Где робот выгоднее оператора и как взыскание уходит в цифровые каналы

Досудебное взыскание становится все более точечным: вместо одинаковой стратегии для всего портфеля компании сегментируют заемщиков, выбирают для каждой группы подходящий канал и решают, где действительно окупается участие человека, а где выгоднее автоматизация. Роботы при этом не обязательно взыскивают лучше операторов, речь в первую очередь идет об экономической эффективности автоматизации. Параллельно участники рынка осваивают ИИ, речевую аналитику и новые инструменты управления работой сотрудников.

Эти темы обсуждали участники нетворкинг-конференции DOLG TALK КАЗАНЬ 2026, которая прошла 2–5 сентября в Болгаре, Республика Татарстан. Организаторами конференции выступили СМИ «Рынок Взыскания» и ЭТП DEBTPRICE. Событие прошло при поддержке Национальной Ассоциации Профессиональных Коллекторских Агентств (НАПКА), Союза «Торгово-промышленная палата Республики Татарстан» и Национального совета финансового рынка (НСФР).

Стратегии взыскания нужно постоянно тестировать

Модератором сессии «Досудебное взыскание: технологии взаимодействия с клиентами в разрезе эффективности»​ выступил руководитель Управления аналитики урегулирования и партнерских программ ДФУ ВТБ Константин Ипатьев.

Директор департамента по работе с клиентами МФК «Джой Мани» (ГК IT Smart Finance) Виктор Бутарь рассказал, что компания постоянно тестирует и корректирует стратегии досудебного взыскания. По его словам, стратегия состоит из множества элементов, каждый из которых можно отдельно проверять и настраивать.

«Изменения в стратегиях наша компания проверяет через пилоты и A/B-тесты. Все, что мы делаем, проходит только после пилотов», — отметил Виктор Бутарь.

В числе инструментов, которые компания начала тестировать еще до широкого распространения подобных решений на рынке, он назвал валидацию номеров и самостоятельный отсев нежелательных звонков.

В основе новой стратегии — сегментация заемщиков. Еще на этапе pre-collection компания валидирует номера, проводит клиентский скоринг и присваивает клиенту группу риска. После возникновения просрочки к этим данным добавляются история взаимодействий, сумма долга, количество дней просрочки и активность заемщика в личном кабинете.

На основании этих параметров клиентов распределяют по четырем категориям: «положительный», «прогнозируемый», «рисковый» и «дефолтный». Для каждой действует своя интенсивность коммуникации. «Положительному» сегменту предусмотрен один звонок, «прогнозируемому» — два, «рисковому» и «дефолтному» — по три. Параллельно в зависимости от категории используются СМС, email, push-уведомления, «Почта России» и передача агенту. Таким образом, задача стратегии — не увеличить количество контактов, а определить, кому, когда и по какому каналу имеет смысл направлять коммуникацию.

Робот не всегда эффективнее оператора

Генеральный директор ПКО «Бустер.Ру» (ГК IT Smart Finance) Иван Шарафиев представил результаты сравнительного пилота работы робота и оператора на разных стадиях просрочки. Исследование учитывало не только контактность и конверсию в обещание платежа, но и экономический результат.

Результаты пилота показали, что оператор работает лучше робота на всех стадиях просрочки: чаще устанавливает контакт с заемщиком, лучше удерживает диалог и чаще получает обещание платежа. Но по мере увеличения срока просрочки эта разница сокращается. Если на сроке 2–15 дней преимущество оператора по возврату задолженности составляло 1,44 процентного пункта, то на 16–30 днях — уже 0,15 п. п., а после 30 дней — 0,10 п. п.

При этом работа оператора, по расчетам компании, обходится примерно в 6,7 раза дороже. Поэтому более высокий результат человека окупает дополнительные затраты только на ранней просрочке. На более поздних стадиях небольшая прибавка к сборам уже не компенсирует разницу в стоимости обработки портфеля. Вывод Ивана Шарафиева: задача не в том, чтобы заменить операторов роботами, а в том, чтобы использовать человека там, где его участие действительно окупается.

«Не автоматизировать максимум, автоматизировать оптимум. Преимущества в коммуникации не гарантируют сопоставимого преимущества в деньгах. Результат нужно оценивать со стоимости его затрат. Экономику определяет конкретный контур», — сформулировал вывод Иван Шарафиев.

Чат дополняет телефонное взыскание

Начальник управления дистанционного урегулирования департамента финансового урегулирования ВТБ Венера Салахова рассказала о переходе от исключительно телефонных коммуникаций к работе через мобильное приложение и чат.

По ее словам, снижение доверия к незнакомым номерам и новые требования к маркировке звонков повышают стоимость телефонного взыскания. Поэтому банк развивает дополнительные каналы взаимодействия с клиентами.

Одним из таких каналов стал чат в «ВТБ Онлайн». Через него клиент может не только получить сообщение о просрочке и выбрать дальнейший сценарий взаимодействия, но и полностью дистанционно оформить реструктуризацию: получить консультацию и решение по заявке, направить документы и подписать их в приложении.

При этом банк продолжает развивать и автоматизацию телефонного взыскания. Как заметила Венера Салахова, 98% первых звонков обрабатывает робот, а 2% оставляют в ручном потоке, чтобы периодически сравнивать эффективность двух подходов. Дальнейшие контакты распределяет собственная модель: в зависимости от данных один и тот же клиент может получать следующий звонок от робота или оператора.

По данным ВТБ, охват чатом составляет 56%, уровень автоматизации — 60%, а клиентский отклик — 20%. В среднем обработка одного чата занимает семь минут, дистанционная выдача решения по реструктуризации — 18 минут. Уровень CSI (Customer Satisfaction Index — количественный показатель, который отражает уровень удовлетворенности клиентов продуктами, услугами или взаимодействием с компанией) с максимальной оценкой составляет 85%.

Цифровое рабочее место помогает повышать эффективность операторов

Начальник управления «Цифровой коллекшн» департамента финансового урегулирования ВТБ Наталия Хвацкая посвятила выступление цифровому рабочему месту сотрудника.

«Оператор у себя на рабочем месте видит все комплексно: и свои показатели, и аналитику по ним», — рассказала она.

По словам Наталии Хвацкой, также оператор видит динамику результатов и положение относительно коллег. При отклонении показателей от нормы система дает сотруднику рекомендацию, как это исправить, и выделяет время на работу с отклонением. Эти инструменты используются и для сотрудников других направлений урегулирования.

Отдельно эксперт рассказала о геймификации — использовании показателей сотрудников для соревнований и дополнительных стимулов к повышению результатов.

Взысканию нужен другой язык общения

Основатель учебного центра «ДА.Коллекшн» Дина Буш сосредоточилась на переговорах с должниками и клиентоцентричности.

По ее словам, изменение терминологии само по себе не меняет подход к работе с заемщиком. Дина Буш предложила трансформировать язык переговоров: вместо постоянного акцента на последствиях объяснять заемщику смысл выполнения обязательств.

«Важно переформулировать смысл профессии и переводить разговор в плоскость договоренностей. Профессия взыскателя законная и нужная: вы возвращаете кредитору актив, а заемщику — финансовую репутацию. И делать это нужно через договоренности»», — сказала эксперт.

Дина Буш также отметила, что сотрудников необходимо обучать не только готовым скриптам, но и умению анализировать реакцию должника. При отказе от оплаты она предлагает не спорить с должником, а выяснять, какие аргументы стоят за его позицией и что мешает ему выполнить обязательства.

Мессенджеры, роботы и ИИ становятся частью взыскания

Главный редактор «Рынка Взыскания» Антон Юдаев представил DEBT TECH / НАВИГАТОР — сервис для поиска и сравнения технологических решений для досудебного и судебного взыскания, банкротства, исполнительного производства и управления процессами. 

«Это одно окно, в которое можно зайти, выбрать нужную категорию, посмотреть и сравнить решения, которые там представлены», — отметил Антон Юдаев. Сейчас в сервисе DEBT TECH / НАВИГАТОР представлены решения 77 компаний, к концу года планируется увеличить их число до 300.

Среди основных технологических тенденций спикер выделил развитие мессенджеров, искусственного интеллекта и речевой аналитики. По его словам, мессенджеры стали полноценными каналами для взыскания.

В частности, он отметил развитие MAX. «Мессенджеры стали полноценными каналами для взыскания. Вот MAX появился — главный канал 2026 года, где уже доступны бизнес-аккаунты, боты, мини-приложения и оплата через СБП. Кредиторы и коллекторы все активнее используют его для работы с должниками», — сказал Антон Юдаев.

Еще один тренд — роботы-операторы на базе искусственного интеллекта. Такие решения уже широко используются на рынке, однако их распространение сдерживает высокая стоимость. «По мере развития технологий эти роботы будут потихоньку захватывать рынок, заменяя популярных сегодня сценарных», — отметил эксперт.

Отдельно Антон Юдаев остановился на речевой аналитике. Она позволяет анализировать коммуникации взыскателей с клиентами, выявлять не только нарушения, но и приемы, которые используют наиболее эффективные операторы, и распространять эти практики на работу всех сотрудников кол-центра. «Почему есть успешные операторы и есть не очень успешные? Вот речевая аналитика позволяет выявить, каким образом людям удается эффективно взаимодействовать с клиентами и увеличивать сборы», — пояснил эксперт.

По мнению Антона Юдаева, внедрение речевой аналитики на базе ИИ — один из главных трендов 2026 года. Этот технологический сегмент имеет большой потенциал роста.

Параллельно развивается и сам DEBT TECH / НАВИГАТОР: в сервисе появился раздел компаний, а число представленных в нем решений расширяется. Кредиторам и взыскателям сервис помогает анализировать рынок технологических решений и находить подходящие сервисы, а для вендоров это новый канал привлечения лидов.

Вывод

Досудебное взыскание все чаще строится на сочетании разных каналов и инструментов. В работе используются роботы, чаты, мобильные приложения, искусственный интеллект и речевая аналитика.

При этом автоматизация не исключает участия человека: робот и оператор могут работать в одной стратегии, а выбор между ними зависит от конкретной ситуации и параметров модели.