Перейти до вмісту

Skipton Building Society, Велика Британія. Ощадно-іпотечна фінансова організація; приблизно 2 500 співробітників.: Компанія: Skipton Building Society, Велика Британія

Skipton Building Society, взаємне фінансове товариство з 2 500 співробітників, впроваджує Microsoft Copilot та власний багатоагентний інструмент Q для роботи з правилами ядерної банківської системи. Акцент зроблено на підтримку співробітників, а не на скорочення штату. Приблизно 80% співробітників використовують Copilot Enterprise, а Q дозволяє отримувати відповіді за хвилини замість днів пошуку.

Контекст

Компанія
Skipton Building Society, Велика Британія. Ощадно-іпотечна фінансова організація; приблизно 2 500 співробітників.
Країна
Велика Британія

Організація належить своїм учасникам (клієнтам ощадностей і іпотеки), а не акціонерам, тому технологічні вибірці повинні служити потребам людей. До цього йшла цифрова трансформація на основі Azure, Databricks та оновлення вебсайту і додатків. Потрібно було знайти спосіб допомогти бізнес-аналітикам, архітекторам та розробникам швидше розбиратися в складних правилах ядерної банківської системи.

Обмеження

Необхідність дотримуватися існуючих контрольів захисту даних та безпеки ІТ; заборона на виведення змін за межі 10–15 людей без розмови з відповідною командою; рамки захисту даних, управління та стороннього нагляду; потреба у людському судиміщі, оскільки точність ніколи не буде 100%.

Що зробили

Почали з 30 колег з різних підрозділів, які без форматного пілоту досліджували Copilot у своїй роботі та порівнювали нотатки. Після цього інструмент розповсюдили на всю організацію приблизно 2 500 осіб. Створили власний багатоагентний інструмент Q на Azure Foundry за допомогою GitHub Copilot двома інженерами Skipton; він доступний як чат-бот для бізнес-аналітиків, архітекторів та розробників. Проводять дні навчання з AI по всій країні, а не лише в головному офісі. Зміни не виводяться за межі малої групи без узгодження з відповідною командою; люди залишаються відповідальними за прийняття рішень та інтерпретацію результатів.

Що могло провалитись

Чарлі Моран зазначає, що точність ніколи не буде 100%, і порівнює це з людською точністю, що теж не є 100%; тому людське судиміще залишається обов'язковим. Інструмент Q може запропонувати відповідь або варіант, але не прибирає потреби інтерпретувати знайдене, приймати рішення та діяти.

Що з цього переноситься

Підхід працює, коли організація починає з питання про правильну проблему для учасників, а не з економії на персоналі, і залишає людину в контурі прийняття рішень; він не підходить, якщо мета — скорочення штату або повна передача судиміща машині.

Кому це релевантно

Релевантно для українських компаній на 10–100 людей, які працюють з клієнтами і мають внутрішні процеси, де співробітники шукають інформацію в складних системах. Різниця масштабу полягає в тому, що велика організація може розповсюджувати інструменти на тисячі людей, тоді як менша компанія може почати з малої групи і порівняння нотаток без формального пілоту.

Скільки зайняло: Детальний перегляд обробки конкретного типу адреси будівлі тривав кілька днів у початку 2026 року; порівняння точності Q проведено у липні 2026 року.

Джерела

  1. 1
    ukstories.microsoft.com ↗

    ukstories.microsoft.com

Щотижневі кейси на пошту

Нові кейси з цифрами й посиланнями на джерела.