Rabobank инвестирует €2 млрд в ИИ и цифровую трансформацию инфраструктуры

По данным Incrussia, нидерландский Rabobank в ближайшие три года вольёт до €2 млрд в инфраструктуру данных, технологии и искусственный интеллект — план в начале августа озвучил глава банка Стефаан Декраен вместе с полугодовой отчётностью. Для тех, кто собирает корпоративный стек на основе генеративных моделей и AI-ассистентов, это сигнал: крупный европейский игрок переходит от пилотных итераций с нейросетями к системному масштабированию, и параметры требований к поставщикам ИИ-решений заметно сдвинутся.

Три вектора бюджета

Деньги распределят между тремя направлениями: инфраструктурой данных и ИТ, клиентскими сервисами и масштабированием решений на базе ИИ. Конкретные пропорции в банке не раскрывают — типичная ситуация для крупных заказчиков, которые держат архитектуру решения в закрытом контуре и подключают вендоров точечно. Практический вывод для продакт-менеджеров и интеграторов: готовить отдельные кейсы под каждый слой, а не упаковывать всё в «единую платформу». На уровне инфраструктуры это Data Warehouse, ETL-пайплайны и хранилища фичей. На уровне сервисов — фронтальные ассистенты, чат-боты, предиктивные модели для клиентского пути. На уровне ИИ — выбор между файн-тюнингом готовых LLM и дообучением собственных моделей под банковскую специфику.

Контекст европейского рынка

Rabobank — не первый банк в регионе, перенастраивающий ИТ-бюджет под нейросети. В конце июля Lloyds Banking Group представил стратегию до 2030 года и заявил о планах сэкономить около £2 млрд с помощью технологий и ИИ. Параллельно финансовая отчётность Rabobank показала чистую прибыль за полугодие в €2,69 млрд — без изменений год к году. Арифметика простая: заявленный технологический бюджет фактически равен почти трём четвертям полугодовой прибыли банка. Когда ограничения по вычислительным ресурсам и лимиты контекстных окон упираются в реальный корпоративный спрос, именно такие цифры задают темп для смежных отраслей — страхования, ритейла, логистики.

На что обратить внимание

• Архитектура развёртывания. Банковский сектор обычно требует приватных инсталляций, on-prem моделей или VPC-деплоя. Это меняет параметры выбора между публичными API и self-hosted решениями и сразу отсекает вендоров, которые не умеют отдавать веса модели клиенту.
• Скорость вывода первых кейсов. Если Rabobank раскроет пилотные генерации в ближайшие кварталы, это станет ориентиром для всего финсектора ЕС — следить за пресс-релизами и профильными конференциями.
• Регуляторный трек. Использование ИИ в кредитном скоринге и клиентских сервисах в ЕС проходит под жёстким надзором. Качество моделей, объяснимость решений и журнал аудита становятся обязательными параметрами тендеров — их нужно закладывать в продукт с первого релиза, а не добавлять постфактум.