Коротко. Мы замерили, как пять нейросетей видят 23 банка второго уровня Казахстана. Лучше всех ИИ знает Kaspi и Halyk; почти половина банков в ответах практически невидима, а новые и иностранные — вроде БИЭнКей и ICBC — не появляются вовсе. Решает не размер банка, а его след в каталогах и деловых СМИ.
Всё больше людей выбирают банк не в поисковике, а в разговоре с нейросетью: «какой банк в Казахстане надёжнее», «где выгоднее ипотека», «какую карту с кэшбэком оформить». В ответ ИИ выдаёт короткий список из нескольких названий — и именно он становится «витриной» рынка. Мы составили первый публичный рейтинг ИИ-видимости банков второго уровня Казахстана — строго по реестру Нацбанка на egov.kz. Главный вывод оказался неочевидным: то, насколько ИИ «знает» банк, почти не зависит от его размера и активов. Это снимок на июль 2026 — и он наверняка будет меняться.
Авторы исследования — Игорь Новиков, Дмитрий Зимин и Сергей Бурый, Звонко. Партнёр исследования — Bank.kz, где рейтинг вышел в совместной публикации.
Главное
- Видимость банка в ИИ — это не размер активов. Решает цифровой след во внешних источниках: агрегаторы банков и МФО, деловые СМИ, обзоры ставок, «Википедия». На официальные сайты самих банков приходится лишь 17% ссылок, которые ИИ приводит в ответах.
- Kaspi и Halyk — два полюса рынка. Kaspi лидер по совокупности (66 из 100): нейросети называют его сами и почти всегда хвалят. Halyk чаще всех всплывает в нейтральных вопросах (узнаваемость 87), но описывают его сдержаннее.
- Размер не спасает. Почти половина банков (47,8%) в вопросе «какой банк выбрать» нейросети сами почти не называют — среди них и госбанк «Отбасы», и банки с историей.
- Новые и иностранные банки в слепой зоне. У БИЭнКей (новый банк с корейским капиталом, лицензия июня 2025) и ICBC узнаваемость — ровно ноль: для ИИ их пока не существует.
- Голос о банке формируют каталоги и медиа. Топ источников — bank.kz, brobank.kz, vbr.kz, Kursiv, Forbes, а не сайты самих банков.
- Один банк в разных нейросетях виден по-разному. Perplexity на один вопрос называет в среднем больше 6 банков, ChatGPT и «Алиса» — меньше 4.
- На видимость можно влиять. Присутствие в каталогах, упоминания в деловых СМИ, внятный сайт и справочники — рычаги, которые работают.
Почему мы взялись за этот замер
Вопрос «в какой банк идти» люди всё чаще задают не менеджеру и не поисковику, а нейросети — и получают готовый короткий список. Для банка это новая точка входа клиента: если ИИ не назвал тебя в ответе на «лучшую карту с кэшбэком», клиент про тебя даже не подумал. Мы решили измерить это системно — и вот что вышло.
Взяли все 23 банка второго уровня Казахстана по реестру Нацбанка. Задавали вопросы пяти нейросетям: ChatGPT, Claude, Perplexity, Gemini и «Алисе AI» (нейропоиск Яндекса). Это платформы с самой большой аудиторией в регионе плюс российский поисковый ИИ, у которого есть присутствие в РК.
Каждый вопрос задавали в нескольких формулировках, а часть прогоняли по несколько раз, чтобы результат не зависел от случайной фразы или разового ответа. Всего разобрали 902 ответа.
Что именно мы спрашивали у нейросетей
Мы брали запросы, с которыми к нейросети реально приходят клиенты. Вопросы были трёх типов. Первый — без названия конкретного банка, чтобы увидеть, кого ИИ вспоминает сам: «какой банк выбрать в Казахстане», «лучшая дебетовая карта с кэшбэком», «где выгоднее взять ипотеку», «лучший банк для бизнеса». Второй — сравнение лидеров: «Kaspi или Halyk для повседневных расчётов», «Freedom или Bereke где выгоднее вклад». Третий — прямые вопросы о конкретном банке: «расскажи о банке», «официальный сайт и приложение», «какие карты и продукты», «новости и надёжность».
Итоговый балл видимости (0–100) считали по четырём осям: узнаваемость (называет ли ИИ банк сам и как высоко), цитируемость (ссылается ли на сайт самого банка или на посредников), тональность (как описывает — позитивно, нейтрально, с негативом) и точность (свежий ли ответ, есть ли источник, верны ли продукты). Главная ось — узнаваемость: банк появляется в ответах ИИ-поиска, только если нейросеть вспоминает его сама.
Что показал итоговый список
Источник: собственное исследование Звонко, июль 2026.
Первое, что мы увидели, — вершина рейтинга держится на розничных лидерах с плотным следом в медиа: Kaspi (66), Halyk (62), ForteBank (60), Alatau City Bank (59). Средний балл по нише вышел невысоким — 47,5 из 100, а почти половина банков в нейтральном разговоре о выборе банка нейросети сами почти не называют. Но самое интересное началось не на вершине, а там, где ИИ либо забывает про банк, либо целиком отдаёт рассказ о нём посторонним сайтам. Ради этих сюжетов всё и затевалось.
Kaspi и Halyk: два полюса рынка
Источник: собственное исследование Звонко, июль 2026.
На вершине — два банка с разным характером видимости. Kaspi — лидер по совокупности: нейросети называют его сами (узнаваемость 82 из 100) и почти всегда хвалят («лучшее приложение», «явный лидер» — тональность 96). Halyk чаще всех всплывает в нейтральных вопросах о банках (узнаваемость 87), но описывают его сдержаннее, без превосходных степеней. Дальше заметный отрыв — ForteBank (60) и Alatau City Bank (59, бывший Jusan, теперь под контролем совладельца Kaspi). Для остальных банков попадание в верхнюю часть ответа — уже не данность, а результат работы.
Хотите узнать, на каком месте ваш банк, когда клиент спрашивает нейросеть «где выгоднее ипотека» или «какую карту оформить»? Мы измерим вашу видимость в пяти нейросетях по реальным запросам аудитории и покажем, кто перехватывает клиента в ответе ИИ. Закажите замер в Звонко — диагностику начинаем без предоплаты.
Знают, но не называют
Источник: собственное исследование Звонко, июль 2026.
Самый частый сюжет в середине рейтинга: про банк нейросеть отвечает подробно и корректно, опирается на источники — но сама, в вопросе «какой банк выбрать», его не вспоминает. Нурбанк (точность 70, узнаваемость 29), Заман-Банк (цитируемость 60, узнаваемость 31), Altyn Bank (точность 67, узнаваемость 36), Bank RBK (точность 65, узнаваемость 37). Данные о банке у ИИ есть, и они верны. Проблема в другом: в нейтральном разговоре о выборе банка ассистент его не предлагает. Это и есть слепая зона, которой можно управлять.
Кого нейросети почти не видят
Источник: собственное исследование Звонко, июль 2026.
Внизу рейтинга — иностранные дочки и новые банки, которых нейросети в вопросе о выборе банка не называют вовсе. Самый показательный случай — БИЭнКей (BNK): новый банк с корейским капиталом, лицензия от июня 2025 года. Его узнаваемость — ровно ноль: для ИИ он пока не существует, хотя банк реально работает и лицензирован Нацбанком. Рядом ICBC (дочка крупнейшего банка Китая) — тоже ноль упоминаний в нейтральных вопросах. Дальше Банк Китая (19), Ситибанк (21), КЗИ Банк (23), Шинхан Банк (24). Свежий бренд или нишевый профиль — типичная слепая зона: в «витрине» нейросети банка нет, даже если у него глобальный материнский бренд.
Запускаете новый банк или продукт и хотите, чтобы нейросети начали называть вас с первого дня? Слепая зона на старте — не приговор: её закрывают присутствием в правильных источниках. Напишите нам — покажем, с чего начать, на примере вашего бренда.
Чей голос слышит нейросеть
Источник: собственное исследование Звонко, июль 2026.
Отвечая про банки, ИИ опирается в основном на посредников. В топе цитируемых источников — агрегаторы банков и МФО (bank.kz, brobank.kz, vbr.kz), финансовые порталы (finance.kz) и деловые СМИ (Kursiv, Forbes Kazakhstan). Сайты самих банков попадают в цитаты редко: на них приходится лишь 17% всех ссылок. Практический смысл простой: что нейросеть расскажет о банке — какие у него ставки, надёжен ли он, какие карты выгоднее, — решают в первую очередь каталоги и медиа, а не пресс-служба банка. Если в этих источниках банк представлен слабо или устаревшими данными, таким его и увидит клиент через ИИ.
Как ИИ говорит о банках
Источник: собственное исследование Звонко, июль 2026.
Тон ответов о банках в основном нейтральный: ИИ перечисляет факты и условия без оценок. Явный позитив — редкость и достаётся лидерам сравнений: Kaspi нейросети почти монопольно хвалят, Freedom хорошо звучит в вопросах о вкладах и ипотеке. Негатив в финансах всплывает легко, но встретился точечно: у Банка ЦентрКредит ИИ иногда припоминает старые проблемы банковского сектора — это единственный банк с заметным негативом в ответах. Важная оговорка: отказ модели («нет актуальных данных», «ставки меняются») мы считали нейтральным, а не негативом — для темы про деньги это честнее.
У каждой нейросети своя картина
Источник: собственное исследование Звонко, июль 2026.
Разброс между платформами оказался больше, чем мы ожидали. На один и тот же вопрос «какой банк выбрать в Казахстане» Perplexity перечисляет в среднем больше 6 банков, а ChatGPT и «Алиса» — меньше 4. Из-за этого один и тот же банк может быть заметным в одной нейросети и почти невидимым в другой. Причина — в данных, на которых обучались модели, и в наличии живого веб-поиска: модели с поиском и с большой долей локального корпуса находят казахстанские банки иначе, чем глобальные. Поэтому видимость надо проверять сразу на нескольких нейросетях — их ответы расходятся в разы. Подробнее про механику ответов «Алисы» мы разбирали в материале о GEO-оптимизации под ответы ИИ.
Почему всё решает след банка вне его сайта
И вот главный вывод исследования. Нейросети почти не читают сами сайты банков — они собирают картину из внешних источников: каталогов банков, обзоров ставок, деловых СМИ, «Википедии». Значит, ИИ знает банк не по банку, а по его следу снаружи. Рейтинг ИИ-видимости — это слепок того, насколько плотно и свежо банк представлен в источниках, которые читает ИИ, а не размера активов или числа отделений.
Отсюда и все парадоксы: розничный лидер с рекламой обгоняет банк с историей, но «тихий» в медиа; новый или иностранный банк с сильным материнским брендом остаётся невидимым, пока о нём не появятся местные упоминания; госстатус сам по себе не поднимает банк в ответах. Меняется след банка во внешних источниках — меняется и картина в ответах ИИ. Как измерять эту картину системно, мы описывали в обзоре инструментов AEO-мониторинга.
Кто в слепой зоне и как из неё выйти
Внизу рейтинга — новые банки, иностранные дочки и банки, «тихие» в казахстанских медиа: ICBC (28), БИЭнКей (33), Банк Китая (34), Al Hilal (36), KMF (40). Свежий бренд, нишевый профиль или слабое присутствие в каталогах — типичная слепая зона. И это то, что можно исправить: видимостью в нейросетях можно управлять.
Четыре рычага, которые реально влияют на ИИ-видимость банка:
- Присутствие в каталогах и агрегаторах. bank.kz, brobank.kz, vbr.kz, finance.kz — именно оттуда ИИ берёт данные о банке. Полная и свежая карточка важнее, чем редизайн собственного сайта.
- Упоминания в деловых СМИ и обзорах. Kursiv, Forbes, finratings и сравнения «где выгоднее» — чем чаще банк называют рядом с лидерами, тем выше шанс, что модель начнёт вспоминать его сама.
- Внятный собственный сайт. Структурированные факты, продукты, ставки, разметка — чтобы попадать в те самые 17% цитирований на официальные источники и не отдавать рассказ о себе целиком посредникам.
- Справочники и «Википедия». Однозначная привязка «бренд — банк Казахстана», чтобы ИИ не путал банк с иностранным тёзкой и не терял новый бренд.
Это снимок данных по состоянию на июль 2026. ИИ-ответы меняются, и мы обязательно замерим их снова.
Разберём вашу видимость в нейросетях по четырём осям — узнаваемость, цитируемость, тональность, точность — и составим план, как подняться в ответах ИИ по запросам ваших клиентов. Закажите замер в Звонко или напишите нам — начинаем без предоплаты.
Частые вопросы
Это рейтинг надёжности банков?
Нет. Это рейтинг ИИ-видимости на дату замера — того, как банк представлен в ответах нейросетей. Это не оценка надёжности, размера или качества обслуживания. Небольшой банк с плотным следом в каталогах и СМИ может обгонять крупный, потому что в ИИ решает внешний цифровой след, а не активы.
Почему размер банка почти не влияет на видимость?
Нейросети почти не читают сами сайты банков — они собирают картину из внешних источников: каталогов, обзоров ставок, деловых СМИ, «Википедии». Поэтому банк с активной подачей в медиа виден лучше, чем крупный, но «тихий» для внешних площадок. Лишь 17% ссылок в ответах ИИ ведут на официальные сайты самих банков.
Какие нейросети участвовали?
ChatGPT, Claude, Perplexity, Gemini и «Алиса AI» (Яндекс). Пять платформ с разным покрытием локального корпуса и разным доступом к веб-поиску — а это напрямую влияет на видимость казахстанских банков.
Почему у БИЭнКей и ICBC узнаваемость ноль?
Это новые и нишевые иностранные банки со слабым следом в казахстанских источниках. БИЭнКей получил лицензию только в июне 2025 года — о нём почти нет упоминаний в каталогах и СМИ, которые читает ИИ. Пока такого следа нет, нейросеть в вопросе о выборе банка их не называет.
Почему список банков взят с egov.kz?
Чтобы состав был официальным и проверяемым: мы брали все банки второго уровня из реестра Нацбанка на портале egov.kz на дату замера — без отбора «по узнаваемости». Так рейтинг честно показывает, что часть лицензированных банков для ИИ практически невидима.
Можно ли влиять на ИИ-видимость банка?
Да. Присутствие в каталогах, упоминания в деловых СМИ, внятный собственный сайт и справочники — четыре рычага из раздела выше. Метод открыт: любой может повторить замер по нашей схеме на тех же пяти нейросетях. Системно этим занимается продвижение бренда в нейросетях — от замера до контента, который ИИ цитирует.
Это разовый снимок?
Да, снимок на июль 2026 года. ИИ-ответы меняются, а след банка во внешних источниках сам не появится. Повторный замер планируем позже.