Skip to main contentSkip to footer

Barclays расширяет внедрение Claude: половину разработчиков планируют подключить до конца года

Специалист за рабочими экранами и логотипы Barclays и Claude — иллюстрация внедрения ИИ в банке

Barclays расширяет использование Claude для разработки программного обеспечения, модернизации устаревших систем и внутренних операций. Согласно сообщению Anthropic от 1 октября 2026 года, банк рассчитывает довести использование Claude Code до половины своих разработчиков к концу 2026 года. В 2027 году планируется охватить большинство инженеров.

Это целевые показатели внедрения, а не уже достигнутый результат. Для банков и финтех-команд Узбекистана новость интересна сочетанием трёх направлений: помощь разработчикам, поиск по внутренним знаниям и обработка обращений.

Что меняется в работе разработчиков

Barclays связывает расширение сотрудничества с ускорением разработки и обновлением действующих технологических платформ. В заявлении подчёркиваются управление рисками, контроль безопасности и участие людей. Публичный анонс не доказывает, что подключение инструмента само по себе повысило производительность каждого инженера.

Здесь важно различать доступ и результат. Если разработчик получил AI-помощника, это ещё не говорит о том, сколько задач он завершил и сколько ошибок осталось после проверки. Для оценки такого внедрения мы бы смотрели на время от постановки задачи до принятого изменения, долю возвратов с ревью и стабильность после выпуска.

На практике полезно начать с ограниченного класса работ: например, добавить тесты к существующему модулю или разобраться в незнакомом участке кода. Такой пилот проще сравнить с прежним процессом, чем абстрактное требование «ускорить всю разработку».

Какие сценарии уже описаны в банке

В публикации Anthropic приведены два действующих направления. Внутренний Colleague Knowledge Assistant помогает сотрудникам искать ответы в корпоративной информации и работает с 2025 года. В подразделении Global Markets модели используются для классификации и маршрутизации входящих писем. Это описание участников проекта; независимых результатов аудита эффективности в анонсе нет.

Первый сценарий понятен любой компании с большой базой инструкций. Сотруднику важно быстро найти действующий документ и проверить основание ответа. Второй касается очереди обращений: системе нужно определить тему письма и направить его нужной команде. В обоих случаях ценность следует измерять на конкретной операции.

Что могут проверить банки и финтех Узбекистана

Наш практический вывод из кейса — начинать с процесса, который можно описать и проверить. Для местной команды это может быть внутренний справочник, помощь инженерам или распределение обращений. Сам по себе выбор крупного зарубежного банка не доказывает, что тот же продукт оптимален для другой организации.

Предлагаем три критерия пилота:

  • Качество: сколько ответов подтверждено источниками и сколько результатов принято сотрудниками без исправления.
  • Время: сокращается ли полный цикл обработки, включая проверку человеком, а не только генерация ответа.
  • Стоимость: как меняются расходы на принятую задачу с учётом API, поддержки интеграции и повторных попыток.

Для двуязычного сервиса стоит подготовить отдельные примеры на русском и узбекском. Необходимо проверить названия продуктов, сокращения и смешанные запросы. Хороший результат на англоязычном примере не следует автоматически переносить на локальную службу поддержки.

Где проходят границы автоматизации

Мы бы разделили подсказку сотруднику и самостоятельное действие системы. Поиск инструкции, подготовка проекта ответа и изменение данных клиента требуют разных уровней доступа. В пилоте нужно заранее определить, кто подтверждает результат и как восстановить ход обработки при ошибке.

Похожую тему корпоративного ИИ рассматриваем в материале о ChatGPT for Financial Services для банков и финтеха. Сравнивать такие решения полезнее по требованиям конкретного процесса, чем по известности поставщика.

Итог: Barclays планирует масштабировать Claude Code и уже описывает использование Claude в операционных процессах. Для местного бизнеса это ориентир при проектировании пилота, но не готовое доказательство окупаемости. Начинать стоит с измеримой задачи и расширять внедрение после проверки результата.

Первоисточник: сообщение Anthropic о сотрудничестве с Barclays, 1 октября 2026 года. Обложка создана с помощью ИИ и не является фотографией сотрудников банка.

Интересное