Itaú Unibanco разворачивает генеративный ИИ одновременно во внешних банковских сервисах и внутренних процессах. Центральными элементами стратегии стали диалоговый интерфейс ia.i для клиентов и платформа IARA для создания и управления AI-решениями. В первой фазе ia.i стал доступен примерно 300 тысячам клиентов, а охват всей клиентской базы к концу 2026 года обозначен как цель, а не как уже достигнутый результат. Для банковского рынка проект значим попыткой масштабировать GenAI в среде, где персональные финансовые данные, клиентские рекомендации и операции требуют постоянного контроля.

Диалоговый слой над банковскими продуктами.

Согласно описанию проекта OpenAI, ia.i объединяет в одном диалоге запросы, связанные со счетами, кредитами, картами, страхованием и другими услугами. Пользователь может обращаться к системе текстом или голосом, а при необходимости переводится на специализированную поддержку сотрудника. Это отличает продукт от узкого помощника для одной операции: банк пытается сделать разговорный интерфейс общей точкой входа в несколько финансовых сценариев.

Основой персонализации в Itaú называют слой Customer DNA. Он должен учитывать потребности, привычки и жизненные этапы примерно 70 миллионов клиентов; GPT-модели входят в набор компонентов, которые поддерживают и обогащают это представление. Банк связывает такой подход со спросом на финансовую помощь: в приведённом им исследовании с Grupo Consumoteca 80% респондентов хотели бы лучше организовать финансовую жизнь, а 65% — получать постоянные рекомендации от технологического «финансового второго пилота». Эти данные говорят о заявленном пользовательском спросе, но не измеряют качество советов ia.i.

Ставка на несколько моделей, а не на одного поставщика.

Архитектура Itaú строится не вокруг единственной LLM. Как сообщало издание TI Inside со ссылкой на технологическое руководство банка, внутренняя платформа Inteligência Itaú использует несколько фундаментальных моделей — собственных и с открытым исходным кодом, — доработанных на данных организации. В публикации также говорилось о более чем 750 кейсах в разработке и 150 решениях, введённых в промышленную эксплуатацию. Эти цифры показывают ширину внутреннего портфеля, но не позволяют судить о пользе каждого отдельного кейса.

Мультимодельный подход даёт банку возможность подбирать компоненты под разные задачи и не привязывать весь продукт к одному поставщику. При этом публичные материалы не раскрывают, какая модель выбирается для конкретного запроса, как организованы оценка ответов, маршрутизация и обработка ошибок. На этот пробел указывал и разбор Blockchain.News: доступные сведения описывают стратегию и контур управления, но не содержат подробных технических метрик клиентского сервиса.

Платформа управления становится частью продукта.

IARA в этой схеме важна не меньше клиентского интерфейса. В партнёрском материале Fast Company Custom Studio она описана как внутренняя платформа, упрощающая создание, эксперименты и управление AI-инициативами. Банк при этом распределяет поиск прикладных сценариев между командами, близкими к конкретным клиентским проблемам. Такая модель позволяет не ждать единого продукта от центрального AI-подразделения, но требует единых правил доступа к данным, тестирования и вывода решений в эксплуатацию.

Для высокорисковых решений Itaú, по данным репортажа Forbes с конференции Febraban Tech, использует комитеты по управлению AI на уровне совета директоров и операционного управления, а также оценки общественного воздействия перед запуском. Для части решений, включая одобрение кредитов выше определённых порогов, предусмотрен человеческий контроль. Это отделяет разговорный интерфейс и рекомендации от автоматического принятия решений с прямыми финансовыми последствиями.

Внутренние процессы дают банку возможность проверять экономический эффект GenAI на менее публичных сценариях. В кейсе OpenAI упомянуто юридическое решение с репозиторием более 90 миллионов документов и заявленным диапазоном роста эффективности процессов подразделения от 20% до 80%. В интервью для обзора Capgemini CIO Itaú Рикардо Гуэрра также говорил, что GenAI читает свыше 70 тысяч юридических документов ежемесячно. Эти показатели относятся к разным измерениям и не должны складываться в единый эффект для всего банка.

Что можно извлечь из стратегии Itaú.

Кейс Itaú показывает, что массовый банковский GenAI-проект состоит не из одного чат-бота и одной модели. Его опорами становятся слой клиентского контекста, набор моделей, платформа для внутренних команд и отдельный контур контроля. При этом заявка на полный охват клиентов остаётся планом, поэтому реальную устойчивость подхода определят качество ответов, число переводов к сотрудникам, безопасность операций и способность банка поддерживать единые правила при росте числа сценариев.

  • Если Вы создаёте AI-продукт для регулируемой отрасли, закладывайте управление доступом и проверку рисков в платформу, а не добавляйте их после запуска.
  • Мультимодельная архитектура может снижать зависимость от одного поставщика, но требует прозрачных правил выбора, оценки и мониторинга моделей.
  • Метрики внедрения стоит разделять: количество решений, число пользователей, скорость процессов и качество финансовых рекомендаций отвечают на разные вопросы.