейшего повышения эффективности. Одним из ключевых приоритетов является рост конкурентоспособности за счёт персонализации банковских предложений и интеллектуального ценообразования.
Банк развивает динамическое ценообразование по всей продуктовой линейке. Речь идёт о возможности гибко рассчитывать условия для различных категорий клиентов и продуктов, включая решения для физических лиц, индивидуальных предпринимателей и корпоративного бизнеса. Подход распространяется не только на массовые сегменты, но и на средний и более крупный бизнес.
Генеративный искусственный интеллект рассматривается прежде всего через призму практической применимости и окупаемости инвестиций. Сам факт внедрения генеративных моделей не гарантирует финансового результата: значительная часть проектов может не оправдать вложений. Поэтому критически важно заранее оценивать юнит-экономику, стоимость эксплуатации, масштабируемость решения и его конкретное влияние на бизнес-показатели.
Одно из основных направлений применения генеративного ИИ — операционализация банковского бизнеса. В эту область входят диалоговые системы, автоматизация работы колл-центров и развитие сервисов для внутренних и внешних клиентов. Цель заключается в том, чтобы автоматизировать рутинные процессы, ускорить обработку обращений и повысить доступность банковских услуг.
Второй важный фокус — создание интеллектуальных ассистентов для сотрудников и менеджеров банка. Такие инструменты могут помогать структурировать большие объёмы информации, готовиться к взаимодействию с клиентами и поддерживать ведение диалога в различных рабочих сценариях.
Ассистенты рассматриваются не как универсальная замена сотрудникам, а как когнитивный инструмент, повышающий качество и скорость работы. Их задача — предоставить сотруднику необходимую информацию, упростить анализ ситуации и помочь эффективнее выстраивать коммуникацию с клиентом.
В целом стратегия Альфа-Банка строится на сбалансированном сочетании двух подходов. Классический ML используется там, где он способен надёжно решать прикладные задачи и давать измеримый финансовый результат, а генеративный ИИ — там, где он обеспечивает дополнительную ценность в автоматизации, клиентском обслуживании и поддержке сотрудников.
