Поява доступних генеративних моделей штучного інтелекту, зокрема ChatGPT у 2022 році, започаткувала нову хвилю цифрової трансформації у банківському секторі. Банки по всьому світу розпочали експерименти з ГШІ, називаючи це «вибухом інновацій», що здатен кардинально розширити можливості галузі. 

Генеративний ШІ – це вид технологій на основі великих моделей (LLM), які можуть створювати контент: людську мову, код, зображення тощо. У фінансовій сфері ця технологія відкриває нові способи підвищення ефективності операцій, поліпшення обслуговування клієнтів та прийняття рішень на основі даних. 

В цьому огляді команда MIM:AGENCY розкрила основні напрями застосування генеративного ШІ у банківській сфері, приклади реальних впроваджень у США, ЄС та Україні, ключові вигоди, а також ризики, виклики й стан розвитку технології в українських банках. 

Основні напрями застосування ГШІ в банках

  • Обслуговування клієнтів і чат-боти. Генеративні чат-боти здатні вести діалог людською мовою, розуміючи контекст запитань і надаючи детальні персоналізовані відповіді. Наприклад, банк ING розробив чат-бот, який на пілотному етапі у 2023 році зміг автоматично розв’язувати на 20% більше запитів, зменшуючи потребу в очікуванні оператора.
  • Персоналізовані фінансові пропозиції. За допомогою LLM банки можуть глибше аналізувати дані про клієнтів та пропонувати індивідуальні продукти. Morgan Stanley запроваджує чатбот на базі GPT-4 для своїх фінансових радників, який шукає інформацію у величезній внутрішній бібліотеці досліджень банку. В Україні OTP Bank аналізує емоційний тон голосу клієнта під час дзвінка та формує індивідуальні пропозиції.
  • Автоматизація бізнес-процесів. Банк ABN AMRO пілотує використання ChatGPT для автоматичного сумаризування розмов між співробітником кол-центру і клієнтом. Goldman Sachs експериментує з кодовими генераторами на основі ШІ, які допомагають автоматизувати до 40% типових фрагментів коду.
  • Виявлення шахрайства. ГШІ здатен генерувати приклади шахрайських транзакцій для покращення тренування систем моніторингу. JPMorgan Chase використовує ChatGPT-подібний інструмент для аналізу е-мейлів співробітників на ознаки фінансових махінацій. Mastercard застосувала генеративний ШІ для пошуку компрометованих карт, що дозволило удвічі збільшити швидкість виявлення та різко знизити кількість помилкових спрацьовувань.
  • Кредитний скоринг. Моделі можуть генерувати зрозумілі пояснення відмови у кредиті для клієнтів, створювати синтетичні дані позичальників для тестування надійності скоринг-моделей та аналізувати нестандартну інформацію у процесі андеррайтингу.
  • Фінансовий аналіз та прогнозування. Компанія Bloomberg представила власну LLM BloombergGPT, яка перевершила загальні моделі у задачах фінансового аналізу та сентимент-аналізу ринкових повідомлень. Банки використовують ГШІ для прогнозування фінансових показників та генерації різних сценаріїв розвитку.

Ключова вигода

  • Підвищення продуктивності. SouthState Bank повідомив, що співробітники замінюють внутрішнім AI-ботом близько 50% пошукових запитів. Завдання, що раніше займали 12-15 хвилин, тепер виконуються за лічені секунди. Deloitte оцінює, що використання ГШІ може підвищити продуктивність фронт-офісу банків на 27–35% до 2026 року.
  • Покращення обслуговування клієнтів. Клієнти отримують більш розгорнуті й релевантні відповіді на свої питання цілодобово, що підвищує їх задоволеність сервісом.
  • Краща якість рішень. ШІ-моделі допомагають приймати більш обґрунтовані рішення, пропонуючи додаткові інсайти та синтезуючи величезні масиви знань.
  • Зниження операційних витрат. Широке впровадження AI може зменшити витрати банківського сектора на виконання окремих операцій на 20-25% за рахунок усунення дублювання і підвищення точності.

Основні ризики та виклики

  • Проблема “галюцинацій”. Генеративні моделі іноді можуть давати неправдиві або вигадані відповіді, надто впевнено їх подаючи. Імовірність того, що ШІ відповість “не знаю”, майже нульова – натомість він схильний щось вигадати і навіть згенерувати фейкові посилання.
  • Конфіденційність даних та кібербезпека. Використання сторонніх AI-сервісів потенційно небезпечне тим, що внутрішні дані можуть потрапити на зовнішні сервери. Багато банків, включаючи JPMorgan, тимчасово забороняли співробітникам користуватися ChatGPT на роботі.
  • Упередженість моделей. Генеративні моделі навчаються на історичних даних, які можуть містити приховані упередження. Є ризик, що AI-рішення у сфері кредитування можуть дискримінувати окремі групи.
  • Регуляторні обмеження. Багато нормативних актів не враховують нюансів використання AI. Європейський Союз готує до ухвалення Акт про ШІ, який вимагатиме забезпечувати пояснюваність AI-рішень, недискримінаційність та можливість зовнішнього аудиту моделей.
  • Технічні виклики. Великі моделі потребують потужних обчислювальних ресурсів, а також брак кадрів з потрібною експертизою є значною проблемою.

Стан впровадження в Україні

Український банківський сектор історично є доволі технологічно прогресивним – українські банки одними з перших у світі запровадили безконтактні платежі, онлайн-банкінг, цифрові документи. Тож не дивно, що і штучний інтелект вони почали освоювати досить рано. Ще до ери генеративного ШІ найбільші фінустанови України застосовували machine learning для задач скорингу, фінансового моніторингу, чат-ботів першого покоління. За даними Асоціації українських банків, технології ШІ вже впровадили такі банки як ПриватБанк, Ощадбанк, ОТП Банк, ПУМБ, Sense Bank, Універсал Банк (monobank) та інші.

Насамперед це стосувалося автоматизації бізнес-процесів, оцінки ризиків і персоналізації маркетингу. Зокрема, системи скорингу на базі ML нині працюють майже в кожному великому банку – вони прогнозують ймовірність дефолту позичальника за численними параметрами, швидко сегментують клієнтів для пропозиції продуктів. Деякі банки (наприклад, ПУМБ) мають чат-ботів у Viber/Telegram для базових консультацій, що теж використовують елементи NLP.

Щодо генеративного ШІ, то масовий інтерес до нього в Україні прокинувся після успіху ChatGPT. У 2023 році кілька банків оголосили пілотні проєкти в цій сфері. Як вже згадувалось, ПриватБанк розгорнув програму AI-трансформації на корпоративному рівні. В її межах створено AI Center of Excellence і систему AI Governance, а також розпочато ряд конкретних кейсів: чат-бот з ШІ для обслуговування бізнес-клієнтів, внутрішні AI-рішення для оптимізації процесів в підрозділах, автоматизація рутинних операцій тощо.

Фактично найбільший банк країни робить ставку на комплексне впровадження ШІ в усіх напрямках – від фронт-офісу до бек-офісу. Ощадбанк у партнерстві з Міністерством цифрової трансформації проводив у 2023 році хакатон із розробки AI-рішень для банку, шукаючи таланти і свіжі ідеї від стартапів. Райффайзен Банк (Україна) також заявляв про наміри інтегрувати AI в процес кредитного аналізу малого бізнесу. Monobank (Універсал Банк) відомий своїми digital-нововведеннями: його співзасновник Олег Гороховський неодноразово згадував у соцмережах про експерименти з GPT для покращення клієнтського досвіду. Наприклад, обговорювалась ідея AI-аналізу транзакцій клієнта з порадами щодо економії, або AI-помічника у чаті підтримки. Поки що ці ідеї в стадії експериментів, але цілком ймовірно їх реалізація у найближчі роки.

Потенціал українського ринку ГШІ у банкінгу

Потенціал українського ринку ГШІ у банкінгу є значним. По-перше, українські банки можуть швидше запозичувати найкращі практики у глобальних гравців, уникаючи їхніх помилок. Наприклад, бачачи результати проектів Morgan Stanley чи ING, наші банки можуть адаптувати схожі рішення під себе. По-друге, в Україні дуже розвинена ІТ-галузь, багато AI-стартапів і талантів. Це означає, що банки можуть співпрацювати з локальними AI-компаніями або наймати сильних фахівців для інхаус-розробки. Є приклади фінтехів, що вже працюють над AI-продуктами для банків – скажімо, компанія Scorto пропонує AI-платформи для скорингу, а BIS Soft – чат-ботів для банків з елементами ГШІ. По-третє, висока digital literacy клієнтів: користувачі звикли до додатків типу Дія, Monobank, і будуть відкриті до взаємодії з розумними ботами чи AI-сервісами. Це створює попит знизу. Водночас, як і всюди, ефект від впровадження AI залежатиме від довіри – чи довірятимуть клієнти рішенням, у яких “під капотом” ШІ. Тому банкам потрібно прозоро комунікувати ці речі.

Отже, українські банки знаходяться на початку шляху впровадження генеративного ШІ. Деякі вже зробили перші кроки (пілоти чат-ботів, внутрішні проекти), інші поки придивляються. Але очевидно, що протягом наступних 2-3 років ми побачимо значно більше AI-ініціатив у фінансовому секторі України. Згідно з опитуванням експертів, українські банки навіть більш сміливо дивляться на впровадження клієнтоорієнтованих AI-рішень, ніж їхні закордонні колеги, що може стати конкурентною перевагою локального ринку. Потенціал використання ГШІ – від підвищення ефективності до створення нових продуктів – дуже великий, а отже ті гравці, хто першим освоїть цю технологію, отримають суттєвий ринковий виграш.

Висновки та рекомендації

Генеративний штучний інтелект поступово перетворюється з новинки на невід’ємну частину інструментарію банків. Його здатність розуміти і формулювати людську мову, навчатися на великих масивах даних та генерувати креативні рішення відкриває для фінансових установ нові горизонти підвищення ефективності. 

Досвід банків США і Європи показав, що ГШІ може суттєво покращити як внутрішні процеси (автоматизація, аналітика, боротьба з шахрайством), так і взаємодію з клієнтами (персоналізація сервісу, швидкість обслуговування). Перші впровадження принесли вимірювані вигоди – від економії часу та грошей до зростання задоволеності клієнтів і появи інноваційних послуг. Українські банки, попри виклики воєнного часу, не стоять осторонь цього тренду і мають всі шанси застосувати ГШІ для стрибка у своїй цифровій трансформації.

Водночас, впроваджуючи генеративний ШІ, критично важливо пам’ятати про ризики. Неналежно контрольований AI може нашкодити репутації банку або навіть призвести до фінансових втрат і штрафів. Тому рекомендується дотримуватись принципу «людина в центрі»: ШІ має бути інструментом допомоги, а не повною заміною людських рішень. На кожному етапі повинна бути можливість перевірки та втручання спеціаліста. Також варто запровадити в банку політики відповідального використання AI (Responsible AI) і систему внутрішнього контролю за AI-моделями.

Основні рекомендації для банків щодо впровадження генеративного ШІ:

  1. Починати з малих пілотів і внутрішніх кейсів. Оберіть 1-2 пріоритетні напрями, де ГШІ може дати швидкий ефект (наприклад, внутрішній чат-бот для ІТ-підтримки, або генерація звітів) і реалізуйте пілотний проект. Це дозволить отримати досвід з мінімальними ризиками та продемонструвати quick wins. Успішні рішення потім масштабуються на інші підрозділи.
  2. Інвестувати в якість даних і інфраструктуру. Переконайтесь, що дані, на яких навчається та працює модель, очищені від шуму і bias. Налагодьте процес оновлення датасетів. Забезпечте захищене середовище для розгортання моделей (сервери, хмарні рішення з потрібними сертифікатами безпеки). Це фундамент, без якого AI не дасть бажаного результату.
  3. Створити міжфункціональну AI-команду. Залучіть фахівців з ІТ, аналізу даних, бізнес-підрозділів та ризик-менеджменту до спільної роботи над AI-проєктами. Така команда повинна розуміти і технічні аспекти, і бізнес-контекст застосування ГШІ. Розгляньте можливість призначити відповідального за AI-напрям (Chief AI Officer або Head of AI), як це роблять провідні банки.
  4. Забезпечити тренування персоналу. Введіть програми навчання для співробітників – як користуватися AI-інструментами в роботі, як інтерпретувати їхні результати, на що звертати увагу. Культура довіри до нових технологій формується, коли люди розуміють, як вони працюють. Особливо навчіть працівників фронт-офісу коректно співпрацювати з AI, щоб ті не сліпо довіряли моделям, а критично оцінювали їх допомогу.
  5. Приділити увагу кібербезпеці та приватності. Разом з впровадженням нових AI-сервісів, оновіть політики безпеки: хто має доступ до моделей, які дані можна вводити, як логуються дії моделі. Переконайтесь, що використовуються тільки дозволені набори даних, немає ризику витоку конфіденційної інформації. Проведіть stress-testing AI-систем на предмет можливих атак і зловживань.
  6. Комунікувати зміни клієнтам і регуляторам. Якщо запускаєте клієнтський AI-сервіс (наприклад, чат-бот), проінформуйте клієнтів, як ним користуватися і які питання він може вирішити. Підкресліть, що це інновація для їхньої зручності. Паралельно підтримуйте діалог з НБУ: діліться досвідом, дізнавайтесь їх бачення, можливо долучайтесь до робочих груп по AI. Прозора комунікація підвищить довіру та зніме потенційні побоювання.
  7. Не чекати, а діяти поступово. Генеративний ШІ – це технологія, що розвивається дуже швидко. Вже зараз існує ризик відстати, якщо зволікати з її освоєнням. Тож варто зайняти проактивну позицію: експериментувати, вчитися на помилках і успіхах інших, шукати власні ніші застосування AI. При цьому діяти відповідально і зважено, усвідомлюючи ризики. Як зазначалося на Money20/20 конференції, ця технологія “unleash innovation in areas that we can’t even think about” – вивільняє інновації у сферах, про які ми ще й не здогадуємосьi. Українським банкам важливо стати частиною цієї глобальної хвилі інновацій.

Джерела:

  1. Reksoft. Застосування генеративного ШІ в банкінгу. Аналітичний звіт. Вересень 2025.
    (Основний документ, що містить опис кейсів ING, ABN AMRO, Morgan Stanley, SouthState Bank, Mastercard, Wells Fargo, JPMorgan Chase, Goldman Sachs, Deloitte та ін.)
  2. Money20/20 Europe Conference Reports (2023–2024).
  3. Deloitte Insights. Generative AI in Banking: Productivity Scenarios and Financial Impact.Оцінки продуктивності фронт-офісу та бек-офісу в результаті впровадження ГШІ.
  4. Bloomberg. BloombergGPT: A Large Language Model for Finance. Дослідження LLM, навченої на фінансових даних, і її застосування в аналізі ринку.
  5. European Central Bank (ECB). Artificial Intelligence in the Financial Sector: Opportunities and Risks. Аналітичні матеріали щодо впливу ШІ на регуляторний режим та наглядову діяльність.