Архив Финансовые услуги и страхование · Банки
BankUnited: ИИ-ассистент SAVI сократил звонки в бэк-офис примерно на 40%
По словам руководителя BankUnited, внутренний чат-бот SAVI на генеративном ИИ сократил звонки сотрудников в службу поддержки бэк-офиса примерно на 40%. SAVI отвечает на вопросы о внутренних политиках банка менее чем за 10 секунд с точностью 95%.
/01 · ключевые результаты
-
результат
около 40%
сокращение звонков в службу поддержки бэк-офиса
BizTech Magazine (CDW), статья, 20.03.2026
по данным на март 2026 года · внутренний чат-бот SAVI для сотрудников BankUnited
слова сотрудника: Жейнер Моралес, BankUnited
-
возможность системы
95%
точность ответов SAVI на запросы сотрудников
BizTech Magazine (CDW), статья, 20.03.2026
по данным на март 2026 года · внутренний чат-бот SAVI для сотрудников BankUnited
данные СМИ
-
возможность системы
менее 10 с
время ответа SAVI на запрос сотрудника
BizTech Magazine (CDW), статья, 20.03.2026
по данным на март 2026 года · внутренний чат-бот SAVI для сотрудников BankUnited
данные СМИ
- более 400 документов объём базы знаний SAVI · масштаб BizTech Magazine (CDW), статья, 20.03.2026
оценка strategai
Оценку не приводим: источник не называет исходное число звонков в бэк-офис и стоимость их обработки.
По словам руководителя BankUnited, внутренний чат-бот SAVI на генеративном ИИ сократил звонки сотрудников в службу поддержки бэк-офиса примерно на 40%. SAVI отвечает на вопросы о внутренних политиках банка менее чем за 10 секунд с точностью 95%.
/02 · паспорт кейса
Бизнес
- Компания
- BankUnited
- Отрасль
- Финансовые услуги и страхование · Банки
- Функция
- Клиентский сервис
- Задача
- Подсказки оператору, суммаризация, QA звонков
Технология
- Класс AI
- Генеративный ИИ: LLM, ассистенты, RAG
- Тип решения
- Гибридное решение: AWS, Anthropic
Внедрение
- Стадия
- Промышленная эксплуатация, на 20.03.2026
- География
- Соединенные Штаты
/03 · описание кейса
Зачем
Бизнес-задача
BankUnited — региональный банк со штаб-квартирой в Майами-Лейкс (Флорида), работающий в 55 отделениях. До появления SAVI сотрудникам банка порой было трудно быстро отвечать на срочные вопросы клиентов из малого бизнеса: ответы на вопросы о внутренних политиках приходилось искать в документах или ждать. Это удлиняло звонки и приводило к несогласованным ответам клиентам. Банку требовался инструмент, который даёт банкирам быстрый и точный ответ прямо во время работы с клиентом.
Что
Решение
SAVI — внутренний чат-бот BankUnited на генеративном ИИ, работающий как система управления политиками банка. Он имеет доступ к более чем 400 внутренним документам, и сотрудники формулируют запросы к нему на естественном языке. Банк разработал SAVI вместе с AWS на сервисе Amazon Bedrock с моделью Claude 2 от Anthropic. По данным BizTech Magazine, SAVI отвечает на запросы сотрудников менее чем за 10 секунд с точностью 95%. Новые сотрудники используют инструмент как подсказку в работе.
Как
Внедрение
По словам Жейнера Моралеса, старшего вице-президента BankUnited по аналитике данных и бизнес-системам, SAVI стал одним из первых внедрений генеративного ИИ в банке. Команда тесно работала с подразделениями по рискам и комплаенсу и выстроила ограничения — от доступа к данным до валидации модели и проверки человеком; эта рамка теперь используется для других ИИ-инициатив банка. Моралес сообщает, что звонки в службу поддержки бэк-офиса сократились примерно на 40%, а также отмечает рост удовлетворённости клиентов, уверенности сотрудников и результатов обучения. Публикация вышла в марте 2026 года.
/04 · источники и проверка
Что подтверждено
- По словам старшего вице-президента BankUnited, звонки в службу поддержки бэк-офиса сократились примерно на 40% после внедрения SAVI.
- SAVI отвечает на запросы сотрудников менее чем за 10 секунд с точностью 95% и работает с более чем 400 внутренними документами.
- Чат-бот построен на Amazon Bedrock с моделью Claude 2 и используется банкирами при обслуживании клиентов из малого бизнеса.
Ограничения
- Около 40% — оценка руководителя банка; исходное число звонков в бэк-офис, период измерения и метод расчёта не раскрыты.
- Точность 95% не сопровождается описанием методики оценки и выборки запросов.
- Улучшения удовлетворённости клиентов и результатов обучения названы без цифр; длительность звонков с клиентами не приводится.
-
[1] BizTech Magazine (CDW)
From Claims to Customer Insights: Generative AI Use Cases Drive Business Value in Finance
СМИ · 20.03.2026
Открыть источник
АрхИИВ /strategai · CB-002434 · Версия 1 · 24.10.2026 · /c/CB-002434/