К 2027 году каждое третье онлайн-совещание будет в режиме реального времени преобразовываться в текстовую расшифровку при помощи алгоритмов искусственного интеллекта, прогнозируют аналитики ВТБ. В режиме записи будут преобразовываться из речи в текст более 95% всех онлайн-встреч, в которых участвуют больше трех человек.

В настоящее время, по данным кредитной организации, из всех онлайн-совещаний в реальном времени расшифровывается не более 1% онлайн-конференций и до 10% в записи.

— Всю аудиторию сервисов видеоконференцсвязи (ВКС) мы оцениваем в 20 млн пользователей в РФ. К 2027 году этот показатель вырастет до 10% всех пользователей сервисов видеоконференций. Он может вырасти и до 20% — но в случае развития не только сервисов транскрибации, но в целом сегмента цифровых ассистентов, — отмечает Вадим Кулик, заместитель президента – председателя правления банка ВТБ.

Инструмент преобразования речи в текст (speech-to-text) работает на базе алгоритмов искусственного интеллекта, и на сегодняшний день доступен сотрудникам ВТБ при использовании видеохостинга DION.Видео, элемента платформы унифицированных коммуникаций DION, которая используется в банке с 2022 года.

Все, что говорят участники видео-встречи, алгоритм преобразовывает в разбитые на реплики письменные сообщения. Для реализации этого решения использовались модели, созданные ИТ-специалистами департамента анализа данных и моделирования банка ВТБ. Эти модели постоянно совершенствуются. Например, сейчас на их основе тестируется функция саммаризации, когда пользователи могут получить краткое изложение прошедшей онлайн-конференции. А в дальнейшем появится функция автопротоколирования — автоматически генерируемого по итогам онлайн-встречи перечня поручений.

Вадим Кулик также отметил, что в целом направлению ИИ уделено отдельное внимание в стратегии развития банка до 2026 года. Кроме того, ВТБ ведет большую работу по совершенствованию внутренних сервисов, которыми пользуются сотрудники, что тоже является одним из элементов стратегии.

Аналитики кредитной организации считают, что компания со штатом в 10 тыс. человек сэкономит до 7,5 тыс. часов в год, если вместо расшифровки онлайн-совещаний вручную будет использовать нейросетевые алгоритмы.