ВТБ — LLM-помощник для сотрудников отделений (RAG/LLM, платформа «Сфера»)
Описание проекта
В ноябре 2025 года ВТБ запустил ИИ-помощника для менеджеров в отделениях банка. Система работает на основе технологий RAG и LLM: анализирует запросы сотрудников в свободной форме, извлекает актуальные данные из банковских баз знаний и предоставляет ответ со ссылками на источники за секунды. До конца 2025 года к системе должны были подключиться более 12 000 сотрудников в более чем 1800 отделениях. Проект развивается в рамках семейства цифровых помощников ВТБ на платформе «Сфера».
Задача
Менеджеры отделений ВТБ должны удерживать в голове огромный объём информации о продуктах, тарифах, регламентах. При обслуживании клиента любой поиск нужных данных занимал несколько минут и требовал переключения между системами, что снижало скорость сервиса и создавало очереди.
Цели внедрения
-
Ускорить обслуживание клиентов в отделениях
-
Снизить нагрузку на сотрудников при поиске информации о продуктах
-
Сократить время ожидания клиентов
-
Масштабировать качественное обслуживание на всю сеть отделений
Результаты
-
Финансы
-
Ожидаемый экономический эффект к концу 2025 года — 75 млн рублей (по данным внутренней презентации ВТБ) Время
-
Сокращение времени поиска информации — в 10 раз (ожидаемый результат)
-
Очереди в отделениях должны снизиться в 1,5 раза Качество и эффективность
-
Более 90% ответов обрабатываются ИИ-помощником без подключения консультантов-методологов
-
Ожидаемая точность ответов модели — 90%
-
Ожидаемая удовлетворённость сотрудников ответами — 95%
-
Планируемая автоматизация чат-бота — 90%
-
Чат-бот понимает смысл запроса и находит ответ даже при неточной формулировке Нагрузка и масштаб
-
Целевой охват: 12 000+ сотрудников в 1 800+ отделениях до конца 2025 года Надёжность
-
Данные извлекаются только из актуальных баз знаний с указанием ссылки на источник — снижение риска устаревших ответов Импортозамещение и compliance
-
Реализован на российской платформе «Сфера» (Т1)
-
Используются российские LLM-модели
-
Все данные — в периметре банка Качественный эффект: Менеджеры отделений перестают удерживать в памяти десятки условий продуктов — ИИ-помощник мгновенно находит нужный ответ. Это позволяет сотрудникам уделять больше времени качеству общения с клиентом.