Продолжаем рассказывать о кейсах команд, которые уже подали заявки на Премию FINNEXT. 

Суть кейса: после масштабного расширения сети банк разработал ИИ-модель, которая помогает прогнозировать клиентский поток, оценивать потенциал отделений и подбирать оптимальный сценарий развития сети для каждого конкретного города — от формата отделения до численности команды — с горизонтом планирования до 6 месяцев.

— Какие были предпосылки проекта?  
— Программа развития сети в 2023–2024 годах обеспечила значительный рост присутствия банка по всей России: было открыто более 400 отделений и охвачено свыше 400 новых городов. После такого масштабирования стало очевидно, что для дальнейшего эффективного управления сетью нужен новый подход — к прогнозированию нагрузки на отделения, оценке их потенциала и выбору оптимального сценария развития в каждом городе.

— Какие задачи нужно было решить?  
— Нужно было научиться заранее оценивать будущую нагрузку на отделение, определять, сколько отделений требуется для качественного покрытия потребностей конкретного города, выбирать наиболее эффективный формат для каждой локации, а также рассчитывать оптимальный штат для стабильной и результативной работы.

— Как они были решены? 
— Для управления расширенной сетью банк создал собственную прогностическую модель на базе ИИ. Она позволяет заранее, с точностью до месяца, прогнозировать клиентский поток и использовать эти данные для принятия решений по развитию инфраструктуры в уже охваченных городах, управлению форматами отделений и планированию численности персонала на горизонте до полугода.

— В чем заключаются бизнес-эффект решения и его стратегическая значимость?  
— Существенно сократилось время на выбор сценариев развития, а значительная часть решений по управлению сетью была автоматизирована. Это дает банку возможность быстрее реагировать на изменения, точнее распределять ресурсы и в целом повышать качество управления сетью.

Решение позволяет оперативно управлять численностью сотрудников с учетом прогнозируемой нагрузки в отделениях, подбирать наиболее эффективный сценарий развития сети для каждого города с учетом его особенностей и заранее запускать меры, направленные на повышение эффективности работы отделений.

— В чем уникальность проекта?  
— Это первое в России внедрение ML-модели для прогнозирования клиентского потока в сети отделений.  

— Что именно ИИ в этом проекте прогнозирует лучше традиционной аналитики?
— Главное преимущество ИИ  —  способность обрабатывать огромные массивы разнородных данных в реальном времени и извлекать из них скрытые зависимости, которые традиционная аналитика часто упускает.

— Какие управленческие решения теперь можно принимать без выезда команды на место?
— Благодаря масштабному обучению ИИ и возможности интегрировать дополнительные параметры в аналитическую модель границы удаленного принятия решений практически исчезли. 

— Какими результатами можете поделиться? 
— Обеспечен ежеквартальный мониторинг всех отделений в малых городах;
— срок принятия решений по мерам повышения эффективности сокращен до 90%; 
— скорость реакции на изменения выросла с 6 месяцев до 1 месяца;
— затраты на командировки заметно снизились.

Задача Премии FINNEXT – отметить команды и департаменты, которые внедряют новинки финтеха в банках, страховых, IT и других компаниях. Церемония пройдет 7 апреля в рамках 15-го ежегодного форума финансовых инноваций FINNEXT 2026. Прислать кейс