Корпоративное обучение · ИИ для банков и финансовых организаций
Обучение ИИ для банков и финансовых организаций
Двухдневная программа (16 академических часов) для сотрудников банков и финансовых организаций — практика на реальных документах, договорах и таблицах, RAG на внутренних данных, сборка ИИ-агентов и работа в безопасном контуре с учётом 152-ФЗ и банковской тайны.
16
акад. часов
300+
часов ИИ
16+
организаций
Программа обучения
Обучение ИИ для банков и финансовых организаций: что входит в курс
16 академических часов, 2 дня — от основ генеративного ИИ и промптинга до ИИ-агентов, RAG на внутренних данных и регулирования ЦБ РФ.
-
01Как устроен генеративный ИИ1,5 чT9 и как из него вырос ЧатГПТТокены, контекстное окно, галлюцинацииЯндексГПТ, ГигаЧат, ЧатГПТ, Клод, ДипСик, Квен, КимиРоссийский, китайский, американский контуры
-
02Промптинг — разговор с моделью1,5 чСтруктура запроса — действие, персона, формат, контекстСистемный промпт и память моделиПочему галлюцинации не лечатся промптомПрактика — сценарии участников
-
03Работа с текстами и документами2 чСравнение пакетов документовИзвлечение ключевых условийДоговоры, отчёты, нормативкаПрактика на документах команды
-
04Анализ данных и таблицы2 чКак модели работают с числамиИИ + Excel — формулы, макросы VBAPower Query, сводные таблицы по описаниюПрактика — кредитный портфель, отчётность
-
05Персональный ИИ-стек1 чВыбор инструментов под задачиСценарии банковской работыНейроюрист — поиск по базе Гарант300.ya.ru — конспект длинных видео
-
06Изображения, презентации, голос и видео1,5 чШедеврум, КандинскийПрезентации — ГаммаОзвучка, аватары, короткие роликиПрактика — материал под задачу участника
-
07Поиск и исследования1,5 чПерплексити и Deep ResearchМониторинг изменений ЦБ и нормативной базыDraw.io — схемы процессов (BPMN)Проверка источников и придуманных прецедентов
-
08RAG — ИИ на собственных данных2 чRAG vs дообучениеБаза знаний организацииFAQ колл-центра, регламенты, переговорыРаспознавание и транскрибация речи
-
09ИИ-агенты2 чАгент vs обычная автоматизацияТриггер, модель, промпт, выходМаршрутизация заявок, мониторингПрактика — сборка простого агента
-
10Безопасность, этика и личный чемоданчик1 чЧто нельзя отправлять в облакоРегуляторика 2025–2026 — ЦБ РФ, 152-ФЗПрактика — личный ИИ-стек участника
День 1 · Основы искусственного интеллекта в финансовой организации (8 ч)
День 2 · Практика: изображения, голос, видео, ИИ-агенты, регулирование (8 ч)
Ограничения и регуляторика
Что можно и нельзя загружать в нейросеть
Банк работает с персональными данными и банковской тайной — это разбирается на курсе отдельным модулем, а не проговаривается мимоходом.
Нельзя загружать в открытую облачную модель
ЧатГПТ, Клод, Перплексити и другие зарубежные сервисы
Персональные данные клиентов и сотрудников, паспортные и платёжные реквизиты, сведения, составляющие банковскую тайну, — без обезличивания их отправлять в облако нельзя. Отдельный риск — блокировка платных зарубежных аккаунтов, разбирается на личном опыте спикера.
Можно после обезличивания или в российском контуре
ГигаЧат, ЯндексГПТ, локальные модели
Обезличенные документы, типовые формулировки договоров, общие вопросы по нормативке — с ГигаЧатом, ЯндексГПТ или локально развёрнутой открытой моделью (например, Квен) в российском контуре. Для чувствительных данных — ГигаЧат Enterprise или локальное развёртывание без выхода наружу.
152-ФЗ и банковская тайна
Регуляторная база
152-ФЗ о персональных данных и требования к банковской тайне действуют независимо от того, какую модель использует сотрудник. Ответственность за утечку несёт организация, а не разработчик модели — это прямо зафиксировано в докладе ЦБ РФ о рисках применения ИИ.
Согласование с ИБ
Внутренний процесс организации
Любой новый инструмент — от готового сервиса до локально развёрнутой модели — проходит через службу безопасности до того, как в него загружают рабочие данные. На курсе разбирается, какие вопросы ИБ задаёт чаще всего и как на них отвечать заранее.
Формат работы
Что участники делают руками
Курс без теории ради теории — каждый блок закрывается практикой на своих или учебных данных.
✓
Пишут и дорабатывают промпты под свои задачи — комплаенс, кредитный анализ, клиентские коммуникации
✓
Сравнивают модели на одной и той же задаче — ЧатГПТ, Клод, ДипСик, ЯндексГПТ, ГигаЧат — и видят разницу в ответах
✓
Обезличивают документ перед загрузкой в облачную модель — своим макросом или вручную
✓
Собирают базу знаний организации для RAG — регламенты, FAQ, инструкции колл-центра
✓
Разбирают галлюцинации модели на конкретных примерах — где ИИ уверенно ошибается и почему
✓
Собирают простого ИИ-агента из триггера, модели и промпта — без кода
Живая практика
Практика на документах и таблицах — кейсы финансовых организаций
Договоры, регламенты, ответы клиентам, отчёты, Excel, RAG на внутренней базе, проверка документов на риски — на своих или учебных данных.
Сводная таблица кредитного портфеля в Excel + ИИ
Практическое задание курса
Задача — большой массив данных по кредитному портфелю нужно свести и проанализировать.
Подход — ИИ пишет формулы, макросы VBA и Power Query, а считает и собирает сводную таблицу сам Excel.
Урок — на кредитных данных модель теряет 300–500 ₽ в каждой строке при прямом подсчёте, поэтому цифру в отчёте всегда даёт Excel, а не языковая модель.
Подход — ИИ пишет формулы, макросы VBA и Power Query, а считает и собирает сводную таблицу сам Excel.
Урок — на кредитных данных модель теряет 300–500 ₽ в каждой строке при прямом подсчёте, поэтому цифру в отчёте всегда даёт Excel, а не языковая модель.
Расшифровка совещания
Практика курса
Задача — аудиозапись совещания нужно превратить в протокол с решениями и сроками.
Подход — Яндекс SpeechKit расшифровывает речь, дальше ИИ выделяет договорённости, задачи с ответственными и сроками.
Урок — лично обработал через SpeechKit больше 504 000 секунд записей (около 140 часов) по цене 10 ₽ за час — совещание превращается в протокол за пару минут работы с текстом, а не за час ручной расшифровки.
Подход — Яндекс SpeechKit расшифровывает речь, дальше ИИ выделяет договорённости, задачи с ответственными и сроками.
Урок — лично обработал через SpeechKit больше 504 000 секунд записей (около 140 часов) по цене 10 ₽ за час — совещание превращается в протокол за пару минут работы с текстом, а не за час ручной расшифровки.
Анализ договоров — поиск рисков
Практика курса — договоры аренды и аутсорсинга
Задача — найти в объёмном договоре риски и нетипичные пункты, которые легко пропустить при беглом чтении.
Подход — ИИ резюмирует договор и подсвечивает отклонения от типовых условий; ДипСик принимает до 25 файлов за один заход, Квен — до 5, ГигаЧат — до 2.
Урок — качество анализа сильно зависит от формата файла — TXT и MD дают лучший результат, PDF с текстовым слоем приемлем, сканы и DOC — самый ненадёжный вариант.
Подход — ИИ резюмирует договор и подсвечивает отклонения от типовых условий; ДипСик принимает до 25 файлов за один заход, Квен — до 5, ГигаЧат — до 2.
Урок — качество анализа сильно зависит от формата файла — TXT и MD дают лучший результат, PDF с текстовым слоем приемлем, сканы и DOC — самый ненадёжный вариант.
Маршрутизация обращений в поддержку
Практика курса — 15 обращений в поддержку
Задача — распределить 15 входящих обращений между двумя специалистами, безопасником и телеграфистом.
Подход — классификация обращений одним промптом; корректный ответ — 5 обращений безопаснику, 10 телеграфисту.
Урок — почти все модели путают заявку про смену пароля с задачей безопасника, хотя это настройка почтового клиента — рабочий навык именно в доработке промпта на таких ошибках.
Подход — классификация обращений одним промптом; корректный ответ — 5 обращений безопаснику, 10 телеграфисту.
Урок — почти все модели путают заявку про смену пароля с задачей безопасника, хотя это настройка почтового клиента — рабочий навык именно в доработке промпта на таких ошибках.
Выезд на залог — компьютерное зрение вместо ручного подсчёта
Практика курса — работа с обеспечением
Задача — при выезде на объект залога нужно посчитать поголовье скота, тракторы или ангары по фотографии.
Подход — компьютерное зрение (Яндекс Vision, YOLO) считает объекты на снимке, система разворачивается локально, данные наружу не уходят.
Урок — задача технически давно решаемая — неделя на внедрение у малого бизнеса, пара месяцев у крупного банка.
Подход — компьютерное зрение (Яндекс Vision, YOLO) считает объекты на снимке, система разворачивается локально, данные наружу не уходят.
Урок — задача технически давно решаемая — неделя на внедрение у малого бизнеса, пара месяцев у крупного банка.
Обезличивание персональных данных перед загрузкой в ИИ
Практика, модуль «Риски»
Задача — понять, что из клиентского документа можно грузить в облачную нейросеть, а что нельзя.
Подход — готовый макрос VBA заменяет ФИО, паспортные данные и ИНН на заглушки перед отправкой в облако.
Урок — обезличить данные один раз в начале работы дешевле, чем потом объяснять, почему они утекли.
Подход — готовый макрос VBA заменяет ФИО, паспортные данные и ИНН на заглушки перед отправкой в облако.
Урок — обезличить данные один раз в начале работы дешевле, чем потом объяснять, почему они утекли.
RAG-бот по регламентам и FAQ колл-центра
Практика курса — день 2
Задача — ответ сотруднику или клиенту должен опираться на актуальные внутренние документы, а не на догадки модели.
Подход — база знаний из регламентов и инструкций подключается через RAG, модель отвечает только на основе загруженных фрагментов.
Урок — RAG ищет ответ в ваших документах, саму модель дообучать не нужно — разница принципиальна для банковских регламентов.
Подход — база знаний из регламентов и инструкций подключается через RAG, модель отвечает только на основе загруженных фрагментов.
Урок — RAG ищет ответ в ваших документах, саму модель дообучать не нужно — разница принципиальна для банковских регламентов.
Сборка простого ИИ-агента на рабочем сценарии
Практика курса — день 2
Задача — рутинная операция — маршрутизация заявок, мониторинг изменений, протокол совещания — выполняется вручную каждый раз.
Подход — собираем агента из триггера, языковой модели с системным промптом и понятного выхода, без кода.
Урок — за словом «агент» стоит понятная архитектура из простых блоков — триггер, модель, промпт, выход.
Подход — собираем агента из триггера, языковой модели с системным промптом и понятного выхода, без кода.
Урок — за словом «агент» стоит понятная архитектура из простых блоков — триггер, модель, промпт, выход.
Личный ИИ-стек — итоговая практика курса
Завершение программы, день 2
Задача — собрать свой набор инструментов и правил работы с ИИ под конкретные задачи и ограничения безопасности.
Подход — каждый участник фиксирует, какие инструменты использует, что можно и нельзя отправлять в облачную модель, какие задачи стоит доверить агенту.
Урок — результат курса — рабочий личный стандарт использования ИИ под свои задачи и ограничения безопасности.
Подход — каждый участник фиксирует, какие инструменты использует, что можно и нельзя отправлять в облачную модель, какие задачи стоит доверить агенту.
Урок — результат курса — рабочий личный стандарт использования ИИ под свои задачи и ограничения безопасности.
Личный опыт спикера — расхождение расчётов ИИ и Excel
Демонстрация на занятии
Контекст — модель насчитала одну сумму, Excel — другую (158 580 ₽ против 159 000 ₽).
История — расхождение наглядно показывает, что модель может ошибиться в арифметике, даже если рассуждает уверенно.
Урок — цифрам от ИИ напрямую доверять нельзя, доверять можно только формуле и коду, которые считает Excel.
История — расхождение наглядно показывает, что модель может ошибиться в арифметике, даже если рассуждает уверенно.
Урок — цифрам от ИИ напрямую доверять нельзя, доверять можно только формуле и коду, которые считает Excel.
Личный опыт спикера — банковское образование и стажировка
Финансовая академия при Правительстве РФ
Контекст — собственное банковское образование и стажировка в банке, рукописные кредитные заявки, которые сейчас распознал бы OCR за секунды.
История — голосовой ассистент в другом кейсе порекомендовал клиенту продукт банка-конкурента, довод в пользу «суфлёра» для оператора вместо автономного бота без контроля.
Урок — автономность бота должна расти постепенно, вместе с проверкой на реальных диалогах.
История — голосовой ассистент в другом кейсе порекомендовал клиенту продукт банка-конкурента, довод в пользу «суфлёра» для оператора вместо автономного бота без контроля.
Урок — автономность бота должна расти постепенно, вместе с проверкой на реальных диалогах.
Сравнение пяти версий договора в разных форматах
Практика курса — PDF, Word, Excel
Задача — найти расхождения между пятью версиями одного документа, сохранёнными в разных форматах: PDF, Word, Excel и так далее.
Подход — модель сравнивает версии между собой и подсвечивает, где условия разошлись; формат файла напрямую влияет на качество распознавания.
Урок — золотой середины нет: часть данных надёжнее сверять отдельно, часть — грузить сразу в разных форматах и сравнивать результат.
Подход — модель сравнивает версии между собой и подсвечивает, где условия разошлись; формат файла напрямую влияет на качество распознавания.
Урок — золотой середины нет: часть данных надёжнее сверять отдельно, часть — грузить сразу в разных форматах и сравнивать результат.
Категоризация отзывов клиентов по системному промпту
Практика курса — отзывы на банковские отделения
Задача — почти 5 000 отзывов на банковские отделения нужно разложить на топ-5 категорий жалоб.
Подход — роль задаётся прямо в промпте: «Ты — специалист по анализу данных», формат ответа — таблица (номер, категория, количество отзывов, цитаты) для проверки на реальных примерах.
Урок — первая попытка модели часто обрабатывает не весь файл, а только его часть — результат обязательно сверяется числом отзывов на категорию, а не принимается на веру.
Подход — роль задаётся прямо в промпте: «Ты — специалист по анализу данных», формат ответа — таблица (номер, категория, количество отзывов, цитаты) для проверки на реальных примерах.
Урок — первая попытка модели часто обрабатывает не весь файл, а только его часть — результат обязательно сверяется числом отзывов на категорию, а не принимается на веру.
Инфографика движения денег — ЦБ, банк, клиент
Практика курса — генерация изображений
Задача — нарисовать линейную инфографику из трёх блоков (Центральный банк, коммерческие банки, клиенты) со стрелками и подписями на кириллице для презентации или отчёта.
Подход — детальный текстовый промпт: сколько блоков, что на каждом, куда идут стрелки, какая цветовая схема и стиль (минимализм, тонкие иконки).
Урок — инфографика с несколькими точными элементами — самая сложная генеративная задача из практики курса, но именно она чаще всего нужна в офисной работе.
Подход — детальный текстовый промпт: сколько блоков, что на каждом, куда идут стрелки, какая цветовая схема и стиль (минимализм, тонкие иконки).
Урок — инфографика с несколькими точными элементами — самая сложная генеративная задача из практики курса, но именно она чаще всего нужна в офисной работе.
ИИ-агент читает RSS Центробанка и готовит новости в Telegram
Практика курса — ИИ-агенты, день 2
Задача — сотрудник отдела отчётности вручную проверяет ленту новостей ЦБ РФ каждое утро.
Подход — RSS-триггер на новости с сайта ЦБ, языковая модель отбирает новое и релевантное, результат уходит в Telegram без участия человека.
Урок — задачу необязательно решать самому: то же самое можно поручить коллеге или подрядчику, у ИИ-агента низкий порог входа, а не только у автора курса.
Подход — RSS-триггер на новости с сайта ЦБ, языковая модель отбирает новое и релевантное, результат уходит в Telegram без участия человека.
Урок — задачу необязательно решать самому: то же самое можно поручить коллеге или подрядчику, у ИИ-агента низкий порог входа, а не только у автора курса.
Условное форматирование в Excel по инструкции ИИ — и ошибка модели
Практика курса — 14 000 строк кредитных данных
Задача — в таблице из 14 000 строк выделить красным все строки, где город выдачи кредита — Сочи.
Подход — модель предлагает несколько путей (фильтр, сводная таблица, условное форматирование, VBA), инструкцию выполняет вручную сам участник в Excel.
Урок — модель дала формулу со сдвигом на одну строку, ошибка нашлась только на этапе проверки результата — инструкции от ИИ тоже нужно перепроверять, а не выполнять вслепую.
Подход — модель предлагает несколько путей (фильтр, сводная таблица, условное форматирование, VBA), инструкцию выполняет вручную сам участник в Excel.
Урок — модель дала формулу со сдвигом на одну строку, ошибка нашлась только на этапе проверки результата — инструкции от ИИ тоже нужно перепроверять, а не выполнять вслепую.
Напишите про вашу задачу
Результат
После обучения участники
✓
Разбираются в устройстве генеративного ИИ, отличают ЧатГПТ, Клод, ДипСик, ЯндексГПТ и ГигаЧат, знают их ограничения
✓
Составляют промпты для финансовых задач — комплаенс, кредитный анализ, клиентские коммуникации, отчётность
✓
Работают с текстами и документами — резюмируют договоры, извлекают данные из отчётов, находят риски и нетипичные пункты
✓
Ускоряют рутину в Excel с помощью ИИ — формулы, макросы, сводные таблицы, без прямого счёта через языковую модель
✓
Понимают риски (галлюцинации, банковская тайна, 152-ФЗ) и умеют обезличивать данные перед загрузкой в нейросеть
✓
Знают позицию ЦБ РФ по регулированию ИИ на финансовом рынке
✓
Ориентируются в карте применений ИИ в банке — антифрод, скоринг, KYC, колл-центр, залоговая деятельность, комплаенс
✓
Знают, где ГигаЧат сильнее ЯндексГПТ, а где корпоративные ограничения банка требуют локального Квена вместо обоих
✓
Создают изображения, презентации и короткие видео и аудио под рабочие задачи с помощью ИИ
✓
Понимают RAG-подход — как получать ответы на основе внутренних документов организации, а не общих знаний модели
✓
Разбираются в архитектуре ИИ-агента и умеют собрать простого агента под рутинную задачу, без кода
✓
Формируют личный ИИ-стек — какие инструменты, для каких задач и с какими ограничениями безопасности
Нормативная база
Материалы для скачивания
Первоисточники, на которые опирается программа — ссылки ведут прямо на официальные сайты, без пересказа.
Указ Президента РФ № 490 от 10.10.2019
kremlin.ru · Национальная стратегия развития ИИ до 2030
Базовый документ отрасли — цель 80% работников с навыками ИИ к 2030 году против 5% в 2022-м.
Кодекс этики в сфере искусственного интеллекта
Альянс в сфере ИИ, 26.10.2021
Общий добровольный кодекс — основа, на которую опирается и отраслевой кодекс ЦБ РФ для финрынка.
Кодекс этики в сфере ИИ на финансовом рынке
Банк России, информационное письмо от 09.07.2025
Человекоцентричность, справедливость, прозрачность, безопасность, ответственное управление рисками — для банков и НФО.
Доклад Банка России «Применение ИИ на финансовом рынке»
Для общественных консультаций, ноябрь 2025
Итоги опроса 252 финансовых организаций — статистика по направлениям применения ИИ и рискам.
Рекомендации Банка России по информационной безопасности при ИИ
Методические рекомендации, июнь 2026
Первый в России документ об атаках на ИИ-системы (фаззинг, бэкдоры, инъекции) и мерах защиты на финрынке.
Заказчики
Кто уже обучался
Банки и финансовый сектор
Куда дальше
Следующий шаг
🏢 Нейросети для бизнеса
3–72 ч
Общая корпоративная программа по ИИ
🧰 ИИ-инструменты
обзор
Карта инструментов — что выбрать под задачу
📊 Excel Продвинутый
по запросу
Формулы, сводные таблицы, макросы для финансовой рутины
📈 Microsoft Excel
по запросу
Корпоративное обучение Excel — от базового до эксперта
🏛 ИИ для государственных организаций
8 ч
Российский контур, ФЗ-152, риски госуправления
🏭 ИИ для производственных компаний
8 ч
Техдокументация, контроль качества, коммуникация с заказчиками
Спикер и тренер
Алексей Борисов
Корпоративный тренер · Спикер · Предприниматель
С 2010 года провёл 230+ корпоративных программ в 60+ организациях — 5 500+ академических часов. Собственное банковское образование (Финансовая академия при Правительстве РФ) и опыт работы с финансовым сектором — Центральный банк РФ, Министерство финансов РФ, АО Банк «Национальный стандарт».
5 500+
часов
230+
программ
60+
организаций
Частые вопросы
FAQ по ИИ в финансовом секторе
Что нельзя загружать в нейросеть сотруднику банка?
Персональные данные клиентов и сотрудников, паспортные и платёжные реквизиты, сведения, составляющие банковскую тайну — без обезличивания в открытую облачную модель это не отправляется. Разбирается в блоке «Что можно и нельзя загружать в нейросеть».
Подходит ли ГигаЧат для банка?
В большинстве случаев да — ГигаЧат работает в российском контуре и обычно сильнее ЯндексГПТ по качеству. Исключение — банки-конкуренты Сбербанка, где на ГигаЧат может быть корпоративное ограничение, тогда на курсе разбираем локальный Квен как замену.
Можно ли работать с обезличенными документами в открытых моделях?
Да — после обезличивания (замена ФИО, паспортных данных, ИНН на заглушки) документ можно загружать в облачную модель, включая зарубежные. На курсе показываем готовый макрос для обезличивания перед отправкой.
Нужен ли доступ к реальным данным банка для обучения?
Нет — практика идёт на учебных данных и материалах курса. При желании участники приносят свои обезличенные документы или шаблоны, но это не обязательное условие.
Можно ли использовать зарубежные модели (ЧатГПТ, Клод) для работы с банковскими данными?
Нет — риски 152-ФЗ и банковской тайны, плюс личный опыт спикера с блокировками платных зарубежных аккаунтов (ЧатГПТ, Клод Макс, Перплексити).
Что делать с банковской тайной и персональными данными клиентов при работе с ИИ?
Обезличивание перед загрузкой в облачную модель, либо локальные модели или ГигаЧат Enterprise для чувствительных данных — разбирается отдельным модулем.
Можно ли доверять расчётам, которые выдаёт ИИ?
Нет — только формулам и коду, которые считает Excel. Разбирается на живом кейсе с расхождением расчётов, см. раздел «Практика».
Что говорит ЦБ РФ про использование ИИ в финансовых организациях?
Три ключевых документа 2025–2026 годов — мягкое регулирование, а не запрет. Все три доступны для скачивания в разделе «Материалы».
Заменит ли ИИ сотрудника банка?
Нет. ИИ даёт черновик и основу, экспертиза и финальное решение всегда остаются за человеком.
Нужны ли технические навыки или программирование?
Нет, достаточно базовых навыков работы в Excel — курс без кода, на готовых шаблонах и промптах.
Какие инструменты показываются на курсе?
ГигаЧат обычно сильнее ЯндексГПТ по качеству, но в банках-конкурентах Сбербанка на него может быть корпоративное ограничение — тогда разбираем локальный Квен как замену, плюс китайский контур (Квен, ДипСик, Кими) как резервный вариант без VPN.
Какой формат обучения — очно, дистанционно?
Оба формата возможны. Программа рассчитана на 2 дня по 8 часов — можно провести подряд или с перерывом между днями.
Сколько стоит программа?
160 000 ₽ за двухдневную программу (16 часов), независимо от числа участников.
Можно ли кастомизировать программу под конкретное подразделение?
Да — риск-менеджмент, комплаенс, кредитный отдел, колл-центр. Расскажите задачу — подберу акценты программы.
Почему это актуально именно сейчас?
ЦБ РФ (2025) — 74% российских банков и финтех тестируют или уже внедрили генеративный ИИ, в мире — 77% банков (EY-Parthenon, 2025).
Связаться
Обсудим вашу задачу
Пишите — расскажу про программу, стоимость и сроки. Обычно отвечаю в течение нескольких часов.