ИИшники

Практика ИИ

Barclays расширяет применение Claude: от поиска знаний до обработки клиентских писем

Barclays расширяет стратегическое сотрудничество с Anthropic и применение Claude в глобальных операциях банка. В официальном сообщении обозначены направления: ускорение разработки, модернизация устаревших систем и повышение операционной эффективности. Для бизнеса здесь интересен переход от отдельных инструментов к изменению рабочих процессов.

Компания описывает уже работающие сценарии поиска информации и обработки писем, а также планы распространения Claude Code среди разработчиков. Ниже отделяем заявленные результаты от редакционного предложения: как проверить похожий подход в своей организации, не принимая чужой масштаб за гарантию собственной отдачи.

Редакция ИИшников7 минутРасширение сотрудничества Barclays и Anthropic

Коротко

  • Barclays расширяет использование Claude для разработки, модернизации систем и операционных задач.
  • Помощника для поиска знаний используют более 16 000 сотрудников; он обработал свыше миллиона поисковых запросов.
  • В Global Markets платформа обрабатывает около 120 000 писем ежедневно.
  • Планы внедрения Claude Code не равнозначны достигнутым результатам; собственный бизнес-сценарий требует отдельной проверки.
Иллюстрация офисной работы с входящими обращениями и внутренними справочными материалами
Поиск знаний и подготовка писем к обработке — два действующих направления применения Claude, описанных в сообщении о Barclays.

Что объявлено: расширение применения, а не только новый инструмент

По сообщению Anthropic, Barclays рассчитывает довести использование Claude Code до 50% разработчиков к концу 2026 года. В 2027 году банк ожидает охватить большинство инженеров-программистов. Это прогноз внедрения, а не подтверждение того, что обозначенный охват уже достигнут.

Руководство Barclays связывает расширение с пересмотром процессов: сокращением рутины, упрощением принятия решений и возможностью направить экспертизу сотрудников на сложные задачи. В технологическом контуре банк описывает движение к более агентному применению ИИ при создании, тестировании, защите и эксплуатации систем.

Отдельный действующий пример — Colleague Knowledge Assistant. Помощник работает с 2025 года и помогает сотрудникам Barclays UK находить сведения для обслуживания более 20 миллионов розничных клиентов в Великобритании. В его основе Claude и архитектура генерации с дополнением найденной информацией, обозначенная как RAG.

Помощника приняли в работу более 16 000 сотрудников, а количество обработанных поисковых запросов превысило миллион. Anthropic сообщает об ускорении доступа к информации и поддержки клиентов. Точных показателей сокращения времени обслуживания в тексте нет.

В подразделении Global Markets модели Claude классифицируют входящие письма, дополняют их информацией и определяют маршрут обработки. Платформа обрабатывает около 120 000 писем в день, помогая расставлять приоритеты и обеспечивать наличие сведений, необходимых операционным сотрудникам для дальнейших действий.

Бизнес-сценарий: подготовить обращение к работе сотрудника

Редакционное предложение ИИшников — рассмотреть похожий подход для входящих обращений, где сотруднику приходится сначала выяснять тему, искать контекст и выбирать исполнителя. Это возможный сценарий для проверки, а не описание дополнительного внедрения Barclays или обещание аналогичного результата.

Предлагаемая роль ИИ — подготовить обращение к обработке: определить категорию, выделить существенные сведения и предложить ответственное подразделение. Решение о дальнейших действиях на этапе проверки стоит оставить сотруднику. Так предметом оценки станет конкретная операция, а не абстрактная полезность помощника.

Для работы со знаниями можно отдельно проверить подготовку ответа на основе разрешённых внутренних материалов. Редакционная рекомендация — показывать сотруднику найденное основание вместе с черновиком, чтобы он мог сопоставить формулировку с документом и заметить неподтверждённый вывод.

Эти сценарии не обязательно объединять сразу. Поиск справочной информации и распределение писем решают разные задачи. Для пилота разумно выбрать тот участок, где понятны входные данные, ожидаемый результат и человек, который отвечает за проверку.

Ограничения и контроль: что нельзя вывести из масштаба

Barclays сообщает о применении управленческого контроля, мер безопасности и человеческого надзора. Однако публикация не раскрывает подробную схему разрешений, критерии качества ответов или правила передачи спорных случаев сотрудникам. Наличие этих общих принципов нельзя считать готовой инструкцией для другой компании.

Объём обработанных писем показывает масштаб процесса, но сам по себе не измеряет точность классификации или финансовый эффект. Аналогично число пользователей помощника не объясняет, насколько изменилось качество каждого ответа. В источнике нет данных, позволяющих рассчитать окупаемость такого внедрения.

Для собственного пилота редакция предлагает заранее определить допустимые источники, границы доступа и действия, требующие подтверждения. Если информации недостаточно или документы противоречат друг другу, результат стоит направлять на проверку, а не превращать предположение модели в окончательное решение.

Отдельно следует проверить ошибки маршрутизации и ответы без достаточного основания. В предлагаемом сценарии контроль должен охватывать не только удобство интерфейса, но и то, может ли сотрудник понять причину рекомендации, исправить её и продолжить работу без использования результата ИИ.

Практический чек-лист: что подготовить перед запуском

Следующий список — редакционный вариант подготовки пилота. Он не представлен в сообщении Anthropic как методика Barclays. Его задача — перевести интерес к банковскому примеру в ограниченную проверку с понятной ответственностью и наблюдаемым результатом.

  • Опишите выбранную операцию: что поступает на вход, какой результат нужен сотруднику и где заканчиваются полномочия ИИ.
  • Назначьте владельца процесса и согласуйте, кто проверяет рекомендации, разбирает ошибки и принимает решение о продолжении пилота.
  • Подготовьте разрешённые материалы и примеры обращений, включая неполные, неоднозначные и требующие передачи специалисту.
  • Сравнивайте время обработки, объём исправлений и качество результата с текущим порядком работы, а не только считайте обращения к помощнику.
  • До расширения определите условия остановки: какие ошибки недопустимы и когда процесс должен возвращаться к ручной обработке.

Редакционный вывод: в этом сообщении ценен выбор конкретных рабочих задач, а не только масштаб охвата. Для другой организации полезнее начать с проверяемой операции и контроля качества. Решение о расширении стоит принимать по собственным наблюдениям, а не по планам крупного банка.

Источники и границы разбора

  1. anthropic.comBarclays scales Claude to upgrade operations and improve client experience2026-10-01

    Официальное сообщение компании — фактическая основа новости. Предложенный бизнес-сценарий и контрольные шаги являются редакционным разбором ИИшников.

Фактическая часть основана на официальном сообщении Anthropic о расширении сотрудничества с Barclays. Прогнозы охвата обозначены как планы, результаты — как сведения компании. Бизнес-сценарий, рекомендации по контролю и чек-лист являются редакционными предложениями ИИшников, а не подтверждённой практикой Barclays.

Выберите процесс для проверки

Начните с одной операции: опишите входные данные, ожидаемый результат и ответственность сотрудника. Затем определите, по каким признакам будете оценивать пользу и ошибки ИИ.

Подготовить описание пилота