«Второй пилот»: как ИИ усиливает компетенции премиального финансового менеджера
В wealth management одновременно растет спрос на человеческую экспертизу и дефицит специалистов, способных ее предоставлять. Искусственный интеллект может увеличить производительность одного специалиста, но чем сложнее финансовая ситуация клиента и выше цена ошибки, тем важнее не скорость обработки информации, а способность банкира разобраться в ней и принять ответственное решение.
McKinsey прогнозирует, что к 2034 году американскому wealth management может не хватать 90 000–110 000 консультантов. При этом спрос на человеческую финансовую экспертизу растет: так, например, только в области инвестиций и управления активами (Asset Management) доля инвесторов, которые хотят получать более комплексные консультации увеличилась с 29% в 2018 году до 52% в 2023-м. Получается парадоксальная ситуация: клиентов, которым нужен совет специалиста, становится больше, а самих консультантов может оказаться недостаточно.
Один из ответов индустрии — повышение производительности уже работающих специалистов. По оценке McKinsey, генеративный ИИ способен сэкономить консультантам 6–12% рабочего времени за счет подготовки к встречам, анализа портфелей, составления финансовых планов и предложений, а также последующей фиксации договоренностей. То есть речь идет не о замене человека, а о том, чтобы один специалист мог качественно вести больше клиентов и уделять больше времени задачам, где действительно требуется его участие.
Для premium- и private banking это особенно важно. Состоятельному клиенту нужен не просто доступ к финансовому продукту, а человек, который знает историю его отношений с банком, понимает интересы семьи и бизнеса, видит связи между активами и способен предложить решение с учетом всего контекста. Поэтому вопрос сегодня стоит не в том, сможет ли ИИ заменить персонального банкира, а в том, насколько сильнее станет специалист, который научится работать вместе с технологией.
В розничном банковском обслуживании технологии давно берут на себя значительную часть стандартных операций: клиент самостоятельно открывает продукты, совершает переводы, получает документы и решает типовые вопросы в приложении.
В работе с состоятельными клиентами такой подход имеет ограничения. Чем сложнее запрос клиента, тем больше информации приходится учитывать перед каждым содержательным разговором. Менеджеру нужно восстановить историю общения, проверить изменения в структуре продуктов и активов, вспомнить незакрытые договоренности, посмотреть на происходящее с учетом текущих рыночных событий и только после этого сформировать повестку встречи.
ИИ здесь полезен прежде всего как «второй пилот»: он собирает разрозненные сведения, выделяет важные изменения и помогает подготовиться к разговору, тогда как решение и ответственность остаются у специалиста.
Такой подход уже используют крупнейшие международные банки. UBS с помощью собственной системы STAAT Insights анализирует внутренние и внешние сигналы и формирует для консультантов краткие сводки перед встречами; почти 90% команд советников в США используют платформу, которая, по данным банка, экономит около 1200 часов подготовки в неделю. Morgan Stanley применяет AI Debrief для записи и резюмирования встреч, подготовки дальнейших действий и черновиков сообщений клиенту.
Общий принцип здесь один: ИИ остается за кулисами клиентских отношений. Он анализирует и структурирует информацию, но именно человек решает, что из нее действительно важно для конкретного клиента.
В МТС Банке один из наиболее ценных сценариев применения ИИ будет связан именно с подготовкой менеджера к контакту. Раньше значительная часть этой работы строилась вокруг ручного поиска: менеджер открывал разные системы, восстанавливал историю коммуникаций, сопоставлял сведения и самостоятельно собирал общую картину. Теперь ИИ будет помогать структурировать доступный клиентский контекст еще до начала разговора, поэтому сотрудник быстрее увидит ключевые изменения и сможет заранее сформировать содержательную повестку.
Освободившееся время имеет смысл не заполнять новыми административными задачами, а отдавать самому разговору. При этом подготовленная системой информация не превращается автоматически в предложение клиенту: менеджер проверяет выводы, оценивает их уместность и учитывает обстоятельства, которых алгоритм может не знать.
Например, изменение структуры ликвидности может указывать на инвестиционную возможность, а может быть связано с покупкой недвижимости, развитием бизнеса или семейными обстоятельствами. Алгоритм способен заметить изменение, но понять его значение без разговора с клиентом невозможно. Поэтому ИИ не сокращает количество вопросов, а помогает сделать их точнее и заранее подготовиться к возможным ответам.
Для premium banking использование ИИ особенно важно при работе с большой клиентской базой. Здесь технология помогает сохранить персональный подход в масштабе: вовремя обратить внимание менеджера на изменение, напомнить историю отношений и подсказать тему, с которой уместно обратиться к клиенту.
В private banking масштаб другой. В финансовой ситуации могут одновременно участвовать семейный капитал, несколько бизнесов, активы в разных юрисдикциях, налоговое и наследственное планирование, а также внешние юристы, налоговые консультанты и инвестиционные советники. Здесь технология прежде всего помогает удерживать связи между отдельными элементами ситуации и не терять целостную картину.
При этом чем сложнее задача и выше цена ошибки, тем меньше пространства остается для самостоятельных действий алгоритма. Банкир должен уметь поставить ИИ правильную задачу, проверить результат и заметить момент, когда формально убедительный вывод расходится с реальностью.
«Чем больше данных используется для персонализации, тем острее становится вопрос доверия. Состоятельный клиент ожидает, что банк будет помнить его контекст, но между внимательным сервисом и ощущением цифрового наблюдения проходит тонкая граница»
Поэтому ИИ в банковской работе должен действовать внутри четких ограничений. Система может использовать только те данные, которые банк имеет право обрабатывать, конфиденциальная информация должна оставаться в защищенном контуре, а сотрудник обязан иметь возможность проверить вывод алгоритма. При сложных финансовых решениях и значимых жизненных обстоятельствах у клиента должна сохраняться возможность обратиться непосредственно к человеку.
В ближайшие годы цифровой «второй пилот», вероятно, станет обычным рабочим инструментом премиального менеджера. При этом клиенту вряд ли будет интересно, сколько моделей ИИ работает внутри банка. Ему важно, чтобы менеджер помнил предыдущий разговор, не заставлял повторять уже известную информацию, вовремя замечал проблему и мог объяснить, почему предлагает именно такое решение.
Поэтому в конкурентной борьбе выиграет тот банк, кто встроит технологию в работу настолько хорошо, что клиент почти не будет ее замечать. За счет этого банк сможет дать менеджеру больше времени на сложные разговоры, увеличить число клиентов, которых он способен качественно обслуживать, и при этом не потерять главное преимущество wealth management — доверие к человеку, который отвечает за совет.
ИИ в этой модели не конкурирует с банкиром за место рядом с клиентом. Он остается по другую сторону процесса и берет на себя ту часть работы, где скорость обработки информации важнее человеческого суждения. Чем лучше банк разделит эти две зоны ответственности, тем сильнее станет его менеджер — и тем более ценным для клиента окажется его участие.
Этот материал опубликован на платформе бизнес-сообщества Forbes Экспертиза
McKinsey прогнозирует, что к 2034 году американскому wealth management может не хватать 90 000–110 000 консультантов. При этом спрос на человеческую финансовую экспертизу растет: так, например, только в области инвестиций и управления активами (Asset Management) доля инвесторов, которые хотят получать более комплексные консультации увеличилась с 29% в 2018 году до 52% в 2023-м. Получается парадоксальная ситуация: клиентов, которым нужен совет специалиста, становится больше, а самих консультантов может оказаться недостаточно.
Один из ответов индустрии — повышение производительности уже работающих специалистов. По оценке McKinsey, генеративный ИИ способен сэкономить консультантам 6–12% рабочего времени за счет подготовки к встречам, анализа портфелей, составления финансовых планов и предложений, а также последующей фиксации договоренностей. То есть речь идет не о замене человека, а о том, чтобы один специалист мог качественно вести больше клиентов и уделять больше времени задачам, где действительно требуется его участие.
Для premium- и private banking это особенно важно. Состоятельному клиенту нужен не просто доступ к финансовому продукту, а человек, который знает историю его отношений с банком, понимает интересы семьи и бизнеса, видит связи между активами и способен предложить решение с учетом всего контекста. Поэтому вопрос сегодня стоит не в том, сможет ли ИИ заменить персонального банкира, а в том, насколько сильнее станет специалист, который научится работать вместе с технологией.
Когда банкиру нужен «второй пилот»
В розничном банковском обслуживании технологии давно берут на себя значительную часть стандартных операций: клиент самостоятельно открывает продукты, совершает переводы, получает документы и решает типовые вопросы в приложении.
В работе с состоятельными клиентами такой подход имеет ограничения. Чем сложнее запрос клиента, тем больше информации приходится учитывать перед каждым содержательным разговором. Менеджеру нужно восстановить историю общения, проверить изменения в структуре продуктов и активов, вспомнить незакрытые договоренности, посмотреть на происходящее с учетом текущих рыночных событий и только после этого сформировать повестку встречи.
ИИ здесь полезен прежде всего как «второй пилот»: он собирает разрозненные сведения, выделяет важные изменения и помогает подготовиться к разговору, тогда как решение и ответственность остаются у специалиста.
Такой подход уже используют крупнейшие международные банки. UBS с помощью собственной системы STAAT Insights анализирует внутренние и внешние сигналы и формирует для консультантов краткие сводки перед встречами; почти 90% команд советников в США используют платформу, которая, по данным банка, экономит около 1200 часов подготовки в неделю. Morgan Stanley применяет AI Debrief для записи и резюмирования встреч, подготовки дальнейших действий и черновиков сообщений клиенту.
Общий принцип здесь один: ИИ остается за кулисами клиентских отношений. Он анализирует и структурирует информацию, но именно человек решает, что из нее действительно важно для конкретного клиента.
Что происходит до встречи с клиентом
В МТС Банке один из наиболее ценных сценариев применения ИИ будет связан именно с подготовкой менеджера к контакту. Раньше значительная часть этой работы строилась вокруг ручного поиска: менеджер открывал разные системы, восстанавливал историю коммуникаций, сопоставлял сведения и самостоятельно собирал общую картину. Теперь ИИ будет помогать структурировать доступный клиентский контекст еще до начала разговора, поэтому сотрудник быстрее увидит ключевые изменения и сможет заранее сформировать содержательную повестку.
Освободившееся время имеет смысл не заполнять новыми административными задачами, а отдавать самому разговору. При этом подготовленная системой информация не превращается автоматически в предложение клиенту: менеджер проверяет выводы, оценивает их уместность и учитывает обстоятельства, которых алгоритм может не знать.
Например, изменение структуры ликвидности может указывать на инвестиционную возможность, а может быть связано с покупкой недвижимости, развитием бизнеса или семейными обстоятельствами. Алгоритм способен заметить изменение, но понять его значение без разговора с клиентом невозможно. Поэтому ИИ не сокращает количество вопросов, а помогает сделать их точнее и заранее подготовиться к возможным ответам.
Где заканчивается полезная персонализация
Для premium banking использование ИИ особенно важно при работе с большой клиентской базой. Здесь технология помогает сохранить персональный подход в масштабе: вовремя обратить внимание менеджера на изменение, напомнить историю отношений и подсказать тему, с которой уместно обратиться к клиенту.
В private banking масштаб другой. В финансовой ситуации могут одновременно участвовать семейный капитал, несколько бизнесов, активы в разных юрисдикциях, налоговое и наследственное планирование, а также внешние юристы, налоговые консультанты и инвестиционные советники. Здесь технология прежде всего помогает удерживать связи между отдельными элементами ситуации и не терять целостную картину.
При этом чем сложнее задача и выше цена ошибки, тем меньше пространства остается для самостоятельных действий алгоритма. Банкир должен уметь поставить ИИ правильную задачу, проверить результат и заметить момент, когда формально убедительный вывод расходится с реальностью.
«Чем больше данных используется для персонализации, тем острее становится вопрос доверия. Состоятельный клиент ожидает, что банк будет помнить его контекст, но между внимательным сервисом и ощущением цифрового наблюдения проходит тонкая граница»
Поэтому ИИ в банковской работе должен действовать внутри четких ограничений. Система может использовать только те данные, которые банк имеет право обрабатывать, конфиденциальная информация должна оставаться в защищенном контуре, а сотрудник обязан иметь возможность проверить вывод алгоритма. При сложных финансовых решениях и значимых жизненных обстоятельствах у клиента должна сохраняться возможность обратиться непосредственно к человеку.
Выиграет тот, кто сделает ИИ незаметным
В ближайшие годы цифровой «второй пилот», вероятно, станет обычным рабочим инструментом премиального менеджера. При этом клиенту вряд ли будет интересно, сколько моделей ИИ работает внутри банка. Ему важно, чтобы менеджер помнил предыдущий разговор, не заставлял повторять уже известную информацию, вовремя замечал проблему и мог объяснить, почему предлагает именно такое решение.
Поэтому в конкурентной борьбе выиграет тот банк, кто встроит технологию в работу настолько хорошо, что клиент почти не будет ее замечать. За счет этого банк сможет дать менеджеру больше времени на сложные разговоры, увеличить число клиентов, которых он способен качественно обслуживать, и при этом не потерять главное преимущество wealth management — доверие к человеку, который отвечает за совет.
ИИ в этой модели не конкурирует с банкиром за место рядом с клиентом. Он остается по другую сторону процесса и берет на себя ту часть работы, где скорость обработки информации важнее человеческого суждения. Чем лучше банк разделит эти две зоны ответственности, тем сильнее станет его менеджер — и тем более ценным для клиента окажется его участие.