Habib Bank Limited сэкономил 341 000 часов в год: как ИИ-агент автоматизировал онбординг клиентов

Habib Bank Limited (HBL), один из крупнейших банков Пакистана, столкнулся с вызовом: процесс проверки новых клиентов требовал огромных временных затрат и ручного труда. Сотни тысяч часов ежегодно уходили на рутинные проверки, что замедляло онбординг и отвлекало ценные ресурсы. После внедрения ИИ-агента банк стал обрабатывать более 80 000 кейсов ежемесячно с точностью 98%, сэкономив около 341 000 рабочих часов в год.

В крупном банке ручная проверка каждого нового клиента — это не просто формальность, а критически важный процесс, который одновременно является узким горлышком. Часы, потраченные на сверку данных, поиск информации и рутинные согласования, не создают добавочной ценности, но накапливаются в огромные финансовые и временные издержки. Это не только замедляет рост, но и увеличивает риск человеческой ошибки. Современные технологии позволяют снять эту нагрузку, сделав процесс быстрым, точным и масштабируемым.

Где утекало время: ручная проверка и согласование

До внедрения ИИ-агента, процесс онбординга новых клиентов в HBL был трудоёмким и медленным. Каждый новый клиент требовал тщательной проверки на соответствие нормативным требованиям, что включало сверку данных, поиск информации в различных базах и ручное согласование. Это отнимало часы у сотрудников, которые должны были заниматься более сложными аналитическими задачами и взаимодействием с клиентами.

Масштаб банка означал, что эти рутинные операции складывались в сотни тысяч рабочих часов ежегодно. Низкая скорость обработки заявок приводила к задержкам, потенциальному недовольству клиентов и создавала дополнительное давление на команды по комплаенсу. Ручной процесс был подвержен ошибкам, что в банковской сфере несёт высокие риски.

Почему стандартные решения не справлялись

Банк уже использовал различные системы для управления клиентскими данными, но они были разрознены и не могли обеспечить сквозную автоматизацию всего процесса проверки. Каждая система решала свою узкую задачу, но не было единого инструмента, который бы собирал данные из всех источников, анализировал их и принимал решения на основе заданных правил. Человеку приходилось вручную переносить данные из одной системы в другую, сверять их и принимать решение, основываясь на собственном опыте и регламентах.

Именно поэтому HBL пришёл к идее ИИ-агента — не просто очередного инструмента, а интеллектуальной системы, способной самостоятельно выполнять сложные многоэтапные проверки, минимизируя участие человека и освобождая его для решения по-настоящему сложных и нешаблонных задач.

Как проектировали ИИ-агента для HBL

ИИ-агента спроектировали как централизованный хаб для автоматизации процесса санкционного скрининга новых клиентов. От него требовалось: автоматически собирать информацию о клиенте из различных внутренних и внешних источников; проводить многоуровневую проверку на соответствие регуляторным требованиям и внутренним политикам банка; мгновенно выявлять потенциальные риски и аномалии; а также формировать отчёты о проверке. Agenta интегрировали с 15 «цифровыми работниками», каждый из которых отвечал за свой этап проверки и взаимодействие с конкретными системами данных.

Ключевым принципом было создание системы, которая могла бы работать автономно, обрабатывая подавляющее большинство кейсов без человеческого вмешательства, и передавала бы сотрудникам только те случаи, которые требовали экспертной оценки или принятия нестандартных решений.

Внедрение и масштабирование

Внедрение ИИ-агента началось с пилотного проекта, ориентированного на процесс санкционного скрининга. После успешного тестирования и подтверждения эффективности, HBL постепенно масштабировал решение, интегрируя его в повседневные операции. «Цифровые работники» ИИ-агента были обучены обрабатывать различные сценарии и взаимодействовать с множеством внутренних и внешних систем. Сотрудники, ранее занятые рутинными проверками, прошли переобучение и теперь контролируют работу агента, занимаются анализом сложных кейсов и постоянно улучшают алгоритмы его работы.

Результаты внедрения

Автоматизация процесса санкционного скрининга позволила HBL значительно сократить время обработки заявок, повысить точность проверок и высвободить ценные ресурсы. Ежегодная экономия в 341 000 рабочих часов эквивалентна работе сотен сотрудников, которые теперь могут сосредоточиться на стратегических задачах, улучшении клиентского сервиса и развитии банковских продуктов. Это также позволило банку обрабатывать значительно больший объём клиентских запросов без увеличения штата, поддерживая быстрый рост и улучшая качество обслуживания для 37 миллионов клиентов.

Как это внедрить у вас

Этот кейс HBL показывает, что даже в самых регулируемых отраслях, таких как банковское дело, ИИ-агенты могут принести огромную пользу, автоматизируя рутинные, но критически важные процессы. Если в вашей компании есть аналогичные «узкие горлышки», связанные с ручной обработкой большого объёма информации, вам стоит рассмотреть внедрение ИИ-агента:

• Идентифицируйте повторяющиеся процессы. Начните с анализа тех операций, которые требуют большого количества ручного труда, сверки данных из разных источников и принятия решений на основе чётких правил. Это могут быть онбординг клиентов, обработка счетов, формирование отчётов или комплаенс-проверки.
• Определите точки интеграции. ИИ-агент наиболее эффективен, когда он может бесшовно взаимодействовать с существующими системами. Оцените, какие данные ему потребуются и как он будет передавать результаты своей работы.
• Начните с пилота. Выберите один, относительно небольшой, но репрезентативный процесс для пилотного внедрения. Это позволит быстро оценить эффект, обучить команду и отладить работу агента без значительных рисков.
• Фокусируйтесь на освобождении человеческого потенциала. Цель ИИ-агента — не заменить людей, а освободить их от рутины, позволяя сосредоточиться на задачах, требующих креативности, критического мышления и эмпатии.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру