Майкл Уислер, директор по информационным технологиям M&T Bank, за несколько лет перестроил работу технологического блока регионального банка из Баффало. Главный сдвиг — команды разработки вернулись внутрь компании, а искусственный интеллект перестал быть абстрактной темой и превратился в конкретные сервисы для клиентов.
До прихода Уислера банк сильно зависел от подрядчиков. Это замедляло релизы и затрудняло контроль качества. Сейчас ключевые системы — мобильное приложение, процессинг платежей, обработка заявок — развиваются силами собственных инженеров. Внешние партнёры остаются, но только на узких задачах, где нужна специфическая экспертиза.
Отдельное направление — ИИ. Банк использует его в трёх сценариях. Первый — антифрод: модели анализируют транзакции в реальном времени и отсекают подозрительные операции быстрее, чем старые rule-based системы. Второй — клиентская поддержка: чат-бот на корпоративных данных помогает операторам быстрее находить ответы и снижает нагрузку на колл-центр. Третий — внутренние процессы: генерация документов, проверка анкет, первичная обработка заявок на ипотеку.
Уислер подчёркивает, что технологии — не самоцель. Банк смотрит на них через призму клиентского опыта. Если новый сервис не сокращает время ожидания, не упрощает процесс или не снижает число ошибок — от него отказываются. Именно поэтому ИИ-инициативы проходят через жёсткий фильтр метрик: время обработки заявки, процент автоматизированных операций, оценка клиентов после взаимодействия.
Для регионального банка такой подход — вопрос выживания. M&T Bank работает в штатах вдоль восточного побережья США и конкурирует с JPMorgan Chase и Bank of America, у которых бюджеты на ИТ на порядок больше. По словам Уислера, преимущество меньших игроков — скорость принятия решений и близость к клиенту. Собственная разработка позволяет быстрее запускать пилоты, тестировать гипотезы и откатываться назад, если что-то не работает.
Команда Уислера также пересмотрела работу с данными. Раньше разные подразделения хранили информацию в изолированных системах, из-за чего аналитика занимала недели. Сейчас банк строит единое хранилище и внедряет платформу, которая позволяет моделям получать доступ к обезличенным данным в рамках регуляторных требований. Это упрощает и обучение ИИ, и подготовку отчётности.
Следующий шаг — генеративный ИИ для сотрудников бэк-офиса. Пилотные проекты уже тестируют сценарии, где модель подсказывает оператору, как ответить клиенту, или сама формирует черновик ответа на типовые обращения. Банк сознательно не выводит такие инструменты сразу на всех сотрудников: сначала их проверяют на ограниченных группах и сравнивают результаты с контрольной выборкой.
Подход M&T Bank отражает общий тренд в американском банковском секторе: крупные игроки тратят миллиарды на ИИ, но региональные банки компенсируют разрыв скоростью внедрения и фокусом на конкретных задачах. По мнению Уислера, гонка за размером модели уступает место гонке за качеством внедрения.
Региональный банк из Баффало за пять лет прошёл путь от аутсорсинга почти всей разработки до собственных команд и работающих ИИ-сервисов. Это пример того, как технологическая стратегия может стать конкурентным преимуществом без космических бюджетов.
