Банкир объяснил, почему ИИ-ассистенты не должны быть универсальными

И для чего нужны AI‑driven улучшения и чанкинг.

На конференции IT Ось 2026 директор по внедрению ИИ и эффективности процессов ОТП Банка Дмитрий Маркосьянц заявил, что широкие универсальные ассистенты плохо масштабируются и не дают стабильного бизнес‑эффекта.

По его словам, реальные результаты приносят не разовые пилоты, а системный подход к разработке и тиражированию узких ролевых агентов.

Маркосьянц объяснил, что иллюзия «внедрил — и забыл» опасна для бизнеса: универсальный ассистент, пытающийся охватить весь корпоративный контекст, быстро сталкивается с проблемой контроля качества. Вместо этого в ОТП Банке применяют принцип «чанкинга» — дробление сложных процессов на узкие воспроизводимые блоки, которые затем автоматизируются агентами с чётко определённой ролью.

«Попытка построить универсального ассистента, который удержит в контексте весь корпоративный ландшафт, приводит к сложностям: широкий контекст трудно контролировать, качество страдает, — отметил Дмитрий Маркосьянц. — Когда вы сужаете задачу и строите узких ролевых агентов, вы сразу получаете лучшее качество и предсказуемый результат».

Эксперт выделил три домена, где генеративный ИИ может дать ощутимый бизнес‑эффект. Во‑первых, люди: ассистенты и копилоты повышают индивидуальную продуктивность сотрудников. Во‑вторых, процессы: агенты закрывают ручные разрывы, автоматизируют исключения и обрабатывают неструктурированные данные. И, наконец, рост: большие языковые модели позволяют анализировать все точки касания с клиентом и переводить эти знания в продажи и удержание клиентов.

Маркосьянц обратил внимание, что операционный домен остаётся наиболее зрелым и быстрым способом получения экономии: здесь много задач, до которых не доходят руки IT, высок процент исключений и большой объём неструктурированных текстов. Языковые модели, по его словам, хорошо справляются с недетерминированностью и дают прозрачный, быстро измеримый эффект за счёт повышения скорости сервиса и качества клиентского опыта.

Например, ОТП Банк оценивает экономический эффект комплексно и в банке не полагаются на универсальные формулы ROI — оценка ведётся через сочетание количественных и качественных метрик: рост производительности, снижение операционных рисков и улучшение клиентского опыта.

В заключение спикер подчеркнул, что успешная масштабируемая модель требует не столько дорогих технологий, сколько организационной способности к постоянному воспроизводству улучшений: «Эффект извлекают те, кто обернул ИИ в системную самовоспроизводимую способность организации создавать новые AI‑driven улучшения».