В ВТБ создали интеллектуальную экосистему управления просроченной задолженностью, где 100% решений о выборе инструментов и стратегий принимаются на основе AI/ML-моделей. Банк радикально изменил парадигму процесса: планируется переход от реактивной работы к проактивному финансовому оздоровлению. Целью становится максимизация ценности клиента на всем жизненном пути и улучшение финансового результата банка через переход к полностью автоматизированному, 100% data-driven циклу принятия решений и внедрение гибких персональных стратегий на основании AI/ML вместо линейных стратегий урегулирования. О реализации проекта рассказывает Константин Ипатьев, начальник управления аналитики урегулирования и партнерских программ департамента финансового урегулирования ВТБ и номинант на премию Data Award.

- Какие причины привели ВТБ к реализации этого проекта?

В современных реалиях классические методы работы с урегулированием задолженности – массовые обзвоны, стандартные скрипты – теряют эффективность. У клиентов появились ИИ-автоответчики, происходит ужесточение законодательства. Учитывая масштабы бизнеса (более 1,6 млн клиентов в год) и наличие более 30 инструментов урегулирования, использование простых алгоритмов приводит к операционным ошибкам и упущенной выгоде. Банку важно балансировать между возвратом средств и сохранением долгосрочных отношений с клиентом, минимизируя риск окончательного дефолта через раннее обнаружение проблем.

- Какие подходы были выбраны?

При разработке решений рассматривались самые передовые подходы – это касается как вероятностных моделей, так и платформенной части (и фронтенд, и бэкенд).

- Какие требования предъявлялись к создаваемому решению?

Использование только 100% импортозамещенных компонентов и технологий, омниканальность и ряд других функциональных и нефункциональных требований.

- Что представляет собой созданное решение?

Архитектура решения включает три уровня моделей. Первые из них – портфельные модели (Next Best Action). Ансамбль алгоритмов (Boosting, Bootstrap aggregating, LR-модели) оценивает вероятные платежи в различных сценариях и выбирает оптимальный следующий шаг – СМС, голосовое сообщение, звонок оператора, реструктуризация или судебный иск. Второй вид – операционные модели. Они повышают эффективность конкретных инструментов, включая выбор времени звонка и оптимизацию выездных мероприятий.

Третий вид – LLM и ИИ-агенты. Они применяют большие языковые модели для автоматизации речевой аналитики: анализа токсичности и рисков жалоб, работы ИИ-ассистентов для сопровождения переговоров на всех стадиях и генерации ИИ-документов.

- Какие данные применяются?

Система базируется на глубоком анализе больших данных, учитывающем более 1 тыс. атрибутов профиля клиента и продукта: транзакционную активность, платежную дисциплину, историю прошлых коммуникаций, социально-демографический профиль, внешние триггеры и иные параметры.

- Какими результатами можно похвастаться?

Внедрение системы с использованием end-to-end процесса разработки и регулярного A/B-тестирования гипотез принесло значимые результаты. Экономический эффект более чем очевиден: подтвержденный прирост финансового результата составил 2,3 млрд руб. При этом растет лояльность клиентов – уровень удовлетворенности взаимодействием с банком вырос на 50%.

Более 98% первичных контактов и около 70% всех звонков в портфеле осуществляются роботом-оператором. По итогам более 1,5 млн клиентов смогли урегулировать свою задолженность и сохранить отношения с банком.

- В чем роль проекта для бизнеса ВТБ?

Мы трансформировали взаимодействие с клиентом в бесшовный омниканальный процесс. Система автоматически распределяет нагрузку между стандартными каналами (СМС, оператор, письма) и новыми цифровыми точками: ВТБ Онлайн, банкоматами и мессенджерами. Именно это позволило достичь 98% доли робота на первых звонках, обеспечив высокую производительность без потери качества коммуникации. Но самое главное – повышение эффективности урегулирования и снижения финальных потерь в процессах кредитования, сохранения клиентов активными для банка.

- А насколько велико влияние на рынок?

Проект радикально меняет имидж урегулирования просроченной задолженности, превращая его в инструмент социальной поддержки и финансового оздоровления граждан.

Можно выделить несколько важных эффектов, и первый из них – предотвращение личных финансовых катастроф. Модель определения предбанкротного состояния анализирует более 1 тыс. поведенческих факторов и выявляет клиентов в зоне риска задолго до наступления дефолта. Это позволяет банку проактивно предлагать меры поддержки: реструктуризацию, кредитные каникулы или индивидуальные графики выплат. Как результат, более 4 тыс. клиентов сохранили свое имущество, кредитную историю и социальный статус.

Второй важный момент – борьба с рынком «раздолжнителей». Система информирует клиентов о безопасных и бесплатных способах урегулирования задолженности непосредственно внутри банка. Это защищает пользователей от мошеннических схем, которые обещают списание кредитов за вознаграждение, но фактически лишь ухудшают положение заемщика.

Наконец, финансовая инклюзивность: благодаря ИИ-моделям клиенты, столкнувшиеся с временными трудностями, не исключаются из финансовой системы навсегда, а получают дорожную карту для восстановления своей платежеспособности.

- А что может почерпнуть из этого отрасль?

Мы формируем стандарт Ethical Collection. Мы доказали, что переход на 100% data-driven принятие решений в урегулировании – это не просто способ сокращения издержек, а единственный путь к созданию гуманного и прозрачного рынка. Разработанная система управления эффективностью через дерево метрик и процесс разработки гипотез предлагает отрасли готовую методологию масштабирования ИИ-решений на огромные портфели.

Происходит и трансформация профессии – проект меняет профиль сотрудника в отрасли. Благодаря автоматизации 98% рутинных звонков роль человека смещается в сторону финансового консультирования и решения сложнейших кейсов, при этом ИИ выступает ассистентом, а не заменой.

- В каком направлении будет развиваться проект?

Основные направления развития нашего решения – дальнейшее улучшение качества принимаемых решений, в том числе, путем внедрения новых и совершенствования существующих технологий. Еще одно направление, которое мы развиваем – это коммерциализация наших инновационных решений на финансовом рынке (диффузия инноваций).