Сбербанк автоматизировал обработку клиентских обращений с помощью GigaChat и Platform V Flow

Что произошло

Сбербанк внедрил автоматизированную обработку обращений клиентов, объединив генеративную модель GigaChat с платформой для управления бизнес-процессами Platform V Flow. Речь идёт о интеграции собственных технологических разработок банка — языковой модели и low-code инструмента для построения рабочих процессов — в единый контур обработки входящих запросов.

Согласно сообщению Techora.ru, решение позволяет автоматически классифицировать и маршрутизировать клиентские обращения, снижая долю ручной обработки. Детали о масштабе внедрения, сроках запуска и охваченных каналах обслуживания в открытых источниках не раскрываются.

Почему это важно

Связка генеративной модели и платформы для оркестрации процессов — логичный следующий шаг в развитии корпоративных AI-стратегий: сама по себе языковая модель способна интерпретировать смысл обращения, а BPM-слой определяет, что с этим пониманием делать дальше — куда направить заявку, какой сценарий запустить, когда подключить человека. Для крупных сервисных организаций это означает переход от точечных чат-ботов к сквозной автоматизации обработки запросов, где AI становится частью операционной инфраструктуры, а не надстройкой над ней.

Для банков и других организаций с высоким объёмом обращений такая интеграция меняет экономику поддержки: скорость первичной обработки растёт, а операторы освобождаются для случаев, требующих действительно человеческого участия. Это также сигнал рынку, что собственные LLM крупных игроков (как GigaChat у Сбербанка) перестают быть демонстрационным продуктом и встраиваются в реальные операционные цепочки.

Мнение Renascence

Главный интерес здесь не в самом факте использования AI, а в архитектурном решении: модель отвечает за понимание, платформа процессов — за действие. Именно это разделение ответственности часто упускают компании, которые ограничиваются чат-ботом «для галочки» и не связывают его с реальными рабочими процессами.

Настоящая ценность генеративного AI в клиентском сервисе раскрывается не на этапе диалога, а на этапе маршрутизации и исполнения — когда понимание запроса автоматически превращается в действие внутри процесса. Компаниям, which внедряют AI изолированно от BPM-слоя, стоит честно признать: они автоматизировали разговор, а не обслуживание. Следующий шаг для операторов — не гнаться за более «умной» моделью, а выстраивать именно эту связку между пониманием и исполнением, иначе выигрыш в скорости останется на уровне демо, а не на уровне клиентского опыта.