AI-ассистенты в банковской поддержке: кто справляется сам, а кто теряет клиентов

Ключевые числа

Боты решают лишь каждый четвёртый запрос без участия оператора. В каждом третьем случае уходят в тупик, не предложив ни ответа, ни альтернативы. Разрыв между оценкой бота (6,1/10) и оценкой живого специалиста (9,1/10) не сокращается — пользователи принимают бота как круглосуточный справочник, но не как инструмент решения реальных задач.

• 10 российских банков
• 230 сессий аудита, 23 сценария
• Международный бенчмарк 11 продуктов (США, Европа, Азия)
• Опрос 100 пользователей

Главные выводы

Бот справляется сам — у каждого банка своя ниша

ВТБ, Т-Банк и СберБанк закрывают 10 из 23 сценариев каждый. Газпромбанк и ПСБ — лишь 2 из 23. При этом богатый UI не гарантирует результат: Газпромбанк — лидер поиска (6/9 верных запросов) и антилидер чата (17 тупиков из 23). Компоненты явно разработаны разными командами.

Антифишинг — системный провал, требующий немедленного патча

8 из 10 банков уходят в тупик при сценарии «мошеннический звонок». Т-Банк и Совкомбанк дали прямую инструкцию по переводу — содействуя схеме социальной инженерии. Только ВТБ распознал угрозу и вывел явное предупреждение. Это не UX-проблема — это регуляторный и репутационный риск: патч вне очереди продуктового цикла.

Контекст теряется — 9 из 10 банков начинают с нуля при каждом вопросе

Тест follow-up: «Какая комиссия за снятие в чужом банкомате?» → «А за границей?». Только Совкомбанк понял уточнение без повтора. В 43% переходов к оператору пользователь вынужден объяснять ситуацию заново — контекст диалога с ботом не передаётся.

Содержание

I	Рынок AI-поддержки: точка перелома и что изменили Klarna, Wells Fargo, EU AI Act
II	Международный бенчмарк: 11 продуктов из США, Европы и Азии
III	Российский бенчмарк: матрица 10 банков × 23 сценария
IV	Методология аудита: параметры оценки и условия тестирования
V	Детальные результаты: чат, поиск, агентные действия, память
VI	Антифишинговый сценарий: критический разбор
VII	Рекомендации: горизонты NOW / SOON / LATER

Фрагмент из отчёта

Что не работает в «умных» ботах

Персонализация — главная боль по данным опроса 100 респондентов, опережающая «не понимает вопрос» (68%), «объяснять всё заново при переходе к оператору» (43%) и «долго скрывает, что не поможет» (38%). Большинство банков выдают общие лимиты вместо персонального остатка и путают категории расходов с категориями кэшбэка.

Агентные действия технически достижимы: перевод в диалоге (ВТБ), управление пуш-уведомлениями (Т-Банк, СберБанк), смена ПИН через форму в чате (5 банков). Но ни один банк не решил «Сделай основным для СБП» агентным способом — лучший результат — инструкция с диплинком.

Полный отчёт

Включает детальную матрицу результатов по 23 сценариям и 10 банкам, сравнительный бенчмарк 11 международных продуктов, разбор антифишингового сценария и приоритизированные рекомендации по горизонтам.