AI-агент сам находит момент для разговора, выбирает продукт под портфель и историю клиента, ведёт диалог по жёсткой воронке и не выходит за рамки комплаенса.
Сможете заметить, где агент остановит себя?
Фразы из банковского чата. Пройдет ли каждая через комплаенс-фильтр агента?
Купонный доход по этой облигации фиксированный — 12% годовых, но если эмитент допустит дефолт, вы можете потерять всю сумму вложений, а не только купон.
Как агент находит границу между информированием и рекомендацией — в кейсе ниже
В инвестиционном подразделении банка было триста тысяч портфелей и примерно сорок тысяч клиентов, которые каждый месяц открывали мобильное приложение, смотрели котировки и уходили ни с чем. Для этого сегмента персональный менеджер не окупался: портфели до пяти миллионов рублей слишком малы, чтобы сопровождать их вручную. Массовые рассылки, баннеры и обзвон работали по одному шаблону на всех и плохо попадали в контекст конкретного клиента.
Нужен был не просто чат-бот, а новый канал продаж внутри приложения. Система должна сама понять, когда с клиентом уместно начать разговор, что ему предложить, как провести его по жёсткой продаже и где остановиться, если дальше начинаются регуляторные риски. Менеджер должен подключаться не в начале процесса, а только там, где разговор уже нельзя безопасно и эффективно вести автоматически.
В системе семнадцать триггеров, но главный вопрос не в их количестве. Важнее, что каждый из них проходит через жёсткую лестницу ограничений: активный ли уже диалог, не идёт ли период охлаждения, есть ли допуск, не повторяем ли мы старый отказ, и только потом система вообще решает, писать ли человеку. Интереснее не то, какой триггер сработал, а где система говорит себе «стоп». В этом и есть разница между умной рассылкой и управляемым каналом продаж.
После первого сообщения начинается не свободный чат, а жёсткий маршрут. Даже если клиент с первого сообщения пишет «хочу купить», система всё равно возвращает разговор в порядок стадий: уточнение, подача продукта с раскрытием рисков, и только потом — следующий шаг. Если разговор доходит до сомнений, у агента есть только два прохода на работу с возражением, после чего включается передача менеджеру.
Комплаенс здесь встроен не как один фильтр “на выходе”, а как набор жёстких границ на нескольких уровнях. Агенту нельзя давать инвестиционные рекомендации, обещать доходность, строить прогнозы, подсказывать ответы на квалификационные тесты и сравнивать продукт с вкладом так, чтобы это выглядело как агитация. Дисклеймер показывается в интерфейсе приложения, а не в тексте ответа, чтобы не рвать разговор.
Первая версия системы казалась логичной на бумаге: ключевые слова, простая ветка диалога и небольшой набор правил. На реальных разговорах это развалилось почти сразу.
Под капотом это не один универсальный агент, а три отдельных контура: блок контакта, который решает, можно ли вообще писать клиенту; блок продуктовых знаний, который превращает документы в управляемые данные; и блок диалога, который держит текущий разговор, стадию воронки, ограничения и память о прошлом контакте.
Документы по пяти категориям продуктов система перечитывает и переиндексирует автоматически. Менеджер по продукту меняет условия в документе, система разбирает эти изменения, обновляет карточку продукта и подмешивает новую методику в рабочий контекст без релиза. Поэтому агент не “знает всё сам” — он каждый раз собирает контекст из актуальных данных.
После завершения каждого контакта система не хранит для будущего ответа весь старый диалог. Она сохраняет структурированную карточку: исход разговора, продукт, триггер, причины отказа, предпочтения и ограничения клиента. При следующем контакте в контекст попадает именно эта карточка, а не вся предыдущая переписка.
Отдельный режим включается, когда клиент сам открывает чат без исходного сигнала. Тогда в первые сообщения агент не продаёт конкретный продукт, а сначала выясняет, о каком классе решений вообще идёт речь. Как только система понимает, о каком продукте говорить дальше, разговор переключается в обычный режим: один продукт, одна воронка, те же комплаенс-ограничения и тот же лимит на возражения.
За 721 коммит, три пересборки архитектуры и больше шестидесяти итераций формулировок система прошла через реальные диалоги. Половина правок родилась из конкретных сбоев в разговоре: агент ошибся — в коде появилось новое правило. Банк получил готовую к запуску систему, в которой бизнес-аналитик правит сценарии без разработчиков, а каждый ответ агента проходит аудит до отправки.
Главное, что изменилось, — не технология, а возможность. Сегмент, который было нерентабельно вести менеджерами и бессмысленно накрывать рассылкой, получил управляемый персональный канал продаж. Не ещё один чат-бот, а разговор один-на-один там, где раньше его не существовало.
Жёсткая структура продажи: от приветствия до закрытия сделки, с лимитами на повторные возражения и уход от темы. Агент следует сценарию, а не импровизирует
Продуктовая база знаний: 153 страницы документации автоматически разбираются, нарезаются и индексируются. Методики продаж, УТП, типовые возражения — по каждому из пяти продуктов
DeepSeek V3: понимание намерений клиента, генерация ответов в корпоративном тоне, анализ истории диалогов
Комплаенс-фильтры: запрет инвестиционных рекомендаций, гарантий доходности, прогнозов. Дисклеймер отображается в интерфейсе приложения, агент его не генерирует
Ответим, подходит ли задача для AI-агентов, и если да, предложим конкретный план.
Заявка отправлена
Ответим в течение дня на указанный email.
или напишите напрямую — ilya@manaraga.ai