Как крупный банк внедрил AI для 100 000 сотрудников: уроки для малого бизнеса

Когда говорят о внедрении AI в бизнес, обычно имеют в виду что-то из разряда «подключили ChatGPT, порадовались, забыли». Но есть другой пример — испанский банк BBVA, который превратил AI не в эксперимент, а в архитектуру всей своей работы. 100 000 сотрудников. 20 000 созданных AI-инструментов внутри компании. До 80% экономии времени в отдельных процессах. Это не теория. И из этого кейса можно вытащить кое-что полезное, даже если вы работаете в одиночку или в небольшой команде.

С чего начинался AI в банке: не сверху, а через людей

В 2024 году BBVA выдал доступ к ChatGPT Enterprise 3 000 сотрудников. Не всем сразу — именно 3 000, чтобы понять, как это приживается. Приживалось хорошо: люди сами начали рассказывать коллегам, показывать, как это работает в их задачах. Через год инструментом пользовалось уже больше 100 000 человек.

Тут есть важный момент, который легко пропустить. Банк не приказал «теперь все работают через AI». Он создал условия: безопасный корпоративный доступ, обучающие программы, сеть «чемпионов по AI» — людей внутри команд, которые помогали коллегам разобраться и найти применение в своей работе.

Отдельно обучили 250 руководителей, включая CEO и председателя совета директоров. Когда шеф сам пользуется инструментом — это сильный сигнал для всей организации. AI перестаёт быть «инициативой IT-отдела» и становится рабочим приоритетом.

Что из этого применимо вам: если вы хотите, чтобы AI прижился в вашей практике, — не давите. Начните с одного процесса, где боль ощущается острее всего. Освойте там. Потом расширяйте.

Внедрение AI в бизнес: три опоры, без которых не работает

BBVA выстроил стратегию AI-внедрения на трёх принципах. Они сформулированы под банк, но логика универсальна.

1. Доверие. Сотрудники должны понимать, что инструмент безопасен и легален. В банке это значило согласовать всё с юристами, службой безопасности и комплаенсом до старта. В вашем случае — хотя бы разобраться, что за данные вы передаёте сервису и на каких условиях.
2. Управление. Не «пусть каждый экспериментирует как хочет», а чёткие рамки: какие инструменты, для каких задач, с какими ограничениями. Хаотичное использование AI — быстрый путь к ошибкам и разочарованию.
3. Структурное обучение. Не разовый вебинар, а регулярная практика: мастерские, разборы кейсов, обмен опытом. AI-навык — это мышца. Она растёт от повторения.

Смотрите, в чём тут дело: большинство людей бросают AI через две недели не потому, что инструмент плохой. А потому что не было поддержки в момент, когда «не получается». Обучение и сообщество решают именно это.

Что конкретно автоматизировали — и сколько это стоит времени

Самое интересное — не сам факт внедрения, а конкретные задачи. Вот несколько примеров из практики банка.

• Юридические запросы. Команда из 9 человек ежегодно обрабатывает около 40 000 обращений от менеджеров филиалов. Специально созданный AI-ассистент готовит черновики ответов, подтягивая информацию из внутренних баз знаний. Результат — резкое сокращение времени на ручной поиск и подготовку.
• Анализ клиентских отзывов. Тысячи открытых ответов на опросы обрабатывались вручную. Теперь AI выделяет ключевые темы, оценивает тональность и предлагает конкретные действия. То, что раньше занимало дни, — занимает часы.
• Внутренняя поддержка сотрудников. В одном из подразделений среднее время ответа на запрос сотрудника сократилось с примерно 7,5 минут до около 1 минуты. Это не магия — просто AI-ассистент мгновенно находит ответ в корпоративной базе знаний.
• Кредитный анализ. Вместо ручной обработки годовых отчётов и ESG-документов — автоматическое извлечение данных. Аналитики тратят меньше времени на рутину и больше — на интерпретацию.

Если перевести на язык обычного эксперта или небольшой команды: это ответы на типовые вопросы клиентов, первичный анализ обратной связи, подготовка черновиков документов, сбор и структурирование информации. Всё это — реальные задачи, которые AI уже умеет делать достаточно хорошо. Подробнее о том, как AI-агенты берут на себя рутину без вашего участия, — разобрал отдельно.

Ловушка «инструментального» мышления

Тут есть нюанс, который легко пропустить в оптимистичном кейсе.

BBVA намеренно строит не «набор AI-инструментов», а переосмысление того, как вообще работает банк. Это разные вещи. Первое — добавить ChatGPT к существующим процессам. Второе — спросить себя: «А как бы мы выстроили этот процесс, если бы AI существовал с самого начала?»

Большинство людей застревают на первом уровне. Они просят AI написать пост — вместо того чтобы спросить: «Как AI может помочь мне выстроить систему контента, которая работает без моего постоянного участия?» Это другой вопрос, и он ведёт к другим результатам.

При этом важно понимать: передавать AI на аутсорс нужно не всё подряд. Есть задачи, где замена человека инструментом — прямой путь к деквалификации и потере качества. Об этом подробно — в статье что нельзя отдавать AI.

Три урока, которые работают в любом масштабе

Из этого кейса можно вытащить три принципа, которые применимы независимо от размера вашего бизнеса.

1. Начинайте с боли, а не с возможностей. BBVA не внедрял AI ради AI. Они искали конкретные задачи, где это даёт измеримый результат. Юридические запросы. Клиентские опросы. Внутренняя поддержка. Конкретная боль — конкретное решение. Если у вас нет чёткого ответа на вопрос «какую именно задачу AI будет делать», — внедрение не приживётся.

2. Руководитель должен быть первым пользователем. Если вы — эксперт и сами ведёте проект, это значит: не делегируйте AI своему ассистенту «разобраться». Разберитесь сами. Потрогайте инструмент в своих задачах. Только тогда вы поймёте, где он реально помогает, а где создаёт иллюзию работы.

3. Оценивайте не восторг, а время. Метрика BBVA простая: сколько часов в неделю сотрудник экономит. В среднем вышло около 3 часов на человека в неделю. Немного? Умножьте на 100 000 человек. Для вас как для эксперта: если AI экономит вам 2 часа в день на рутине — это 10 часов в неделю, которые можно вложить в работу с клиентами или создание продукта.

Кстати, как AI уже влияет на то, как вас находят клиенты в поиске — разобрано в материале про AI в маркетинге: где заканчивается шум и начинается результат.

Что это значит для эксперта прямо сейчас

Вы не банк с 100 000 сотрудников. Но логика та же: AI работает там, где есть повторяющаяся задача, понятный результат и готовность потратить время на настройку.

Давайте по шагам. Возьмите один процесс, который вы повторяете каждую неделю: отвечаете на одни и те же вопросы в личке, готовите черновики предложений, анализируете обратную связь клиентов. Именно туда и стоит встроить AI в первую очередь.

Не пытайтесь автоматизировать всё сразу. Это нормально — начать с одного инструмента для одной задачи. Это чинится постепенно, и именно так получается устойчивая система, а не очередной брошенный эксперимент.

Если хотите разобрать свою конкретную ситуацию — как AI вписывается в вашу работу с клиентами и контентом — заходите в мой Telegram-канал. Там разборы, примеры и живое обсуждение без инфобизнес-шума.

По мотивам материала OpenAI News «BBVA puts AI at the core of banking with OpenAI».

100 нейросетей
для экспертов

Подборка, которой реально пользуются — пришлю на почту. Без спама, отписка в один клик.

Для решения
любых задач

Для роста
и эффективности

Для бизнеса
и карьеры

🎁 Заберите 100 нейросетей для экспертов

Получить подборку Соглашаюсь на обработку email и получение писем