Алексей Мезенцев (ОТП Банк) поделился методами подготовки данных для продуктивного применения ИИ

Эксперт ОТП Банка рассказал про угрозы, с которыми сталкиваются компании при внедрении искусственного интеллекта.
Внедрение проекта позволило кредитной организации получить прозрачную картину реальных функций каждого отдела
Инффин.ру

28 сентября 2026 года на Бизнес Форс Форуме выступил руководитель AI Lab ОТП Банка Алексей Мезенцев. В своём докладе он затронул угрозы, с которыми сталкиваются компании при внедрении искусственного интеллекта, а также способы применения нейросетей в рабочих процессах и контроля утечек конфиденциальной информации.

Мезенцев подчеркнул, что сотрудник, используя ИИ, загружает в модель данные, требующиеся для решения задачи. При обращении к внешней модели эти сведения могут покинуть пределы организации. Следовательно, необходимо заранее установить, какая информация потребуется и в каком виде её допустимо передавать.

По мнению эксперта, контекст для ИИ должен включать только те данные, которые нужны для конкретной задачи и разрешены к обработке. Если возникают сомнения относительно очистки или возможности передачи, лучше предварительно проконсультироваться внутри компании.

В качестве иллюстрации он привёл анализ клиентских обращений. Информация из контакт-центра, чатов, CRM и почты сначала аккумулируется внутри организации. Затем отбираются нужные поля, удаляются персональные и конфиденциальные сведения, проводится проверка службой ИБ. Во внешнюю LLM отправляются только обезличенные данные для последующей аналитики.

Мезенцев также акцентировал важность своевременного обновления данных. Он рассказал, что в их компании передача информации в едином формате, понятном и людям, и большим языковым моделям, значительно ускоряет работу команд. Они отказались от обмена презентациями и таблицами внутри подразделения в пользу md-файлов, которые регулярно актуализируются.

Такой подход, по его словам, позволяет перейти от разрозненных экспериментов с ИИ к его планомерному внедрению в бизнес-процессы. Например, при подборе специалиста в команду с помощью Codex обработка 40 резюме по единым критериям и с общим контекстом дала возможность снизить временные затраты на 60–70% и определить лучшего кандидата, сократив стандартный срок закрытия позиции в банке вдвое.

Нашли ошибку в тексте? Выделите ее мышкой и нажмите Ctrl+Enter