Корпоративное обучение · ИИ для банков и финансовых организаций
Обучение ИИ для банков и финансовых организаций
Двухдневная программа на 16 академических часов для сотрудников банков и финансовых организаций. Практика проходит на учебных, согласованных обезличенных материалах или корпоративном стенде. RAG и ИИ-агенты собираем внутри разрешённого контура.
Алексей Борисов — спикер по ИИ для банков и финансовых организаций, выступаю на профильных конференциях и внутри банков.
Банк России, 2025 год — в опросе 252 финансовых организаций одна пятая уже использовала ИИ, ещё треть планировала внедрение в течение трёх лет.
Обучение ИИ для банков и финансовых организаций — состав курса
16 академических часов, 2 дня — от основ генеративного ИИ и промтинга до ИИ-агентов, RAG на внутренних данных и регулирования ЦБ РФ.
ЦБ РФ ведёт три ключевых документа по ИИ на финрынке (2025–2026) — Кодекс этики, доклад о применении ИИ, рекомендации по информационной безопасности — все три разбираются в программе.
День 1 · Основы искусственного интеллекта в финансовой организации (8 ч)
01
Как устроен генеративный ИИ
1,5 ч
T9 и как из него вырос ЧатГПТТокены, контекстное окно, галлюцинацииАлиса, ГигаЧат, Квен, ДипСик, Кими, ЧатГПТ, Клод, Джемини и другие инструментыРоссийский, китайский, американский контуры
02
Промтинг — разговор с моделью
1,5 ч
Действие, контекст, формат, ограничения, пример и рольСистемный промт и память моделиПочему галлюцинации не лечатся промтомПрактика — сценарии участников
03
Работа с текстами и документами
2 ч
Сравнение пакетов документовИзвлечение ключевых условийДоговоры, отчёты, нормативкаПрактика на согласованных обезличенных или учебных документах
04
Анализ данных и таблицы
2 ч
Как модели работают с числамиИИ + Excel — формулы, макросы VBAPower Query, сводные таблицы по описаниюПрактика — кредитный портфель, отчётность
05
Персональный ИИ-стек
1 ч
Выбор инструментов под задачиСценарии банковской работыНейроюрист — поиск по базе ГарантКонспект длинных видео в согласованном сервисе
День 2 · Практика — изображения, голос, видео, ИИ-агенты и регулирование (8 ч)
06
Изображения, презентации, голос и видео
1,5 ч
Шедеврум, КандинскийПрезентации — ГаммаОзвучка, аватары, короткие роликиПрактика — материал под задачу участника
07
Поиск и исследования
1,5 ч
Перплексити и Deep ResearchМониторинг изменений ЦБ и нормативной базыDraw.io — схемы процессов (BPMN)Проверка источников и придуманных прецедентов
08
RAG — ИИ на собственных данных
2 ч
RAG vs дообучениеБаза знаний организацииFAQ колл-центра, регламенты, переговорыРаспознавание и транскрибация речи
Что нельзя отправлять в облакоДействующие материалы Банка России, 152-ФЗ и внутренние регламентыПрактика — личный ИИ-стек участника
Ограничения и регуляторика
Что можно и нельзя загружать в нейросеть
Банк работает с персональными данными и банковской тайной — этому посвящён отдельный модуль курса.
Нельзя загружать в открытую облачную модель
ЧатГПТ, Клод, Перплексити и другие зарубежные сервисы
Персональные данные, платёжные реквизиты, банковскую тайну и непубличные документы не загружают в публичный сервис без разрешения владельца данных и службы ИБ. Риск блокировки внешнего сервиса учитывают отдельно.
Только в согласованном контуре
ГигаЧат, ЯндексГПТ, локальные модели
Для практики используют учебные материалы, согласованные обезличенные документы или корпоративный стенд. Конкретный сервис выбирают по категории данных, архитектуре, договору и внутреннему регламенту.
152-ФЗ и банковская тайна
Регуляторная база
Требования 152-ФЗ, банковской тайны и внутренних регламентов действуют при выборе любого инструмента. Допустимый контур согласуют владелец данных и служба ИБ.
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
Каждый блок закрепляем упражнением на синтетических, публичных или согласованных материалах. Для рабочей задачи заранее определяем допустимую среду обработки.
Пишут и дорабатывают промты под свои задачи — комплаенс, кредитный анализ, клиентские коммуникации
Сравнивают разрешённые модели на одной задаче и проверяют различия в ответах. Обзор строится в порядке Алиса, ГигаЧат, Квен, ДипСик, Кими, ЧатГПТ, Клод, Джемини и другие инструменты.
Готовят обезличенный документ и согласуют допустимый контур с владельцем данных и службой ИБ
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 промта — без кода
Живая практика
Практика на документах и таблицах — кейсы финансовых организаций
Договоры, регламенты, черновики ответов, отчёты, Эксель и поиск по базе знаний. В каждом упражнении есть исходный материал, ожидаемый результат и способ проверки.
Сводная таблица кредитного портфеля в Excel + ИИ
Практическое задание курса
Задача — большой массив данных по кредитному портфелю нужно свести и проанализировать. Подход — ИИ помогает подготовить формулы, макросы и шаги преобразования. Эксель выполняет расчёт, сотрудник проверяет правило и состав данных. Урок — проверяем число строк, дубли, пропуски и контрольный итог. Валюты учитываем отдельно. Формула или код также требуют проверки на примере с известным результатом.
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 Яндекс СпичКит больше 504 000 секунд записей, около 140 часов. Стоимость распознавания зависит от сервиса и режима, поэтому её проверяем перед занятием.
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. Лимит файлов зависит от модели, тарифа и даты. Перед практикой проверяем его в интерфейсе сервиса, а полноту обработки контролируем по числу документов и разделов. Урок — формат проверяем на контрольном фрагменте. Таблицы, сноски, отрицания и суммы должны сохраниться после извлечения. Каждый существенный вывод сопровождаем ссылкой на пункт и цитатой.
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 промтом; корректный ответ — 5 обращений безопаснику, 10 телеграфисту. Урок — проверяем распределение по эталону, отдельно разбираем спорные обращения и повторяем тест после исправления инструкции.
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 — система компьютерного зрения ищет объекты на снимке. Проверяем качество на размеченных примерах и отдельно согласуем размещение модели, хранение изображений и внешние подключения. Урок — срок и качество зависят от объектов, ракурсов, разметки и интеграции. Оценку залога и решение по обеспечению принимает уполномоченный специалист.
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 — на синтетической таблице проверяем макрос замены идентификаторов и отдельно просматриваем свободные комментарии. Код запускаем на копии после проверки. Урок — замена идентификаторов требует проверки и не даёт автоматического разрешения на внешнюю передачу. Допустимую среду определяют владелец данных и служба ИБ.
RAG-бот по регламентам и FAQ колл-центра
Практика курса — день 2
Задача — ответ сотруднику или клиенту должен опираться на актуальные внутренние документы. Подход — поиск по базе знаний передаёт модели подходящие фрагменты регламентов и инструкций. В ответе нужны ссылка на источник, его редакция и явное указание на недостаток сведений. Урок — подключённая база знаний не исключает ошибку. Проверяем найденный фрагмент, актуальность документа и вопрос, на который в базе нет ответа.
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 промтом и понятного выхода, без кода. Урок — за словом «агент» стоит понятная архитектура из простых блоков — триггер, модель, промт, 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.
Проверка расчётов ИИ и Excel
Демонстрация на занятии
Контекст — сравниваем числовой ответ модели с расчётом в Экселе на одном учебном наборе. История — расхождение наглядно показывает, что модель может ошибиться в арифметике, даже если рассуждает уверенно. Урок — результат расчёта сверяем с исходными данными и контрольным примером. Формулу и код проверяем отдельно от объяснения модели.
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.
Проверка одной инструкции в пяти форматах
Практика курса — DOCX, HTML, PDF, RTF, TXT
Задача — сравнить чтение одной учебной инструкции в форматах DOCX, HTML, PDF, RTF и TXT. Подход — проверяем извлечение таблицы сроков и поиск заранее известной нестыковки дат в каждом формате. Урок — отдельно оцениваем полноту чтения и смысловой вывод. Число загруженных файлов сверяем с реестром, спорные места открываем в оригинале.
Категоризация отзывов клиентов по системному промту
Практика курса — отзывы на банковские отделения
Задача — почти 5 000 отзывов на банковские отделения нужно разложить на топ-5 категорий жалоб. Подход — Роль задаётся в промте словами «Ты — специалист по анализу данных». Ответ возвращается таблицей с номером, категорией, количеством отзывов и цитатами для проверки. Урок — первая попытка модели может обработать только часть файла. Результат сверяется по общему числу записей, сумме категорий и контрольным примерам.
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 промт задаёт число блоков, содержание, связи, цветовую схему и стиль. Урок — проверяем число блоков, направление стрелок, подписи и смысл связей. Схема служит учебным объяснением и требует содержательной проверки.
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 — сценарий получает открытые новости Банка России, модель готовит краткую сводку со ссылками. Учебную отправку проверяем в разрешённом канале; значимые выводы сотрудник сверяет с первоисточником. Урок — Задачу можно передать коллеге или подрядчику. Для первого прототипа ИИ-агента достаточно базового понимания процесса.
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 нужно перепроверять.
Упражнения по документам, таблицам и внутренним обращениям завершаем проверкой результата. На выходе остаются таблица с основаниями, контрольный пример и следующий шаг для своей организации. Ниже — слайды программы с синтетическими заданиями и порядком переноса практики.
Документ с проверяемыми выводами
Извлекаем условия, сохраняем цитаты и пункты, отмечаем противоречия и нечитаемые фрагменты. Отделяем факты от вопросов специалисту.
Синтетический договор с вымышленными сторонами.
Таблица с контрольным итогом
Сверяем строки, дубли, пропуски и единицы измерения. Эксель выполняет расчёт по проверенному правилу. Валюты анализируем отдельно.
Очистка и проверка учебной таблицы перед расчётом.
Перенос в разрешённую среду
Повторяем пример в доступной модели, готовим решение для офисных программ или передаём ИТ входные данные, ожидаемый выход и критерии приёмки.
Порядок действий зависит от разрешённых инструментов.
Одна задача на первый месяц
Сохраняем запрос и учебные примеры. Учитываем время проверки и исправлений, затем обсуждаем результат с владельцем процесса.
Ориентир на первый месяц после обучения.
Скриншоты открываются в полном размере. Конкретный набор упражнений и среду обработки согласуем до обучения. План на месяц служит ориентиром и не означает обещание внедрения за фиксированный срок.
Результат
После обучения участники
Разбираются в устройстве генеративного ИИ и выбирают инструмент по задаче, данным, доступу, бюджету и интеграциям
Составляют промты 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 галлюцинаций, банковской тайны и 152-ФЗ. Проверяют источники, расчёты и допустимый контур.
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
Выбирают модель по задаче, данным, доступу, бюджету и интеграциям
Создают изображения, презентации и короткие видео и аудио под рабочие задачи с помощью ИИ
Проверяют ответы по базе знаний — находят основание в документе, учитывают редакцию и передают человеку вопросы без достаточных сведений
Разбираются в архитектуре ИИ-агента и умеют собрать простого агента под рутинную задачу, без кода
Сохраняют одну рабочую задачу, учебные примеры, критерии проверки и план переноса в разрешённую среду на ближайший месяц
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 государственной политики в сфере ИИ. Действующие показатели и сроки сверяем по официальному тексту.
АО Банк «Национальный стандарт»Центральный банк Российской ФедерацииМинистерство финансов РФОТП БанкПромсвязьбанкТ-БанкРФОПФинансовый университет при Правительстве РФФинансовая академия при Правительстве РФ
Практик · Предприниматель · Спикер по ИИ для банков и финансовых организаций
С 2010 года провёл 282 мероприятий для 75 организаций — 5 118 академических часа. Собственное банковское образование (Финансовая академия при Правительстве РФ) и опыт работы с финансовым сектором — Центральный банк РФ, Министерство финансов РФ, АО Банк «Национальный стандарт».
5 118
часов
282
мероприятий
75
организаций
Частые вопросы
FAQ по ИИ в финансовом секторе
Что нельзя загружать в нейросеть сотруднику банка?
Персональные данные, платёжные реквизиты, банковскую тайну и непубличные документы не загружают в публичный сервис без разрешения владельца данных и службы ИБ. Допустимый путь разбираем на отдельном модуле.
Подходит ли ГигаЧат для банка?
ГигаЧат можно использовать, если его разрешает организация и архитектура соответствует требованиям к данным. Качество сравниваем на контрольной задаче. При ограничениях выбираем другую разрешённую модель.
Можно ли работать с обезличенными документами в открытых моделях?
Обезличивание снижает риск и не даёт автоматического разрешения на внешнюю передачу. Допустимый сервис определяют владелец данных и служба ИБ по внутреннему регламенту.
Нужен ли доступ к реальным данным банка для обучения?
Практика идёт на синтетических данных и материалах курса. Собственные документы и шаблоны используются только после согласования их состава и среды обработки с организацией.
Можно ли использовать зарубежные модели (ЧатГПТ, Клод) для работы с банковскими данными?
Публичные зарубежные сервисы не используют для персональных данных, банковской тайны и непубличных документов. Для открытых или согласованных обезличенных материалов решение принимает организация.
Что делать с банковской тайной и персональными данными клиентов при работе с ИИ?
Сначала определяют категорию данных и допустимый контур. Затем настраивают права, журналирование, хранение и человеческое подтверждение. Архитектуру согласуют владелец данных и служба ИБ.
Можно ли доверять расчётам, которые выдаёт ИИ?
Числовой ответ требует проверки. Расчёт выполняем в Экселе или другом согласованном инструменте, затем сверяем правило, исходные строки и контрольный итог. Сам факт выполнения кода не гарантирует правильность.
Что говорит ЦБ РФ про использование ИИ в финансовых организациях?
Три ключевых документа 2025–2026 годов — мягкое регулирование. Все три доступны для скачивания в разделе «Материалы».
Заменит ли ИИ сотрудника банка?
В программе разбираем помощь сотруднику при подготовке и проверке результата. Изменение ролей и автоматизацию отдельных операций организация оценивает отдельно с учётом риска и ответственности.
Нужны ли технические навыки или программирование?
Достаточно базовых навыков работы с офисными программами. Участники составляют запросы и используют учебные шаблоны. Формулы и сгенерированные макросы разбираем и проверяем на копии данных.
Какие инструменты показываются на курсе?
Обзор строится в порядке Алиса, ГигаЧат, Квен, ДипСик, Кими, ЧатГПТ, Клод, Джемини и другие инструменты. Для практики используем только доступные и разрешённые организации сервисы.
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?
Вебинар стоит 50 000 ₽, очный семинар — 60 000 ₽. Стоимость двухдневной программы рассчитываю после брифа.
Можно ли кастомизировать программу под конкретное подразделение?
Банк России опросил 252 финансовые организации в 2025 году. Одна пятая уже использовала ИИ, ещё треть планировала внедрение в течение трёх лет.
Материалы по теме
Разборы конкретных сценариев
Два новых разбора по практике сентябрьских занятий — проверка документов и перенос упражнения в рабочую среду банка. Дополнительно — безопасность внедрения и финансовая отчётность.
