Банк как AI-компания: как Т-Технологии внедряют ИИ в каждый процесс с 2016 года

Большинство банков говорят об ИИ на конференциях. Т-Технологии внедряют его с 2016 года — и цифры говорят сами за себя.

В первой части серии я разбирал финансы: 1,4 трлн выручки, 192 млрд прибыли, 54 млн клиентов. Эти цифры впечатляют, но они — следствие, а не причина. Причина — то, как Т-Технологии устроены изнутри. И главная их особенность — не «банк, который купил ИИ», а компания, которая 9 лет подряд внедряла машинное обучение в каждый процесс. Сегодня — про то, что у Т под капотом, и почему это важно даже тем, кто не открывал ни одной их карты.

Я предупрежу заранее: эта часть — самая «техническая» в серии. Будут аббревиатуры (LLM, ML, MAU), будут странные названия продуктов (T-Pro, NAML, Sage, Robocoach) и будут проценты. Но если вы маркетолог, владелец малого бизнеса или просто человек, который хочет понимать, как устроены технологические компании в 2026 году — оно того стоит. Потому что то, что Т-Технологии строят прямо сейчас, через два-три года будет в том или ином виде у каждого крупного российского игрока. Лучше знать заранее.

Чтобы вы поняли масштаб: в банке с 34 млн активных клиентов даже 1% обращений — это сотни тысяч диалогов в месяц. А 45% — это инфраструктура, которая на классических колл-центрах вообще не строится. Это другой класс операционной модели. И именно сюда уходит главный «секрет» прибыльности Т: не в том, что у них дешёвые продукты, а в том, что у них дешёвая поддержка этих продуктов. Маржа делается в операционке, и операционка у них — на ИИ.

Девять лет ИИ: как мы сюда пришли

Большинство компаний начинают говорить про ИИ в 2023 году — после того как мир увидел ChatGPT. У Т-Технологий машинное обучение в продакшене с 2016-го. Это, между прочим, на год раньше, чем выпустил Google свою знаменитую статью «Attention is all you need» (2017), на которой сегодня построены все LLM.

Если присмотреться, видна интересная закономерность. Каждые два года Т-Технологии не просто «обновляют существующее», а добавляют новый класс ИИ-возможностей: сначала скоринг, потом голос, потом антифрод, потом языковые модели, потом агенты. Это не «один проект про ИИ» — это постоянный встроенный процесс. И это — главное отличие компаний, которые внедрили ИИ как культуру, от тех, кто купил подписку на готовое решение.

Ключевая мысль для маркетолога: ИИ-преимущество накапливается так же, как и любой капитал — годами. Когда в 2023-м все начали догонять, у Т уже было 7 лет фундамента и обученных команд. Это и есть «технологический ров», про который любят говорить инвесторы.

ИИ-инструменты Т: 10 продуктов под капотом

Чтобы было нагляднее, я собрал десять ключевых ИИ-продуктов в одну сетку — с категориями, чтобы можно было быстро отфильтровать те, что вам ближе. Категория сверху меняет, какие карточки видны на экране. Это все собственные продукты Т — большинство используется внутри, часть продаётся внешним клиентам.

Заметили, что бросается в глаза в этом списке? Это не «AI-фичи поверх банка». Это полноценный технологический холдинг внутри банка. Sage, Safeliner, Unidraw, Time, Robocoach — это всё продукты, которые продаются (или скоро будут продаваться) на внешнем рынке. У Т-Технологий, по сути, выросло отдельное B2B-SaaS направление, которое в перспективе может стать самостоятельным бизнесом — как когда-то AWS вырос из внутренней инфраструктуры Amazon.

Собственная LLM: T-Pro 2.0 vs рынок

Тут стоит остановиться отдельно. Иметь собственную большую языковую модель в 2026 году — это не «приятный бонус», это конкурентное преимущество, которое стоит миллиарды и требует команды из сотен ML-инженеров. Кто это себе может позволить в России? По пальцам одной руки: Сбер с GigaChat, Яндекс с YandexGPT, Т с T-Pro и пара академических центров. Всё.

Что делает T-Pro 2.1 (текущая флагманская версия):

• Понимает и генерирует русскоязычный текст на уровне «человеческой» переписки.
• Натренирована на банковских и финтех-сценариях — отличает запрос «как закрыть карту» от «как закрыть кредит» с правильным контекстом.
• Работает в паре с T-Lite 2.1 — лёгкой версией, которая берёт на себя 70-80% рутинных вопросов и пускает «в большую модель» только сложные.

T-One — отдельный продукт. Это потоковая модель для голоса: она слышит человека, понимает его в реальном времени и отвечает голосом. Это те самые «ИИ-операторы», которые звонят, отвечают на входящие, проводят опросы. И в 2025 году Т выложила T-One в открытый доступ — то есть любой разработчик в России может её скачать и использовать. Для банковской экосистемы это нетипичный жест, но он работает: чем больше людей используют T-One, тем сильнее экосистема и сильнее бренд Т как «технологической» компании.

Что важно для маркетолога. Когда у вашего клиента или конкурента появляется собственная LLM, это меняет правила игры в нескольких местах: время реакции на запросы клиентов сокращается до миллисекунд, цена обработки одного диалога падает в десятки раз, появляются новые продуктовые механики (умные подсказки, проактивная коммуникация, персонализация контента). Если ваш продукт работает в схожем сегменте и пока не использует LLM — стоит хотя бы протестировать, что меняется при подключении ChatGPT/Claude/YandexGPT через API. На этом шаге уже можно получить разницу в эффективности клиентского сервиса в 2-3 раза.

Для бизнеса: рекламная платформа ×6 и каждый 4-й МСБ

Теперь — про сторону, которая особенно интересна предпринимателям и маркетологам. Т давно перестал быть просто «банком для бизнеса». Это финтех-экосистема, которая хочет быть основным B2B-каналом продаж в стране.

Цифра, которая меня лично цепляет больше всего: рост продаж рекламодателей на 600%. Это не маркетинговое преувеличение — это медианная или средняя по платформе. Почему такой эффект возможен? Потому что Т имеет уникальный актив, которого нет даже у Яндекса: транзакционные данные 34 млн активных клиентов. Они знают, кто, что, когда и где покупает в реальном мире. И когда рекламодатель приходит с условным «продуктом для родителей с детьми 3-7 лет в Москве, средний чек 5-15 тыс.», Т-платформа может построить сегмент с точностью, которая большинству DSP даже не снилась.

Этот же актив работает и в T-Data — отдельном сервисе аналитического консалтинга на базе обезличенных транзакционных данных. То есть Т продаёт не саму рекламу, а понимание поведения покупателей. Условный ритейлер может прийти, заплатить и узнать: «как меняется средний чек в категории Х по регионам», «какая доля покупателей перетекла к конкуренту за последние 3 месяца», «какие категории растут быстрее всего среди людей 25-35». Это золото для FMCG, фармы, ритейла.

Маркетинговое наблюдение: в 2025 году финтех-платформы вошли в топ источников рекламного трафика вместе с поисковиками и соцсетями. Если вы маркетолог в FMCG, ритейле, услугах для физлиц — рекламная платформа Т должна быть в вашей медиамиксе как минимум на тестирование.

ИИ и разработчики: 42% кода и 78 тыс. релизов

Я уже упоминал агентский режим, но тут стоит сделать отдельный заход — потому что цифры по разработке у Т, мягко говоря, нерядовые. Это уже не «банк, который что-то пилит», это технологический конвейер промышленного класса.

Расшифрую самое неочевидное.

78 000 релизов в год — это, грубо, 213 деплоев каждый день. То есть несколько раз в минуту в каком-то сервисе Т-Банка появляются изменения. Для контекста: классический корпоративный банк-«монстр» делает 1-2 крупных релиза в месяц. Т делает 200+ в день. Это абсолютно другая операционная философия. Возможна она только потому, что половина рутины автоматизирована: тесты, проверки, развёртывание, мониторинг.

Lead Time For Changes сократился на 39%. Это техническая метрика DevOps — время от того момента, как разработчик написал строчку кода, до момента, когда этот код реально работает в проде у клиентов. Сократить её на 39% за год — серьёзно. Это значит, что любая идея от продукт-менеджера долетает до пользователя на 39% быстрее. В современном финтехе это конкурентное преимущество в чистом виде: пока конкурент анализирует фичу, Т её уже выкатил, измерил конверсию и сделал вторую итерацию.

42% кода пишет ИИ в B2B-направлении. Это уже про агентский режим — когда ИИ берёт задачу типа «добавь обработку нового поля в API клиента» и сам идёт по проекту, понимает структуру, пишет нужные файлы, добавляет тесты. Эта статистика — не «чат-помощник подсказал пару строк», это полноценные коммиты от агента, которые потом ревьюит человек. Через 2-3 года эта доля у Т, по их же планам, дойдёт до 60-70%.

Главный вывод для маркетолога и предпринимателя: скорость как функция. У ИИ-первых компаний цикл «идея → тест → результат» короче в разы. Если вы конкурируете с такой компанией, вашу обычную итерацию в полгода они проходят за месяц. Это критически меняет требования к скорости вашей команды и инструментам, которыми вы пользуетесь.

Квиз: какой ИИ-инструмент нужен вашему бизнесу?

Чтобы это всё не осталось абстрактной теорией, давайте через мини-квиз. 4 вопроса — и я подскажу, какой класс инструментов из тех, что описаны выше, имеет смысл смотреть в первую очередь именно вам. Это не реклама конкретно Т-Pro или Sage — это про категорию решений, которые сегодня есть у разных вендоров.

5 инсайтов для маркетолога

Окей, мы пробежались по продуктам, моделям, цифрам. Что из этого реально полезно для маркетолога/предпринимателя? Сводно — пять выводов, которые я бы сам вынес из этой части годового отчёта.

Что дальше в серии

Это была вторая часть из трёх. Мы разобрали ИИ-инфраструктуру и B2B-направление. Получилось довольно концентрированно — спасибо, что дочитали.

Часть 3 — Продукты для людей и борьба с мошенниками. Самая «человеческая» часть серии. Что Т делает для физлиц: финтех-маркетплейс, инвестиции, страхование, образовательные сервисы, инвест-ассистент с ML. И отдельный большой блок — антимошенническая инфраструктура, которой Т уделяет всё больше внимания (ИИ обрабатывает 30% инцидентов кибербезопасности без сотрудников и останавливает 86% фишинговых атак).

Часть 1 — Финансы. Если вы пришли сюда сразу из второй части, рекомендую вернуться к первой: 1,4 трлн выручки, 192 млрд прибыли, доля в Яндексе и Selectel, инвестиционный кейс. Это контекст, без которого технологическая часть выглядит просто красивыми циферками.