У банковского PFM была странная судьба. Почти каждый банк делал категории расходов, лимиты и красивые диаграммы. Клиент открывал их пару раз, видел знакомую картину — «ну да, опять кафе и такси» — и закрывал. Экран довольно точно объяснял прошлое, но почти не помогал принять следующее решение.
Finn у bunq показывает, зачем здесь вообще нужен разговор. Пользователю не приходится искать нужную категорию или период: он задаёт вопрос своими словами. По данным самого bunq, вопрос о расходах на продукты стал для Finn самым частым. Это пока не финансовый совет, но уже более естественный способ добраться до собственных данных.
Erica у Bank of America устроена иначе. Она работает с 2018 года, накопила более 3,6 миллиарда взаимодействий и сейчас обслуживает свыше 200 миллионов обращений за квартал. Помимо поиска операций, Erica показывает персональные подсказки — например, как может измениться баланс в ближайшие семь дней. Здесь интересен не столько разговорный интерфейс, сколько масштаб повседневного использования.
Cora+ у NatWest — ещё один отдельный случай. Это прежде всего клиентская поддержка для более сложных вопросов: генеративный ИИ помогает отвечать естественнее и ведёт пользователя к нужной информации. Называть Cora, Erica и Finn тремя ступенями одного «ИИ-советника» было бы слишком удобно. У них разные задачи.
Настоящий советник начинается со следующего вопроса: «Могу ли я позволить себе поездку?»
Остатка на счёте для ответа мало. Банку нужно отличить зарплату от перевода между своими счетами, учесть ипотеку, подписки и долг по кредитке, спросить даты и примерную стоимость поездки. Затем — показать расчёт и честно обозначить его границы: например, что ответ верен, если доходы и регулярные платежи не изменятся.
После этого должно произойти действие. Отложить нужную сумму, настроить правило накопления, изменить лимит или позвать сотрудника, если уверенного ответа нет. Если помощник только пересказывает выписку, это удобный поиск, но ещё не советник.
Самый неприятный вопрос здесь связан не с технологией. Банк зарабатывает на продаже продуктов, а клиент ждёт, что совет будет дан в его интересах. Если разговор о поездке немедленно заканчивается предложением кредита, пользователь быстро поймёт, кто перед ним: советник или продавец.
В модели Smart Banking AI от BCG чат — лишь видимая часть более крупной системы. Под ним находятся данные, продуктовые правила, контроль рисков и передача работы сотруднику. В корпоративной схеме это выглядит сложно, но смысл простой: бот должен не только убедительно говорить. Ему нужны разрешение действовать, обязанность объяснять расчёт и возможность признать, что он не уверен.
Я бы проверял такого советника одним вопросом: после двух минут разговора человек действительно может принять решение и понять, откуда взялась рекомендация?
Если нет, перед нами всё та же круговая диаграмма. Просто теперь она умеет печатать.