Barclays сократит 5000 мест на фоне автоматизации

22 октября британский банк Barclays сообщил, что к концу 2026 года сократит около 5000 рабочих мест, или примерно 5% глобального штата. По данным The Next Web, тысяча позиций уже упразднена, остальные четыре тысячи исчезнут до конца декабря. Около 60% сокращений затронут вспомогательные функции, включая разработку программного обеспечения.

За три недели до этого разработчик модели Claude, компания Anthropic, объявила о расширении своей системы в Barclays. Банк уже использует модели для поиска информации и ответов при обслуживании клиентов и обработки клиентских обращений, а к концу 2026 года рассчитывает подключить Claude Code примерно для половины разработчиков.

Автоматизация этих операций подтверждена: модели сокращают ручную сортировку писем, ускоряют поиск информации и готовят кредитные заключения. При этом данных о прямой замене с помощью ИИ всех 5000 сотрудников нет. Руководитель Barclays Си Эс Венкатакришнан назвал ИИ «глазурью на торте» и связал основную экономию с многолетними вложениями в технологии, упрощением процессов и перестройкой организации.

Что происходит в Barclays

В британском подразделении Barclays внутренний помощник на основе Claude ищет информацию, необходимую сотрудникам при обслуживании более чем 20 млн розничных клиентов. По данным Anthropic, им пользуются свыше 16 тысяч работников, а число поисковых запросов превысило миллион.

В подразделении Global Markets модели классифицируют входящие письма, дополняют их сведениями и определяют маршрут дальнейшей обработки. Через систему проходит около 120 тысяч писем в день, что сокращает объём ручной сортировки.

Следующий этап охватывает разработку. Barclays рассчитывает, что к концу 2026 года Claude Code будет использовать половина разработчиков банка, а в 2027 году — большинство инженеров. Инструмент предназначен для обновления старых систем, написания и проверки кода.

Как ИИ забирает ручные этапы

Банковские процессы включают повторяющиеся операции: получение документов, перенос сведений в систему, сверку источников, поиск информации, подготовку черновика заключения и передачу задачи нужному специалисту. Эти этапы банки автоматизируют в первую очередь.

Кредитная заявка проходит от приёма и проверки заёмщика до скоринга, решения и последующего сопровождения. В корпоративном кредитовании к этому добавляются государственные реестры, сведения о контрагентах и финансовая отчётность. ИИ может извлечь данные из документов, привести их к единому формату и подготовить предварительную оценку риска.

В проекте Branemind система получает банковские выписки, кредитную историю и сведения о клиенте, превращает их в структурированные записи и связывает выводы с исходными данными. Затем она готовит обоснование риска, предлагает категорию заёмщика и возможный лимит. Случаи с низкой уверенностью и исключения из правил направляются андеррайтеру, который оценивает кредитный риск.

Генеративная модель создаёт вероятностный ответ. Поэтому банку нужны ссылки на первичные данные, журнал исправлений и порядок передачи сомнительных случаев человеку. Иначе сотруднику придётся заново проверять документы, и выигрыш во времени сократится.

Что показывают цифры

Поставщик ипотечной платформы Blend измерил ручное время более чем на 2800 заявках в более чем 20 кредитных организациях. Его система Autopilot автоматизировала от 2,6 до 4,5 часа предварительной подготовки на одну заявку. В ипотечных заявках на покупку жилья максимальный результат составил 4,5 часа, включая 2 часа 15 минут на чтение документов.

После подготовки остаются проверки, согласование условий, оценка исключений и окончательное решение. Blend предупреждает, что результаты относятся к операциям на собственной платформе и могут не отражать весь ипотечный рынок.

В проекте Branemind аналитик тратил на кредитное досье от двух до трёх дней. После внедрения агент готовил предложение за минуты. Доля решений, которые исправлял андеррайтер, снизилась с 19% в первую неделю до 4,1% после четырёх циклов оценки.

Это показатели одного проекта с неназванным клиентом. Результат зависит от объёма операций, качества данных и зрелости процессов.

Данные Barclays показывают другой тип масштаба: более миллиона поисков во внутренней базе и около 120 тысяч обрабатываемых писем ежедневно. Для оценки экономического эффекта этих значений недостаточно: требуются сведения о сэкономленном времени, стоимости операций и изменениях в полном рабочем процессе.

Кто выигрывает и кто платит

Автоматизация позволяет одной команде обработать больше заявок и обращений. Специалисты тратят меньше времени на чтение типовых документов, перенос данных и поиск информации, а клиенты могут быстрее получать ответы.

Сильнее всего изменения затрагивают роли с высокой долей повторяющихся информационных операций: сортировкой обращений, подготовкой стандартных текстов, проверкой документов и переносом данных между системами. В Barclays около 60% объявленных сокращений приходится на вспомогательные функции, среди которых названы разработчики.

По мере внедрения моделей у сотрудников появляются обязанности проверять выводы, разбирать исключения, контролировать качество данных и отвечать за окончательное решение. В проекте Branemind ключевой метрикой стала доля случаев, когда андеррайтер исправлял предложение агента. Она показывает, насколько результат системы пригоден для дальнейшей работы.

Ошибки также затрагивают клиентов: неверная сортировка письма может вызвать задержку, а ошибка в оценке заёмщика — повлиять на кредитное решение. Поэтому банки сохраняют контроль сотрудников и возможность проверить источники, на которых основан вывод модели.

Что это значит для России

Банк России рекомендует финансовым организациям разработать собственные модели угроз и политику информационной безопасности для работы с ИИ. В критически важных процессах с высокими рисками информационной безопасности, включая платежи, операцию должен подтверждать сотрудник.

Эффект автоматизации можно оценивать по полной длительности процесса от заявки до решения, числу часов ручной работы на одну операцию, доле исправленных выводов, числу случаев, автоматически переданных человеку, стоимости одного решения и количеству устранённых этапов согласования.