Андрей Сабынин

Экс-член правления банка, CIO, основатель AI-native ИТ-компании. AI-трансформация и снижение стоимости ИТ в банках и финтехе на практике.

Строю финтех и управляю теми, кто его делает:

людьми с 2007 года и AI-агентами с 2024-го.

Экс-член правления универсального банка · CIO банка · основатель компании-разработчика банковского ПО

  1. ИТ дорожает каждый год. Становится ли оно эффективнее?

    Снял треть ИТ-затрат универсального банка за год – без остановки продуктов и без потери скорости разработки. Эффективность разработки выросла на 10 % по независимой метрике. Эффективность ИТ измеряю скоростью выпуска, стоимостью изменения и качеством и отвечаю за эти метрики перед правлением, акционером и CEO. С AI штат ИТ в банке к 2030 году можно сократить на 70 %. Как я бы это сделал →

    BCG, 2025: расходы к доходам у традиционных банков выше 60 %, у цифровых – около 35 %

  2. AI внедряют все. А есть ли измеримый эффект?

    Строю AI-разработку, которая окупается: агенты делают работу команды, контрольные точки держат качество, правление видит результат в цифрах.

    PwC, 2026: 56 % из 4 454 CEO пока не видят финансовой отдачи от AI

  3. Или проще: нужен взгляд эксперта со стороны на ваше ИТ?

    Разберем, насколько оно эффективно и современно, и обсудим задачи вашего бизнеса и формат моей ответственности. 30 минут на расходы, скорость разработки, качество и применение AI.

    Выбрать время → Написать в TG

Кто я

Технологический руководитель банков с 2007 года. Был членом правления, отвечал за операционный и технологический блоки, вел продуктовые трансформации ИТ. Защищал ИТ-стратегию перед акционерами и советами директоров и реализовывал ее. Управлял блоками до 1 250 человек и ИТ-бюджетом до $90 млн в год.

В 2022 году основал FlyOptima. Компания разрабатывает и внедряет решения для банков и финтеха, а также помогает финтех-стартапам выстроить современные ИТ-процессы с фокусом на AI SDLC.

Технологию знаю руками, а не по отчетам: продукты FlyOptima собраны при моем прямом участии. С 2024 года веду разработку, где AI-агенты работают как команда – под протоколом, с проверкой и замером. Этот сайт, его дизайн и оригинальные шрифты сделаны так же – мной вместе с агентами.

Работал CIO необанка по контракту C-level as a Service, масштабировал банковские платформы, оптимизировал расходы. Результат измеряю скоростью выпуска, стоимостью изменения и качеством.

С кем работаю

С банками, финтехами и корпорациями, у которых есть четкая стратегия развития и измеримые цели.

С теми, кто готов пробовать, действовать и измерять результат и хочет идти в трансформации первым: AI, продуктовой и технологической.

Им я даю отраслевые решения, опыт управления большими командами и современное ИТ, которое приводит к цели в рамках ограниченного бюджета.

Что я предлагаю

партнеру

Тому, кто запускает или модернизирует финтех

  1. Готовое современное банковское ядро (АБС)

    Бизнес стартует на готовой платформе: карты, кредиты, рассрочка, эквайринг. Требования регулятора закрываем под вашу юрисдикцию.

  2. Роль сооснователя-партнера

    Беру домен ИТ под свою ответственность: стек на старте дешевле, команда и процессы выстроены с первого дня.

  3. Опыт запуска и роста бизнеса

    Вырастил ИТ-блок банка с 40 до 650 человек. За те же четыре года прибыль банка выросла почти в четыре раза. Заказчики FlyOptima – в EMEA, LATAM и Азии.

  4. Экспертиза сделок M&A в части ИТ

    Due diligence платформ и команд, приобретение платформ и IP, интеграция ИТ после сделки.

корпорации и банку

Тому, кто управляет банком или финтехом

  1. CIO / CTO as a Service

    Временный ИТ-директор или CTO по контракту с измеримыми целями и привязкой к результату: 2-3 дня в неделю или полная занятость.

  2. Аудит и экспертиза текущего ИТ

    Аудит ИТ банка или финтеха: команды, инфраструктура, технологии, расходы – где теряются деньги и скорость. Минус треть ИТ-затрат за год без потери скорости – подтвержденный случай.

  3. Проект построения цифрового двойника

    Оцифровываем и связываем слои банка – от стратегии и финансов до систем, процессов и метрик. Руководство получает what-if анализ и AI-советника с полной картиной компании. Мое видение ↓

  4. AI-трансформация под контролем правления

    Внедрение ИИ по авторским процессам: разработка, сопровождение и поддержка, архитектурный анализ, due diligence, единый корпоративный архив. Контрольные точки, доказательства, данные внутри контура. Процессы ↓

правлению, CEO или акционеру

Обсуждаю роль в правлении/C-level – для проектов, где нужен мандат на трансформацию, а не консультант. Интересны растущие бизнесы с долгосрочной мотивацией команды.

Обсудим вашу задачу? Выбрать время →Написать в TG

Хронология

  1. 2025 – 06.2026

    Novacard, МексикаCIO необанка по модели CIO as a Service

    Масштабировал платформу необанка, вывел релизы на ежемесячный цикл, запустил программу качества ИТ. В июне 2026 передал команду штатному руководителю.

  2. 09.2023 – 10.2024

    Ренессанс Банк, Москвастарший вице-президент, руководитель блока «Технологии», член правления

    За год снял с банка треть ИТ-затрат без остановки продуктов и без потери скорости разработки. Принял блок в 1 250 человек – штат и подрядчики, которыми управлял и за которых отвечал бюджетом; расходы на подрядчиков сокращены более чем вдвое, 45 человек переведены из аутстаффа в штат, эффективность разработки выросла на 10 % по независимой метрике. Вел Технологический комитет банка, перевел ключевые системы на open-source, заменил департаменты плоской структурой. Завершил годовую программу в октябре 2024.

  3. 2022 – н. в.

    FlyOptima, Алматыоснователь

    См. раздел «FlyOptima».

  4. 10.2017 – 12.2021

    Альфа-Банк Казахстан, АлматыCIO, прямое подчинение председателю правления

    Построил ИТ-блок банка с 40 до 650 человек и Open API-экосистему. За те же четыре года банк вырос по капиталу в полтора раза и по прибыли почти в четыре. 30+ проектов: CRM, антифрод, AML, кредитный конвейер, цифровые каналы; собственная R&D-лаборатория. Защищал ИТ-стратегию на совете директоров в 2018 году. Завершил контракт в 2021 году.

  5. 2012 – 2017

    Банк Открытие, Москвадиректор департамента ИТ-развития

    Команда 200+. Agile-трансформация, интеграция купленных банков, Innovation Fintech Lab.

  6. 2010 – 2012

    Ситибанк, Москвастарший проектный ИТ-менеджер

    Хранилище данных и CRM. Команда 20, офшор в Сингапуре и Индии.

  7. 2007 – 2010

    МБРР (сейчас МТС Банк)от специалиста до ИТ-менеджера

Образование: МЭСИ, 2008, диплом с отличием. PMP, 2013. Стартап-академия Сколково, 2015. Языки: русский, английский свободно.

FlyOptima

Работает с декабря 2021 года из Алматы, зарегистрирована в Астане в мае 2022 года, резидент AIFC и Astana Hub. Заказчики и проекты в регионах EMEA, LATAM и Азии. Направления работы: лицензии на ПО, разработка и тестирование, внедрение платформ, архитектурный аудит, CIO as a Service.

Главный продукт – FlyCoreBanking, учетное и продуктовое ядро для карт и кредитования: продукты, тарифы и правила – данные, а не код. Внедряют FlyOptima и партнеры-интеграторы. flyoptima.com

Как я руковожу

Нахожу компетентных людей и строю систему управления и контроля. Людей подбираю под конкретные домены, а правила пишу так, чтобы было видно, кто за что отвечает.

Даю полномочия и самостоятельность в рамках домена – ради командной цели. Согласую результат и полномочия на его достижение – команду, бюджет и доступ. Отвечаю за результат в этих рамках.

Правление видит статус, риски и цифры. Команда получает полномочия и отвечает за результат. Одно без другого не работает.

Общее понимание в команде – залог правильного результата. «Я правильно понял мысль?» – самая частая моя фраза на встречах: уточняю, пока картина не станет общей. Результат – это то, что можно показать, а не пересказать.

Публикации и выступления

Блог

Принципы управления людьми и AI-агентами

  1. Сначала бизнес. Бизнес-цель и стратегия идут красной нитью через все процессы – в ИТ и во всех остальных подразделениях.
  2. Контроль, а не вера на слово. Критерии и метрики результата определяю до начала работы, после – замеряю.
  3. Прозрачность – основа доверия. Статус, риски и цифры видны тем, кто принимает решения.
  4. Чиню причину, а не симптом. Дохожу до корня проблемы, признаю его и исправляю.

Контакт

Назначить встречуНаписать в TG

30 минут, слоты по Москве и Алматы.

ceo@flyoptima.com · linkedin.com/in/andrewsab · t.me/moonlight_sab · flyoptima.com

Москва · Алматы

Подробный профиль, состав проектов и референсы – по запросу.

Авторские процессы AI-трансформациипять процессов

AI-трансформация – не один инструмент, а набор процессов, где агенты работают под протоколом и контролем человека. Каждый процесс я собрал и проверил на собственных продуктах.

  1. Разработка

    От требований до выпуска: роли агентов, контрольные точки, человек решает в четырех точках. В 10 раз быстрее классической разработки по замеру. Схема процесса ↓ · Архив AI SDLC (ai-sdlc-kit 0.1.3, zip)

  2. Сопровождение и поддержка

    Служба поддержки банка, внешняя и внутренняя: обращения клиентов и сотрудников разбирают AI-агенты по регламенту, сложные случаи уходят человеку, каждый сбой доводится до причины.

  3. Архитектурный анализ

    C4-диаграммы, контракты модулей и журнал архитектурных решений «было → стало» – архитектура видна и проверяема.

  4. Технологический due diligence

    Оценка платформы, кода и команды до сделки или смены ядра: агенты читают код и документы, вывод и ответственность – за экспертом.

  5. Единый корпоративный архив

    Почта, документы и код компании в одном индексе с поиском. AI-агенты работают со всей картиной компании, а не с обрывками контекста. Кейс FlyOptima →

Интересно узнать больше? Выбрать время →Написать в TG

Авторский процесс AI-разработки, который я используюсхема процесса

Разработку ведет AI-команда с разделенными ролями – аналитик, архитектор, разработчик, тестировщик, DevOps и профильные эксперты – плюс независимые проверяющие. Человек решает в четырех точках: цель, объем, финальный контроль, выпуск. Каждый этап закрыт контрольной точкой: дальше только с доказательством.

1Прием
ктоВладелец
что делаетСтавит цель и приоритет задачи
артефактЗапрос
контрольная точкаЦель и приоритет заданы
решение человекацель
2Требования
ктоAI‑аналитик
что делаетОпрашивает владельца, собирает каталог требований и тестов
артефактТикет в трекере – заводит агент
контрольная точкаНет теста или тикета – нет работы
3Архитектура
ктоAI‑архитектор
что делаетСтроит C4‑диаграммы, утверждает контракт модулей
артефактC4: контекст, контейнеры, компоненты
контрольная точкаОбъем и архитектура утверждены
решение человекаобъем
4Разработка
ктоAI‑разработчик, DevOps, эксперты
что делаетПишут код и тесты по утвержденному плану и стандарту
артефактКод и тесты в ветке
контрольная точкаРевью и автопроверки останавливают сборку
5Качество
ктоAI‑тестировщик и AI‑проверяющие
что делаетТестировщик запускает тесты, модели другого класса сверяют результат с требованиями
артефактПрогон тестов и отчет с доказательствами
контрольная точкаQuality Gate: 5 обязательных условий
6Контроль и выпуск
ктоРелизный агент → владелец
что делаетАгент собирает выпуск, владелец проверяет и публикует
артефактВыпуск и журнал изменений
контрольная точкаВыпуск – только с «да» владельца
решение человекаконтроль, выпуск
7Обратная связь
ктоВладелец и пользователи
что делаетВыверяют обратную связь, прежде чем она станет требованием
артефактНовые требования → этап 2
контрольная точкаБаг чинится только через требование
Агентский цикл · этапы 4 ↔ 5Исполнитель ↔ проверяющий. Модели разных классов и разных вендоров проверяют друг друга, пока факт не совпадет с описанием.
← Петля обучения · 7 → 2Ошибка → переделка → урок → правило в инструкции агентов → запись в журнале изменений. Обратная связь возвращается на этап 2 только после выверки.

AI-подход

  1. Роли разделены

    Кто пишет, тот не проверяет. Независимые агенты сверяют факт с описанием.

  2. Перекрестная проверка

    Модели разных классов и разных вендоров проверяют работу друг друга.

  3. Доказательство

    Задача закрыта только с версией кода и выводом проверок.

  4. Процесс учится

    Ошибка → переделка → правило. Каждое правило – в журнале изменений.

  5. Авторские скиллы и MCP

    Собственный набор скиллов, ролей агентов и MCP-интеграций с трекером, репозиторием и проверками. Процесс собран как продукт и переносится в команду заказчика. Архив AI SDLC (ai-sdlc-kit 0.1.3, zip)

  6. Человек в 4 точках

    Цель, объем, финальный контроль, выпуск. Остальное делают агенты под протоколом.

10×
быстрее классической разработки: 36 человеко-недель вместо 358 и больше по нормам производительности
24
активные недели: два человека и команда AI-агентов
148 тыс.
строк кода и тестов, 114 слитых изменений
22
выпуска продукта

Замер по истории изменений продукта Voice Scribe, 2026. Процесс живой: так делаются продукты FlyOptima и этот сайт. Названия моделей и инструментов – на встрече.

Хотите разобрать на вашем примере? Выбрать время →Написать в TG

Мое видение: цифровой двойник корпорациисхема

AI-модели позволяют сделать из корпорации цифрового двойника: описать все ее слои – от стратегии до датчиков в отделениях – и связать их между собой. Собранная и оцифрованная, такая модель становится для AI единой картиной компании, а AI – консультативным органом, который помогает ею управлять.

  1. 1Бизнес-стратегияцели, рынки, приоритеты
  2. 2Бизнес-драйверычто двигает доходы, расходы и риски
  3. 3Финансы и стоимостьво что обходится каждый слой: связка с затратами
  4. 4Продуктычто и кому продаем
  5. 5Системына чем работают продукты
  6. 6Инфраструктурана чем работают системы
  7. 7Оргструктуракто за что отвечает
  8. 8Процессыкак работаем на системах, в каких ролях оргструктуры, по каким правилам и регламентам
  9. 9Датчики и метрикиотделения, сайты, приложения

AI – консультативный орган

AI в составе совета директоров: видит все слои и связи между ними. What-if анализ и прозрачность для руководства:

  • Что будет, если изменить бизнес-стратегию?
  • Что будет, если закрыть отделения или открыть новый продукт?
  • Во что обойдется решение и где оно отзовется в затратах?

Клаус Шваб и Всемирный экономический форум, «Deep Shift», 2015: первый AI в составе совета директоров ожидался к 2026 году

К этой идее я пришел давно; модели последних лет сделали ее осуществимой. Концепция упирается в ограниченное контекстное окно современных LLM, но мультиагентная система охватывает огромный пласт данных и экономит токены, распределяя работу между моделями разного уровня. Решения остаются за людьми – AI дает им полную картину.

Заинтересованы обсудить современные практики управления ИТ? Выбрать время →Написать в TG