Kinesis

ЦБ объявил охоту на молчунов и покажут то, что банки игнорировали годами

2026-06-23T07:19:34.468Z

На прошлой неделе Центральный банк Узбекистана сделали то, чего банковский сектор тихо боялся годами и пообещали публично называть худшие банки по работе с обращениями граждан. Регулятор впервые разработал индекс качества обработки жалоб и запросов, и первые результаты рейтинга могут выйти уже на следующей неделе.

Дальше только жестче. Через месяц ЦБ запускает два канала для обращений в соцсетях и внедряет механизм прямого взаимодействия:

Банк обязан отреагировать и решить вопрос в течение одного часа. Сам регулятор уже переделал колл-центр в контакт-центр — и число обращений выросло в шесть раз. Раньше люди просто не могли дозвониться, и часть жалоб нигде не фиксировалась

«Мы уже начали масштабную, комплексную работу по взаимодействию банков с потребителями и защите их прав. С этого года, дай Бог, мы будем наблюдать заметные положительные изменения», — заявил глава ЦБ Тимур Ишметов.

Мы в Kinesis читаем эту новость не как очередное регуляторное требование, а как момент, когда у банков пропала возможность прятать слабые места за фразой «у нас всё налажено». И у нас есть основания так говорить: за первый квартал 2026 года мы провели больше 28 встреч с лидерами рынка Узбекистана, и банковский сектор был среди самых показательных.

Что на самом деле меняется

Час на ответ – в первую очередь про метрики, которые до сегодняшнего дня описывались словами «у нас всё нормально».
1. Сколько секунд проходит между обращением клиента и первым ответом.
2. Сколько обращений теряется, не дойдя до фиксации.
3. Какой процент жалоб закрывается с первого касания.
4. Сколько людей вообще не смогли дозвониться.

Эти цифры существовали всегда. Просто их никто не публиковал.

Теперь их увидит регулятор. И рынок. Индекс ЦБ работает как детектор, который делает проблему видимой и первыми под удар попадут те банки, где реальное качество поддержки годами расходилось с отчетностью.

Это совпадает с тем, что мы наблюдаем на встречах напрямую. Типичная сцена из нашей практики исследования потребностей клиентов:

Руководитель контакт-центра банка утверждает, что все процессы налажены отлично — при том что CRM интегрирована не полностью, в информировании и регламентах разлад, а сам отдел не приносит ожидаемого финансового эффекта.

С новым индексом ЦБ будет наказывать публичным рейтингом.

Прежде чем мечтать о рейтинге, банку стоит ответить на вопрос: Считает ли он вообще сегодня структуру своих обращений?

Типичная компания среднего и крупного бизнеса в Узбекистане знает свою выручку, но не знает, сколько обращений теряется на первом контакте, какова конверсия по каналам, какие десять вопросов клиентов повторяются чаще всего. Эти данные либо отсутствуют, либо хранятся у разных сотрудников в головах.

Искусственный интеллект эту проблему не решает. Он ее показывает. Именно поэтому первый месяц внедрения у нас часто заканчивается не запуском агента, а аудитом текущих процессов.

McKinsey в отчёте «Состояние искусственного интеллекта 2025» называет качество данных и архитектуру первым препятствием для масштабирования ИИ. BCG пошли еще дальше и заявили, что разрозненные данные и устаревшие системы обнуляют любые алгоритмы. Без единого слоя данных не работает ничего.

Прозрачность саботируют изнутри

Здесь начинается самое неудобное. ИИ делает прозрачными те показатели, которые сегодня описаны словами «у нас всё нормально». И первыми сопротивляются ровно те сотрудники, чьи показатели рейтинг ЦБ вот-вот раскроет.

BCG приводит распределение, которое стоит запомнить: В успешных ИИ-трансформациях 10% результата дают алгоритмы, 20% — технологии и данные, и 70% — люди, процессы и управление изменениями. 98% руководителей высшего звена называют управление изменениями критическим фактором.

Без работы с этими 70% любая технология остаётся под водой.

На наших встречах это выглядело буквально так:

в коммунальной компании директор по трансформации молчал всю презентацию, а затем заявил, что команда сделает «дешевле в 100 раз»;
в стриминговой компании руководитель продаж задавал технические вопросы на грани нарушения NDA и уклонялся от встречных вопросов о качестве пилота;
в банке - та самая картина «всё налажено» поверх неинтегрированной CRM и расхождений в регламентах.

Логика у всех одна: когда метрики становятся видимыми ежедневно, первой линией сопротивления оказываются те, чьи KPI эта прозрачность вскрывает. Рейтинг ЦБ выносит эту прозрачность из кабинета банка на публику — и тем самым лишает саботаж смысла.

Иллюзия собственной разработки обходится дорого

Часть банков на новость отреагирует предсказуемо: «соберём команду и сделаем своего ИИ-консультанта для отдела сами». Из 28 наших встреч в 11 собеседники говорили, что уже пытались разработать решение самостоятельно. Ни у одного из них не было глубоких пониманий о ‘’собственной большой языковой модели’’, ни команды профильных инженеров, ни стабильной инфраструктуры данных.

Мировой рынок этот урок уже оплатил. IBM Watson Health стоил около 5 миллиардов долларов, обещал революцию в онкологии — и в 2022 году был продан примерно за миллиард, не дав ни одного рабочего инструмента из десятков заявленных партнёрств.

BCG закрывает дискуссию цифрой: около 88% компаний, реально получивших эффект на прибыль от ИИ, используют гибридную модель — готовое решение плюс адаптация под себя. Чистая внутренняя разработка проигрывает почти всегда.

В наших условиях попытка построить ИИ собственными силами в типичном банке займет в лучшем случае 18–24 месяца, с расходами на команду и инфраструктуру, и примерно с 70-процентной вероятностью не дойдёт до промышленной эксплуатации. А механизм ЦБ заработает уже через месяц.

Автоматизация сломанного процесса масштабирует катастрофу

Самое опасное, закрыть норматив «час на ответ» технологией поверх процесса, который уже течёт. Только 21% компаний, внедряющих генеративный ИИ, реально переработали процессы под него. Остальные 79% накладывают ИИ поверх сломанного и после удивляются отсутствию результата.

Если контакт-центр банка теряет 30% дневного потока обращений, ИИ-агент это не починит, а лишь покажет потерю ярче и быстрее. Накладывая искусственный интеллект на «дырявый» процесс, вы масштабируете и без того плохой результат. Если процесс не выдержит человека, он не выдержит и агента.

Kinesis Hermes держит первую линию, аудит держит процесс

Норматив «один час» нельзя надежно закрыть одними операторами т.к контакт-центр на людях не выдерживает шестикратного роста обращений, что ЦБ только что показал на себе. Ночные смены, пики, праздники и однотипные вопросы (до 70% обращений в банке повторяются) человеческая команда закрывает с потерями.

Наше решение Kinesis Hermes держит первую линию круглосуточно:

отвечает за секунды и фиксирует каждое обращение – ни один запрос не теряется в очереди и не выпадает из аналитики;
отрабатывает типовые вопросы сам, а оператору передает только то, что действительно требует человека;
ведет диалог на узбекском, русском и английском в едином тоне и по единому регламенту. Как раз то самое единообразие, которое и измеряет индекс ЦБ.
проводит глубокую аналитику диалога с клиентом в мессенджерах и на звонке, ведет контроль качества в системе.
активирует спящую базу клиентов проводя автозвонки и рассылки с использованием искусственного интеллекта
легко интегрируется во все каналы связи, что делает его омниканальным решением: сайт, мессенджеры, соц.сети, приложение и т.д

Наша платформа включает в себя внутреннюю CRM-систему, интеграцию с телефонией, аналитику диалогов, обучение и все равно мы не интегрируемся сразу.

Первый шаг – аудит под руководством наших экспертов с опытом работы более 20 лет в построении бизнес-стратегий, управление и маркетинге в банкинге. Структурированный разговор с руководством и ключевой командой, по итогам которого банк получает карту барьеров с распределением – что чинить сейчас, что параллельно, что после.

Hermes встраивается уже в починенный процесс. Иначе индекс ЦБ покажет правду, которую банк предпочел бы не видеть.

Окно открылось

Решение ЦБ превращает качество поддержки из внутренней метрики в публичную репутацию. Главные барьеры здесь не технологические, а институциональные т.к нет подсчитанных данных, нет команд для самостоятельной разработки, есть внутренние интересы, которым прозрачность угрожает напрямую, и есть процессы, сломанные еще до внедрения искусственного интеллекта.

Хорошая новость в том, что все эти барьеры можно диагностировать заранее – до того, как банк попадет в первый же рейтинг худших. У банков есть месяц. Этого хватит, чтобы провести аудит, починить первую линию и поставить её на автопилот.

Мы готовы помочь успеть. Мы знаем, где искать слабые места – потому что видим их на каждой второй встрече.

Все упомянутые исследования вы найдете у нас в Telegram-канале: https://t.me/kinesisai

Задать вопрос и записаться на демонстрацию продукта Вы можете через нашего AI-координтору Аише Каримовой: https://t.me/Kinesis_Aisha

Или по телефону: +998 78 1227788

Как искусственный интеллект обнажает то, что узбекский бизнес тщательно прячет

2026-05-12T11:08:25.869Z

За первый квартал 2026 года Мы, команда Kinesis, провели более 28 встреч с лидерами рынка Узбекистана от гигантов финтеха и электронной коммерции до строительных компаний, фитнес-индустрии и EdTech-проектов.

Этот опыт позволил нам обнаружить, что решения на основе искусственного интеллекта стали для крупного бизнеса не просто технологией, а буквально детектором правды. Работая с корпоративным сектором, мы постоянно наблюдаем, как ИИ моментально срывает маски с имитации эффективности, обнажая самые уязвимые места в данных и системное сопротивление изменениям.

Данных, на которых обучается искусственный интеллект, в Узбекистане пока нет

Автодилер с многомиллионным долларовым оборотом начал переговоры о внедрении агента по продажам на базе искусственного интеллекта. Через месяц совместных расчетов мы пришли к заключительным цифрам: текстовый агент обработает лишь 7% всего трафика, в то время как 75% потенциальных клиентов обращаются по телефону, а остальное – визиты в шоурумы. Решение, которое казалось очевидным, оказалось экономически нецелесообразным – не потому, что искусственный интеллект плох, а потому, что компания впервые в своей истории посчитала структуру обращений.

McKinsey в отчёте «Состояние искусственного интеллекта 2025» называет качество данных и архитектуру первым препятствием для масштабирования искусственного интеллекта. BCG пошли дальше: «разрозненные данные и устаревшие системы блокируют генеративный искусственный интеллект» – отсутствие единого слоя данных обнуляет любые алгоритмы.

В Узбекистане типичная компания среднего и крупного бизнеса знает свою выручку, но не знает, сколько потенциальных клиентов теряется на этапе первого контакта, какова конверсия по каналам, какова стоимость одного контакта, какие десять вопросов клиентов повторяются чаще всего. Эти данные либо отсутствуют, либо хранятся у разных сотрудников.

Искусственный интеллект не решает эту проблему. Он ее показывает и именно поэтому первый месяц внедрения часто заканчивается не запуском агента, а аудитом текущих процессов.

Искусственный интеллект прозрачен и поэтому его саботируют изнутри

BCG приводит распределение, которое стоит запомнить. В успешных трансформациях с использованием искусственного интеллекта 10% результата дают алгоритмы, 20% - технологии и данные, 70% - люди, процессы и изменения. 98% руководителей высшего звена считают управление изменениями критическим фактором, 65% называют его в топ-3 барьеров.

Материал взят из работы BCG ''Unlocking Impact from Agentic AI
in Customer Service''

В практике исследования потребностей клиентов это выглядит так:

На презентации агента поддержки на базе искусственного интеллекта в коммунальной компании директор отдела трансформации молчит всю встречу. На стадии получения подробного проекта игнорирует и утверждает, что с командой сделает ''дешевле в 100 раз''.
На встрече в стриминговой компанией руководитель отдела продаж задаёт технические вопросы, нарушающие NDA и уклоняется от встречных вопросов для повышения качества пилотного проекта
В банковском секторе, руководитель контакт-центра утверждают, что все процессы налажены отлично, игнорируя очевидные проблемы: CRM не интегрирована полностью, выявлен разлад в информировании и регламентах, отдел не приносит ожидаемый финансовый эффект.

За этими поведенческими паттернами стоит одна логика. Искусственный интеллект делает прозрачными те метрики, которые сегодня описываются словами «у нас всё нормально». Сколько секунд проходит между обращением клиента и первым ответом. Сколько потенциальных клиентов из тысячи доходит до сделки. Какой процент возражений менеджеры не отрабатывают. Кто из сотрудников системно дороже, чем приносит. Эти цифры существовали всегда, но их никто не считал. После внедрения искусственного интеллекта их видно ежедневно. И именно те, чьи ключевые показатели эффективности будут раскрыты, становятся первой линией сопротивления.

Победители выборки BCG решают это одинаково – сотрудники первой линии вовлекаются в разработку инструментов искусственного интеллекта на ранней стадии, ключевые показатели эффективности и бонусы переписываются под новый процесс, управление изменениями ведётся как отдельное направление с собственным бюджетом. Без этого 70% айсберга воздействия остаются под водой.

Иллюзия собственной разработки обходится очень дорого

Из 28 встреч с представителями крупных компаний из Узбекистана, проведенных нашей командой за Q1 2026 года, в 11 собеседники упомянули, что у них уже есть команда или они уже пытались разработать самостоятельно решения на искусственном интеллекте. Ни у одной из этих компаний нет ни собственной большой языковой модели, ни команды инженеров по искусственному интеллекту, ни стабильной инфраструктуры для данных.

Один из самых дорогих уроков мирового рынка искусственного интеллекта стоил 5 миллиардов долларов и носил имя IBM Watson Health.

IBM приобрела четыре компании с медицинскими данными, набрала семь тысяч сотрудников и обещала революцию в онкологии. В 2022 году подразделение было продано Francisco Partners примерно за миллиард долларов. Из примерно пятидесяти заявленных партнерств ни одно не дало рабочего инструмента.

BCG приводит цифру, которая закрывает дискуссию. Около 88% компаний, реально получивших влияние на прибыль и убытки от искусственного интеллекта, используют гибридную модель. Чистая собственная разработка проигрывает почти всегда.

Материал взят из работы BCG ''Unlocking Impact from Agentic AI
in Customer Service''

Единственный известный пример полностью внутренней большой языковой модели в Узбекистане - TBC Bank, и, по словам участников рынка, инвестиции в проект исчисляются десятками миллионов долларов. Это масштаб, недоступный среднему банку, розничной сети или телекоммуникационной компании.

Попытка построить искусственный интеллект собственными силами в типичной компании среднего или крупного размера в Узбекистане займёт 18-24 месяца, с расходами на команду и инфраструктуру и с вероятностью около 70% не дойдёт до промышленной эксплуатации. К моменту, когда внутренняя разработка достигнет первого результата, конкурент с гибридным либо готовым решением будет уже на втором цикле итераций.

Автоматизация сломанного процесса масштабирует катастрофу

McKinsey приводит самую неудобную цифру года. Только 21% компаний, использующих генеративный искусственный интеллект, реально переработали свои рабочие процессы под новые возможности. Остальные 79% накладывают искусственный интеллект поверх существующих сломанных процессов - и удивляются, что результата нет.

В локальной практике это проявляется буквально на каждой встрече. Компания просит искусственный интеллект закрыть ночную смену звонков, при этом дневной поток обрабатывается с 30% потерь. Розничная сеть хочет искусственный интеллект для квалификации потенциальных клиентов, но не имеет согласованных критериев квалификации даже у живых менеджеров.

Директор по продукту одного из крупных мировых поставщиков контакт-центров сформулировал это в отчете BCG предельно жёстко: накладывая искусственный интеллект на «дырявый» процесс, вы масштабируете плохой результат.

Первое, что должно произойти после решения о внедрении искусственного интеллекта – не закупка инструмента, а аудит процесса, в который этот инструмент встраивается. Если процесс не выдержит человека, он не выдержит и искусственный интеллект.

Вывод, с которым рынку придется смириться.

Главные препятствия для интеграции искусственного интеллекта в B2B-секторе в Узбекистане в первую очередь институциональные. У компаний нет данных, под которыми мог бы работать агент. Нет команд, способных построить его самостоятельно, и нет понимания, что нанять внешнего партнера – нормальная практика.

У компаний есть внутренние интересы, для которых прозрачность искусственного интеллекта представляет прямую угрозу. И есть процессы, которые сломаны до внедрения искусственного интеллекта и сломаются еще больше после него.

Все эти барьеры могут диагностироваться заранее. За этот год мы в Kinesis испытали сами на себе методологию аудита под руководством экспертов - структурированный разговор с CEO и ключевой командой длительностью полтора-два часа на протяжении нескольких недель, по итогам которого компания получила карту барьеров с распределением: что чинить сейчас, что параллельно, что после.

О проблемах стоит знать раньше, прежде чем будут потрачены месяцы работы и ваши деньги.

Все упомянутые исследования вы найдете у нас в Telegram-канале: https://t.me/kinesisai

Или по телефону: +998 78 1227788