Альфа-Банк 17 сентября рассказал о новой внутренней технологии для разработки корпоративных продуктов — «синтетических ЛПР». Это цифровые модели поведения собственников бизнеса, генеральных и финансовых директоров, с помощью которых продуктовые команды предварительно проверяют гипотезы до работы с реальными респондентами.
По данным банка, базовая проверка продуктовой гипотезы с использованием модели занимает один-два дня, а для срочных задач — один-два часа. Традиционное исследование с подбором руководителей, фокус-группами и качественными интервью из-за сложности привлечения топ-менеджеров может занимать до трех месяцев.
Технологию уже применяет команда B2B-сервиса «Альфа-Босс». При этом опубликованный 17 сентября материал является сообщением самого банка: независимых данных о точности прогнозов «синтетических ЛПР» или результатах внешнего аудита модели в нем нет.
Как устроена идея «синтетического ЛПР»
ЛПР — лицо, принимающее решение. В корпоративном банковском продукте таким пользователем может быть собственник компании, CEO или финансовый директор. Их сложно регулярно привлекать к интервью: у руководителей ограничено время, а небольшая выборка повышает стоимость и длительность исследования.
Альфа-Банк описывает свой подход как цифровое моделирование поведения таких руководителей на основе накопленных данных о реальных решениях. Исторические данные объединяются в модель, которая генерирует предполагаемую реакцию на продуктовую гипотезу.
Банк утверждает, что модель учитывает различие между тем, что руководитель думает, говорит и фактически делает. Техническая архитектура, размер обучающей выборки, конкретный класс алгоритмов и метрики качества в опубликованном сообщении не раскрыты.
Зачем банку цифровые модели руководителей
Основная задача — сократить время на раннюю проверку продуктовых идей. До разработки новой функции команда должна понять, нужен ли такой сценарий пользователю и как он может отреагировать на изменение интерфейса или процесса.
Если для каждой базовой гипотезы собирать отдельную группу руководителей, цикл исследования растягивается. По оценке банка, классический процесс может занимать до трех месяцев. «Синтетический ЛПР» используется как быстрый предварительный фильтр: слабые варианты можно отсечь до более дорогого этапа проверки.
Это не означает, что цифровая модель автоматически заменяет реального клиента. В сообщении банк говорит прежде всего о рутинных продуктовых задачах и ускорении валидации. Данных, позволяющих сделать вывод о полном отказе от интервью с руководителями, нет.
Где технология уже применяется
Первым обозначенным пользователем технологии стала команда «Альфа-Босс». Банк позиционирует этот B2B-сервис как инструмент для руководителей, позволяющий управлять холдингом, контролировать финансовые потоки и оформлять сделки онлайн.
По заявлению Альфа-Банка, «синтетические ЛПР» помогают команде решать большинство рутинных продуктовых задач, где требуется предположить реакцию руководителя на новую функцию или продукт.
Таким образом, технология используется не как отдельный коммерческий сервис, продаваемый предпринимателям, а как внутренний инструмент разработки банковских продуктов. Стоимость проекта, объем инвестиций и экономия расходов на исследования 17 сентября не раскрывались.
Что именно ускорилось
Банк приводит два временных ориентира. Базовые гипотезы, по его данным, теперь можно валидировать за один-два дня. Для срочных задач предварительная проверка может занимать один-два часа.
Сопоставлять эти сроки с тремя месяцами классического исследования нужно осторожно. Это не обязательно одинаковые по глубине процедуры: полноценное качественное исследование с реальными респондентами способно решать более широкий круг задач, чем быстрый модельный тест.
Поэтому корректнее говорить о сокращении времени ранней проверки гипотез, а не о том, что трехмесячное исследование полностью заменено двухчасовым процессом без потери информации.
Какие ограничения пока не раскрыты
Для оценки подобных систем особенно важны качество исходных данных и способность модели переносить прошлое поведение на новые ситуации. Если рынок, продукт или условия принятия решений меняются, исторические закономерности могут работать хуже.
В публичном сообщении нет показателей точности прогнозов, доли совпадений модели с последующими решениями реальных руководителей или результатов независимого тестирования. Поэтому WikiBiz не оценивает технологию как доказанно более точную, чем традиционные исследования.
Также не раскрывается, какие именно данные используются для обучения и как устроена их подготовка. Банк сообщает лишь, что речь идет о данных о реальных решениях руководителей, накопленных банком.
Следующий этап — продуктовые метрики
Руководитель цифрового офиса корпоративного бизнеса Альфа-Банка Семен Деваев сообщил, что на следующем этапе банк планирует интегрировать в модель аналитические данные и продуктовые метрики.
По замыслу команды это должно повысить точность решений по гипотезам. Однако это будущий этап: 17 сентября банк не сообщал о завершенной интеграции и не публиковал количественный эффект от нее.
Для продуктовой аналитики такой подход логичен: модель поведения становится полезнее, если ее выводы можно сопоставлять с фактическим использованием функций. Но реальную эффективность можно будет оценивать только по измеримым результатам.
Что это означает для корпоративного IT
Кейс Альфа-Банка показывает один из вариантов применения генеративных и поведенческих моделей внутри крупной компании: не только автоматизация текстовых операций или поддержки, но и моделирование реакции целевой аудитории на продуктовые решения.
Для бизнеса потенциальная ценность такого инструмента связана со стоимостью ошибки на раннем этапе. Чем дороже разработка и чем труднее получить обратную связь от клиента, тем больше экономический смысл у дешевого предварительного теста.
Но модельный ответ остается модельным. Если продукт затрагивает крупные сделки, кредитные решения, юридические обязательства или существенные изменения клиентского пути, проверка на реальных пользователях сохраняет самостоятельную ценность.
Может ли такой подход быть полезен предпринимателям
Сам инструмент Альфа-Банка не объявлен общедоступным продуктом для сторонних компаний. Однако методический подход применим шире: бизнес может использовать синтетические персоны для первичного перебора идей, формулировок и сценариев до полноценного исследования.
Особенно это актуально на B2B-рынке, где интервью с владельцами и топ-менеджерами организовать сложнее, чем массовый опрос потребителей. Быстрая модельная проверка способна помочь сформировать более качественный список вопросов для реального интервью.
При этом компании важно не выдавать симуляцию за подтвержденный спрос. Цифровая персона строится на имеющихся данных и предположениях, тогда как новый продукт может изменить само поведение клиента.
Главное для бизнеса
Событие 17 сентября — внедрение Альфа-Банком внутреннего механизма быстрой проверки B2B-гипотез через цифровые модели лиц, принимающих решения. По данным банка, базовый цикл проверки сокращается до одного-двух дней, а срочный — до нескольких часов.
Практический интерес технологии заключается в сокращении времени до решения о дальнейшей разработке продукта. Но опубликованных независимых метрик точности пока нет, поэтому экономический эффект следует отделять от заявленной скорости работы.
Следующим ориентиром станет интеграция продуктовых метрик и аналитических данных. Если банк позднее раскроет результаты сопоставления прогнозов «синтетических ЛПР» с поведением реальных руководителей, это позволит предметнее оценить эффективность подхода.