ВТБ — «Помощник ВТБ»: чат-бот с машинным обучением и LLM для клиентов

«Помощник ВТБ» — многоканальный чат-бот банка (веб-сайт, ВТБ Онлайн, Telegram, WhatsApp, VK, прелогин-зона) для розничных клиентов. В 2024 году в систему были интегрированы технологии ML, которые охватили 800 из 1800 тематик. Также внедрены LLM для автоматической разметки диалогов (45 000 сессий/день вместо 5 100 при ручном подходе). В мае 2024 года бот начал обрабатывать все обращения с использованием ИИ. К 2026 году планируется внедрение генеративного ИИ для формирования ответов на живом языке.

Огромный поток обращений клиентов (миллионы в месяц) требовал масштабируемого решения. Традиционные сценарные чат-боты не справлялись с многообразием и нестандартностью запросов, а операционные расходы на операторов были высоки.

• Снизить долю обращений, требующих участия оператора

• Повысить точность и скорость распознавания запросов

• Масштабировать обслуживание без роста штата операторов

• Внедрить LLM для разметки и последующей генерации ответов

• Финансы

• Годовая экономия за счёт автоматизации чат-бота оценивается в 3,5 млрд рублей (данные Аспирити на основе публичных показателей ВТБ) Время

• LLM-разметка диалогов: 45 000 сессий/день против 5 100 сессий/день при ручной разметке (рост в ~9 раз) Качество и эффективность

• Уровень автоматизации: 85% обращений без участия оператора (рост с 79,5% в марте 2024)

• Качество распознавания запросов: 76,1% — без переспросов и уточнений (рост с 69,8%)

• Бот понимает 2 вопроса в одном сообщении

• 1800 тематик в базе; 800 работают на ML-моделях Нагрузка и масштаб

• 4,5 млн клиентских диалогов/месяц

• 7 каналов обслуживания

• К 2026 году цель — 9 из 10 запросов решаются ИИ автономно Надёжность

• Удовлетворённость клиентов (CSAT): 93,6% (данные NBJ) Импортозамещение и compliance

• Платформа DialogOS — полностью российская разработка (Лаборатория Наносемантика)

• Все данные обрабатываются внутри периметра банка Качественный эффект: ВТБ активно использует LLM для автоматической разметки диалогов, что ускоряет обучение и совершенствование моделей. Переход к генеративному ИИ в ответах запланирован на 2025–2026 гг. и позволит обрабатывать нестандартные запросы без шаблонов.