Sberbank: يحل الذكاء الاصطناعي 65% من استفسارات العملاء في مركز الاتصال

• ИИ на линии: Сбербанк автоматизировал рассмотрение более 65% клиентских обращений — CNews, 2026-06-15
• Сбер автоматизировал рассмотрение более 65% клиентских обращений — AK&M, 2026-06
• Сбер внедрил GigaChat в контактный центр — CNews, 2024-11-07
• ИИ принёс Сберу 300 млн руб. за счёт оптимизации обработки звонков — ComNews, 2024-03-01
• Сбер сэкономит более 7 тыс. часов в месяц благодаря внедрению ИИ в контакт-центре для бизнеса — PLUSworld, 2024
• GigaChat (обучение на суперкомпьютерах Christofari / Christofari Neo) — Википедия, 2026-07-10

السياق

Sberbank هو أكبر بنك روسي بأكثر من 110 ملايين عميل بالتجزئة ومطور نموذجه اللغوي الكبير الخاص به، GigaChat. هذا تكوين نادر عالميًا: البنك لا يشتري الذكاء الاصطناعي من مورد بل يدرب نماذجه الخاصة على بنيته التحتية الخاصة — أجهزة Christofari و Christofari Neo الفائقة (Cloud.ru) مع معالجات NVIDIA A100 GPU.

يخدم مركز اتصال البنك عملاء التجزئة والعملاء المؤسسيين عبر قنوات الصوت والنصوص. بهذا الحجم، أتمتة الدعم ليست تجربة بل أحد أهم روافع الكفاءة التشغيلية: أجزاء من نقطة مئوية من الأتمتة تترجم إلى مئات المشغلين.

تم تنفيذ نشر الذكاء الاصطناعي على مراحل وتوثيقه في الصحافة في كل خطوة. في عام 2023 قام البنك بتحسين توجيه الذكاء الاصطناعي لاستدعاءات العملاء المؤسسيين — السيناريو الأكثر قابلية للقياس و'ممل' والذي مع ذلك أنتج أول عائد مالي معروف للعامة. منذ نوفمبر 2024 بدأت مساعد GigaChat للمشغل في العمل في مركز اتصال العملاء المؤسسيين. وللربع الأول من عام 2026 أبلغ البنك عن نسبة الاستفسارات التي يحلها الذكاء الاصطناعي بدون أي تدخل بشري على الإطلاق — مقارنة ببيانات سوق Frank RG، وهذا نادر بالنسبة للسوق الروسية.

هذا التسلسل — التوجيه والمساعد المشغل والأتمتة الكاملة — يجعل حالة Sber خارطة طريق مفيدة لأي مركز اتصال كبير: تسير المراحل من البسيط إلى المعقد، وكل منها له مقياس نجاح خاص به.

المشكلة

بحجم أكبر بنك في البلاد، تهيمن الاستفسارات الروتينية على تدفق مركز الاتصال، وكل دقيقة معالجة تتضاعف بملايين الحوارات. كان توجيه الاتصالات من العملاء المؤسسيين مشكلة خاصة: قبل التحسين استغرق وقتًا أطول بـ 3.5 مرة من بعده (وفقًا لـ ComNews، 18 ثانية بعد التنفيذ). عميل الأعمال الذي ينقل بين الخطوط ليس مجرد إزعاج بل تكلفة مباشرة: كل نقل إضافي يستهلك وقت المشغل.

قال ألكسندر كروشينسكي، مدير تكنولوجيا الصوت في BSS، لـ ComNews أن 'جيدة' الأتمتة للخط الوارد هي 30–60٪ — ووصف القطاع المؤسسي بأنه أحد الأصعب: مواضيع عملاء الأعمال أوسع، والصياغة أكثر تحديدًا، وتكلفة الإجابة الخاطئة أعلى.

كان الألم الثاني يتعلق بالمشغلين أنفسهم: أثناء المحادثة كان عليهم البحث يدويًا في قاعدة المعرفة. بينما يبحث المشغل عن التنظيم، ينتظر العميل على الخط؛ تعتمد جودة الإجابة على سرعة تنقل الشخص عبر الوثائق. هذه الفجوة — بين المعرفة التي يمتلكها البنك وسرعة الوصول إليها أثناء المحادثة — هي بالضبط ما يسده مساعد المشغل.

أخيرًا، كانت هناك مشكلة القياسية: 'لقد نشرنا الذكاء الاصطناعي' ليست نتيجة. كان على البنك إظهار التأثير في المقاييس التي يفهمها كل من الأعمال والسوق: نسبة الاستفسارات التي تم التعامل معها بدون إنسان وسرعة الإجابة والساعات والروبل المحفوظة.

الحل

بنى Sber الذكاء الاصطناعي في مركز الاتصال كثلاث طبقات متتالية، لكل منها اقتصادياتها الخاصة.

الطبقة الأولى هي التوجيه. يوجه التحليل التنبؤي 87% من استدعاءات العملاء المؤسسيين، ارتفعت دقة التوجيه بـ 14 نقطة مئوية على مدار سنة إلى 77%، وانخفض وقت التوجيه بـ 3.5 مرة — إلى 18 ثانية (بيانات ComNews). يغطي تحليل الكلام 99% من الاستشارات، وبحلول أوائل عام 2024 كان مساعد الذكاء الاصطناعي في قنوات النصوص التجارية يحل بالفعل 23% من الاستفسارات بمفرده. أنتجت هذه الطبقة أول عائد مالي معروف للعامة: 300 مليون روبل محفوظ في عام 2023.

الطبقة الثانية هي مساعد GigaChat للمشغل، الذي تم إطلاقه في 7 نوفمبر 2024 لدعم العملاء المؤسسيين. يحلل النموذج المحادثة مع رائد الأعمال في الوقت الفعلي، ويجد المواد الصحيحة في قاعدة معرفة SberHelp، ويختصرها، ويقدم للمشغل اقتراحات جاهزة. وظيفة منفصلة هي مراقبة الجودة: يسجل GigaChat أدب وكفاءة المحادثة بدقة 80% ويقدم توصيات عند انتهاك معايير الخدمة. عند الإطلاق كان لدى 40% من المشغلين إمكانية الوصول؛ بحلول نهاية عام 2024 كان البنك يخطط لنشره لجميع موظفي دعم الأعمال في الدردشات، ثم إلى خط 0321 الصوتي. صاغ سيرجي ليخانوف، مدير مركز حلول Sber المؤسسية، موقف البنك: يجب أن يساعد الذكاء الاصطناعي الأعمال، و GigaChat في دعم العملاء المؤسسيين يوضح ذلك بوضوح.

الطبقة الثالثة هي الأتمتة الكاملة: يحل الذكاء الاصطناعي الاستفسارات الروتينية في قنوات الصوت والنصوص بمفرده، بدون تدخل المشغل. هذه هي الطبقة وراء رقم 65%+ الذي أبلغ عنه البنك في عام 2026.

تشترك جميع الطبقات في نفس الأساس التكنولوجي: نماذج GigaChat المدربة على أجهزة Sber الفائقة الخاصة Christofari و Christofari Neo (Cloud.ru) مع معالجات NVIDIA A100 GPU. بالنسبة لبنك بهذا الحجم، بنية التدريب الداخلية ليست مسألة فخر بل شرط استراتيجي: بيانات حوار العميل لا تغادر أبدًا المحيط، والنموذج يمكن ضبطه بدقة وفقًا لتفاصيل البنوك بدون تبعيات خارجية.

النتيجة

اعتبارًا من الربع الأول من عام 2026، يحل الذكاء الاصطناعي أكثر من 65% من استفسارات العملاء: 66% في قنوات الصوت و 71% في الدردشات. تحدد المقارنة بالسوق الإطار: وفقًا لتقدير Frank RG لعام 2026، متوسط الصناعة هو 23% أتمتة في الصوت و 67% في الدردشات. في الصوت، Sber متقدمة بحوالي ثلاث مرات عن السوق؛ في الدردشات، أعلى قليلاً من السوق. يتم الرد على 95% من الاستدعاءات فورًا، أثناء المحادثة؛ تتطلب 5% المتبقية تحليلاً إضافيًا (عادة 2–3 أيام). تلقى مركز اتصال البنك جائزتي Frank RG — للفريق الأكثر استقرارًا والخدمة الآلية الأفضل على خط وارد.

التأثيرات المسماة علنًا حسب الطبقة: وفر توجيه الذكاء الاصطناعي لاستدعاءات الشركات للبنك 300 مليون روبل في عام 2023؛ الذكاء الاصطناعي في مركز اتصال الأعمال يوفر أكثر من 7000 ساعة عمل للمشغل شهريًا. أضاف مساعد GigaChat +7% لإنتاجية المشغل و +2 نقطة مئوية لمؤشر رضا CSI؛ يستخدم المشغلون ما يصل إلى 20% من اقتراحات النموذج (ما يصل إلى 45% في بعض المناطق)، وتصل دقة تقييم جودة الحوار إلى 80%. تمت مناقشة النتائج علنًا من قبل إيلينا ليفينا، نائب الرئيس ومدير قسم رعاية العملاء في Sberbank.

ضع الأرقام بالشكل الصحيح. هذا هو تقرير البنك الخاص، وليس تدقيقًا مستقلاً؛ حذر خبراء الصناعة في ComNews صراحة من أن مقاييس التوجيه المحسنة يمكن أن يكون لها تفسيرات متعددة (إيفجيني سوركوف، Innostage) وأن المؤشرات الكمية بدون تقييم جودة العميل تعطي صورة غير كاملة (إيفجينيا جيلينيوك، SKB Kontur). تكمن قوة تقرير Sber في ارتباطه بمعيار Frank RG الخارجي: المقارنة بالسوق تجعل الرقم الرئيسي قابلاً للتحقق.

في رأينا، تكون حالة Sber قيمة قبل كل شيء كقالب معماري: ثلاث طبقات بمقاييس مختلفة (التوجيه — الثواني والروبل؛ المساعد — الإنتاجية و CSI؛ الأتمتة — نسبة الاستفسارات بدون إنسان) لا يتم مزجها في تأثير 'ذكاء اصطناعي' واحد بل تقاس بشكل منفصل. هذا ينتقل إلى أي مركز اتصال كبير — وليس أقل لأن الطبقة الأولى (التوجيه) تدفع عن نفسها قبل أن يظهر أي نموذج لغوي كبير. ملاحظة منفصلة: نسبة الاقتراحات التي يستخدمها المشغلون فعليًا (20–45%) هي مثال نادر لمقياس صادق لفائدة المساعد؛ معظم النشرات تقرر أن الاقتراحات موجودة، وليس ما إذا كان الناس يأخذونها.

الدروس المستفادة

1. نسبة الاستفسارات التي تم حلها بدون إنسان هي مقياس أتمتة مركز الاتصال الرئيسي. تبلغ Sber بالضبط عن هذا (65%) مع معيار سوق (Frank RG 23%/67%)، مما يجعل الرقم قابلاً للتحقق.
2. مساعد المشغل والأتمتة الكاملة هما طبقتان مختلفتان بمقاييس مختلفة: الإنتاجية (+7%) و CSI (+2 نقطة مئوية) للأولى، وحصة الأتمتة للثانية.
3. البدء بسيناريو ضيق وقابل للقياس يؤتي ثماره: وفر توجيه الذكاء الاصطناعي لاستدعاءات الشركات 300 مليون روبل قبل وجود أي مساعد نموذج لغوي كبير — ومول الثقة في المراحل التالية.
4. نسبة الاقتراحات التي يستخدمها المشغلون فعليًا (ما يصل إلى 20%، ما يصل إلى 45% في بعض المناطق) هي مقياس صادق للفائدة — وليس مجرد حقيقة النشر.
5. القطاع المؤسسي من بين الأصعب للأتمتة (معيار الصناعة للأتمتة 'الجيدة' هو 30–60%): ابدأ هناك بالتوجيه والمساعد، وليس الأتمتة الكاملة.
6. يمكن للذكاء الاصطناعي أن يتحكم في الجودة، وليس مجرد الإجابة: تسجيل أدب المحادثة والمهنية بدقة 80% يحول ضمان الجودة القائم على العينة إلى ضمان جودة بتغطية كاملة.
7. بنية التدريب الداخلية (Christofari, A100) هي متطلب استراتيجي بهذا الحجم: بيانات الحوار لا تغادر أبدًا المحيط، والنموذج يتم ضبطه وفقًا لتفاصيل البنوك.

الأسئلة الشائعة