Еще два-три столетия назад «взять и обучить» клерка мог только сам банк. Однако и сегодня, когда подготовкой специалистов занимаются топовые вузы, банки не пренебрегают корпоративным образованием. Рассказываем, как и чему банки учили сотрудников — 400 лет назад, в начале XX века и сейчас — и почему многие современные компании (включая МКБ) в этих вопросах делают ставку на ИИ.
Выявлять подделки, знать «современные методы ограблений» — короткий экскурс в историю корпоративного обучения в банках
Первые банки в Европе появились еще в Средневековье — среди них, например, Банк святого Георгия в Италии и старейший действующий банк Monte dei Paschi di Siena. Однако к модели, которая была бы близка современной, они пришли лишь в XVII веке: банки начали не только хранить средства и выдавать небольшие займы, но и активнее кредитовать торговлю, заниматься обменом валют и выпускать долговые обязательства. Тогда же сформировались и крупные финансовые институты, многие из которых существуют до сих пор, — например, Банк Англии, который выполняет функции центрального банка Соединенного Королевства.
Разумеется, в то время о том, чтобы банк мог нанять «квалифицированного соискателя без опыта работы» речь вообще не шла: качество общего образования оставляло желать лучшего. Если верить дошедшим до наших дней документам из банковских архивов, лишь немногие кандидаты на начальную должность клерка в Банке Англии учились в университете — и даже их навыки письма порой оценивались комиссией как «скудные». Неудивительно, что банкам приходилось обучать на местах всех подающих надежды новичков. Помимо базовой грамотности новым сотрудникам объясняли, как вести учетные книги и «понимать» деньги: клерку важно было знать все особенности монет и банкнот, в том числе иностранных, чтобы выявлять подделки «на глаз» (а также «на зуб» или наощупь).
Важно было, например, научиться определять «обрезанные» монеты. Недобросовестные вкладчики, прежде чем сдать серебряные монеты в банк, «обкусывали» их края — затем обрезки переплавляли и продавали [это называлось «стрижкой» монет]. Серебряные монеты XVII века часто чеканились вручную и имели неровные края, из-за чего определить подрезку было проблематично — особенно при приеме крупных партий. До тех пор, пока на монеты не стали наносить рифленый гурт (ребро) или надписи, предотвращающие незаметную обрезку, банковским служащим приходилось проявлять особую внимательность, иначе в кассу попадали «облегченные» монеты, и банк фактически терял часть стоимости вкладов из-за меньшего веса серебра.
Банки продолжали самостоятельно обучать своих специалистов на протяжении долгого времени не только Европе, но и в США. Но к началу XX века подготовка специалистов перестала быть заботой одних лишь банков — начали появляться профильные колледжи. Так, в 1901 году в США был основан Институт банковских клерков, у истоков которого стояли президенты национальных банков и Ансон О. Киттридж, пионер бухгалтерского учета.
Обучение сочетало очный и дистанционный формат: банковские служащие посещали лекции и получали периодические издания по почте. Занятия во многом напоминали университетские литературные кружки. Что касается рассылок, они включали списки рекомендуемой литературы, темы для дебатов, статьи видных финансистов и другие профильные материалы. Например, в новостной сводке от июля 1904 была напечатана статья про финансовые преступления — в ней описывались «современные» методы ограбления банков и скрытых краж в отделениях [очевидно, не как руководство к действию, а в качестве предупреждения].
Что касается учебной программы, в институте преподавали каллиграфию, грамматику и риторику для деловой переписки и работы с документами, также студентов обучали стенографии и машинописи. Разумеется, они изучали финансовую историю и математику, бухгалтерский учет. При этом студенты могли выбирать интересующие их курсы. А сам Институт банковских клерков был позднее переименован в Американский институт банковского дела и просуществовал до 2014 года.
Сегодня банковскому делу обучают сотни заведений по всему миру. При этом сами банки по-прежнему активно инвестируют в развитие сотрудников, используя современные инструменты — LMS-платформы, а в последние годы и персонализированные решения на базе систем ИИ, которые делают обучение более гибким.
Пара научных исследований о том, как ИИ помогает учиться
С развитием систем искусственного интеллекта и обработки естественного языка растет и число исследований, посвященных роли этих технологий в процессе обучения — не только для подготовки банковских служащих, но и в сфере образования в целом.
Сегодня нейросети помогают адаптировать темп обучения, его методы и цели под конкретного человека. Например, в компании IBM, которая использует системы ИИ в своих внутренних обучающих программах, говорят, что рекомендации нейросетей помогают сотрудникам лучше усваивать материал. К такому же выводу пришел исследователь из Университета Северной Флориды, который в 2023 году изучил показатели 500 студентов из своего вуза за один семестр: половина их использовала чат-ботов для лучшего закрепления материалов (например, путем составления персонализированных тестов), а другая — обходилась без интеллектуальных помощников. Эксперимент показал, что у студентов, которые обучались по персонализированному плану с системой ИИ, оценки были выше. Кроме того, их результаты были более стабильными на протяжении всего семестра.
Ряд исследований показывает, что системы ИИ помогают не только эффективнее учиться, но и делают этот процесс менее стрессовым. К такому выводу пришли специалисты из чешского Университета Градец-Кралове в феврале 2025 года. Они провели систематический обзор научных публикаций из баз Web of Science и Scopus. В выборку вошли работы, посвященные влиянию ИИ на ментальное состояние студентов. Анализ показал, что системы ИИ положительно сказываются на вовлеченности и мотивации, поскольку упрощают подготовку текстов, помогают точнее формулировать мысли и переводить материалы с иностранных языков, открывая доступ к большему количеству ресурсов для обучения.
Примерно в то же время команда из Университета Питтсбурга провела свое исследование. Специалисты опросили 95 студентов вуза, чтобы установить, как использование систем ИИ при выполнении домашних заданий влияет на учебный процесс — в том числе на динамику между студентами и преподавателями. Как оказалось, большинство студентов готовы обратиться к интеллектуальным помощникам, если им не хватает времени на выполнение задания, или они заходят в тупик. При этом большинство учащихся сочло этот опыт положительным — некоторые даже предпочли обращаться за пояснениями к чат-ботам вместо преподавателей (если отношения с ними складывались не лучшим образом).
А в Массачусетском университете в Амхерсте провели такой эксперимент: пригласили 57 учащихся экономического факультета и разбили их на две группы: одной разрешили использовать генеративные системы ИИ для выполнения заданий, а другой — запретили. В итоге оказалось, что студенты, имевшие доступ к ИИ-инструментам, сильнее вовлекались в учебный процесс и были больше им удовлетворены. Неудивительно, что подобные технологии все активнее применяются не только в академической, но и в банковской сфере — для обучения и повышения квалификации сотрудников.
Для чего нужны нейросети в банке
В первую очередь системы ИИ используют для онбординга новых сотрудников банков. Они интегрируются с обучающими платформами и помогают подобрать индивидуальный план адаптации — объяснить нюансы комплаенса и политик компании. Кроме того, нейросети могут использовать сотрудники отдела кадров, чтобы проанализировать предыдущий опыт работника и закрыть пробелы в навыках, предложив конкретные тренировочные модули. Эту возможность использовал один межнациональный инвестиционный банк: в компании применяют нейросети, чтобы автоматически определять слабые места у молодых специалистов и формировать персонализированные планы обучения. Сам процесс тоже курируют системы ИИ — они обращаются к инструкциям, корпоративным руководствам и HR-документам, чтобы генерировать короткие выжимки и тесты.
По оценке банка, такой подход повысил вовлеченность сотрудников и даже сократил текучку кадров. Кроме того, возросла операционная эффективность: если раньше на решение ряда вопросов у начинающих сотрудников уходило порядка часа, то после внедрения систем ИИ — в среднем 15 минут.
Иногда ИИ применяют и для обучения работе с другими нейросетями. Например, так поступили в европейском подразделении Raiffeisen Bank. В 2024 году там запустили Copilot Chat, чтобы познакомить коллег с возможностями генеративных моделей. Чтобы подтолкнуть специалистов компании к работе с новым инструментом, руководство даже организовало десятидневные тренинги — своеобразные промпт-марафоны, на которых сотрудников учили составлять запросы для корпоративного чат-бота.
ИИ-системе можно поручить работу с базами данных и ответы на вопросы сотрудников банка. Например, в финансовой группе Pictet Group реализовали чат-бота, который отвечает на вопросы, связанные с политикой компании, управлением персоналом и даже техническими процессами. Кроме того, благодаря методу RAG, система может учитывать должность пользователя, предоставляя информацию только из тех источников, для доступа к которым у сотрудника есть соответствующие права. Похожее решение применили и в одном из крупных азиатских банков. Там LLM-система помогает менеджерам по работе с клиентами и контрагентами. Ранее они тратили много времени на сбор информации и оформление документов, поэтому компания внедрила чат-бота, который обрабатывает запросы, опираясь на внутренние базы данных. В McKinsey пишут, что сотрудники банка стали заполнять документы на 90% быстрее.
Наконец, банки используют системы ИИ для помощи не только менеджерам, но и разработчикам. Например, мы в Московском кредитном банке регулярно прорабатываем новые концепции, которые могут упростить работу ИТ-подразделения. Недавно у нас прошел конкурс идей, в рамках которого коллеги предлагали продукт, способный облегчить онбординг и оптимизировать внутренние процессы. Всего мы отобрали три интересных проекта:
-
Чат-бот для доработки банковских систем. По сути, это нейросеть, которую предлагалось обучить на материалах Confluence и исходном коде ЦФТ-банка (программного комплекса для поддержки финансовых бизнес-процессов), чтобы сохранять существующие и новые решения по техническим заданиям и разработке. Благодаря этому у ИТ-команд будет возможность быстро находить нужную информацию и использовать ее вместо того, чтобы искать решение заново.
-
ИИ-помощник для тестировщиков. Инструмент сможет заниматься рутинными задачами вроде автоматической проверки тест-кейсов: искать повторы, сверять корректность оформления. В перспективе, сократив количество рутинных задач, ИИ-помощник ускорит доработку банковских систем.
-
ИИ-ментор для разработчиков. Интеллектуальный тренажер для оттачивания навыков программирования с персонализированным обучением. Нейросеть будет генерировать задачи, анализировать результат и разбирать ошибки. Конечная цель — сократить время адаптации новых сотрудников, превратив процесс отработки навыков программирования в диалог с умным помощником, который адаптируется под уровень знаний, стиль мышления и прогресс пользователя.
В XVII веке банки полагались на практическое обучение, потому что найти специалистов с нужными навыками было практически негде. Сейчас обучение банковских сотрудников преследует другие задачи: сделать работу более комфортной и повысить личную эффективность сотрудников — а также помочь им осваивать и развивать новые технологии.
Еще в нашем блоге:
ссылка на оригинал статьи https://habr.com/ru/articles/1028200/