+7 (499) 404-25-06
КРЕДИТОВАНИЕ ЮРИДИЧЕСКИХ ЛИЦ В ЭПОХУ ИИ: ОТ АНАЛИЗА ДАННЫХ К НОВЫМ РЕШЕНИЯ
2 ОКТЯБРЯ
КОНФЕРЕНЦИЯ
•
2 октября в отеле Cosmos Selection состоялась конференция «Смартан» «Кредитование юридических лиц в эпоху ИИ: от анализа данных к новым решениям», организованная совместно с ИД «Коммерсантъ». Открывая первую сессию, управляющий директор Смартан.рф Мария Михайленко заявила, что цель мероприятия — в неформальной обстановке обсудить, как искусственный интеллект и другие современные технологии могут упростить кредитный процесс, сделав его более эффективным и освободив специалистов от рутины. Она подчеркнула, что важной задачей является обмен практическим опытом, в том числе ошибками, чтобы помочь коллегам не только повысить производительность, но и получать удовольствие от работы. В результате цель конференции — объединить усилия, чтобы сделать стандарт рынка. Модератором обеих сессий выступил ведущий радиостанции «Коммерсантъ FM» Петр Косенко.
По словам Александра Павлова, главного управляющего партнера по развитию искусственного интеллекта ВЭБ.РФ, Россия обладает всем потенциалом для лидерства в этой области — от развития собственной вычислительной инфраструктуры до прикладных решений в бизнесе и банковской сфере, где ИИ становится ключевым инструментом конкурентоспособности. Институты развития Группы ВЭБ уже профинансировали отраслевые проекты по переходу к отечественным решениям на сумму свыше 60 млрд руб. и до конца года выделяет еще 8 млрд для новых проектов. Павлов также рассказал о роли индустриальных центров компетенций, возвращении российских специалистов из-за рубежа и необходимости развивать «холодные кластеры» под ИИ на базе отечественных технологий. Он пригласил участников к сотрудничеству в рамках федеральных программ, отметив, что задача государства и бизнеса — совместно создавать эффективную инфраструктуру и разрабатывать прикладные решения в области ИИ.
Руководитель департамента развития кредитования малого бизнеса Альфа-банка Марина Полякова отметила, что банк полностью трансформировал кредитный процесс, заменив устаревшую конвейерную систему на гибкий «живой организм» на базе передовых модельных технологий с большой вариативностью веток принятия решений. Эволюция охватила каждый этап — от привлечения клиентов с помощью предодобренных и персональных предложений в точках касания до мгновенного принятия решений на основе самообучающихся многофакторных риск-моделей, а также каскада автоматизированных веток. Сопровождение сделки превратилось в непрерывный процесс управления жизненным циклом кредита с автоматическим структурированием его в момент формирования предложения от банка и до изменения параметров в процессе его жизни в кредитном портфеле. Этап закрытия сделки стремится к концепции «вечного кредитования» через автопролонгацию и инструменты удержания клиента путем регулярного возобновления кредитного лимита после его полного, либо частичного погашения по графику. Все эти инновации нацелены на построение долгосрочных, персональных и эффективных отношений с потребителем.
Управляющий директор ВТБ Елена Ковылянская представила кейс по импортозамещению системы оценки контрагентского риска с использованием ИИ. Специфика расчетов этого риска — в долгосрочности временных горизонтов, на которые расчеты производятся, и в зависимости расчетов от цен на большое число различных базовых активов. Ключевой проблемой было нахождение универсального способа передачи в систему информации для оценки стоимости сделок в портфеле. Решением стал переход на машинное обучение: система теперь получает на вход большой объем данных о стоимости сделок и применяет к ним предварительно подобранные универсальные методы машинного обучения. Дальнейшее развитие включает ML-прайсинг на исторических данных и LLM-модель помощника для объяснения результатов. Успех такого проекта, по мнению спикера, зависит от понимания его важности на всех уровнях, четкого образа результата и ведения проекта глубоко погруженным в процесс технически компетентным лидером.
Вице-президент—начальник департамента кредитных рисков корпоративно-инвестиционного бизнеса Газпромбанка Даниил Кепп рассказал о двух ключевых решениях банка, который входит в тройку крупнейших по активам в РФ и является лидером по раннему мониторингу. Первое — система forward-looking monitoring (FLM), прогнозирующая кредитное качество клиентов и портфеля с учетом макро- и отраслевых факторов, позволяющая проводить стресс-тесты и формировать стратегии работы с клиентами. Второе — «лимитный сервер», обеспечивающий автоматический онлайн-контроль кредитных лимитов, соблюдение нормативов и портфельную аналитику в различных разрезах.
Руководитель направления по внедрению AI из Австрии Дмитрий Пашлов сравнил подходы к регулированию ИИ в банковских секторах ЕС и России. Он отметил, что европейское развитие определяется строгими нормами EU AI Act. В то же время в нашей стране используется гибкая модель, основанная на рекомендациях Банка России, что ускоряет тестирование и внедрение инноваций. Основные направления внедрения ИИ — клиентский сервис (чат-боты, персонализированные предложения, голосовые ассистенты), риск-менеджмент и комплаенс (улучшение технологии скоринга, мониторинг транзакций AML/KYC, раннее выявление дефолтов), а также повышение операционной эффективности (автоматизация бэк-офиса, роботизация процессов, снижение расходов). В Европе уже 48% банков запустили AI-пилоты, 63% используют ИИ для снижения затрат, 24% фиксируют рост доходов, а 85% отмечают быстрое освоение технологий сотрудниками. Ключевые факторы успеха — интеграция ИИ в стратегию, прозрачность моделей и развитие AI-компетенций персонала. По мнению спикера, именно синергия технологий, культуры и регулирования определит будущее банковской отрасли.
По словам независимого эксперта Надежды Лукьяновой, практическое внедрение ИИ в ее компании началось с внутреннего чат-бота на open-source моделях, что позволило сократить время выполнения рутинных операций с 40 минут до 1–2. Однако для сложных процессов команда перешла на no-code платформу для создания ИИ-агентов, способных автономно искать информацию, изучать документы и готовить выжимки. Ключевыми трудностями стали строгие требования безопасности, ограничивающие функционал агентов, и сложности интеграции с внутренними системами. Для автоматизации индустриальных отчетов был разработан «цифровой скелет» — карта ключевых метрик для каждой отрасли, которую ИИ-агент наполняет актуальными данными из внешних источников. Итогом выступления стало осознание, что наиболее эффективна гибридная модель, где ИИ выступает помощником-сборщиком информации, а конечную интерпретацию и валидацию проводит сотрудник-аналитик, что делает анализ отраслевых рисков современным и эффективным.
Мария Михайленко во второй сессии продолжила тему гибридного интеллекта, представив концепцию human-in-the-loop в корпоративном кредитовании и цифрового помощника «Анфису», который поддерживает аналитиков на всех этапах — от взаимодействия с клиентом до подготовки кредитного заключения и принятия финального решения. Система объединяет автоматизацию и ИИ: агрегирует данные из бухгалтерских систем и внешних источников, проводит стоп-факторный и коэффициентный анализ, выявляет «красные флаги» и формирует рекомендации. Аналитик сосредотачивается на сложных кейсах и неколичественных факторах, постепенно переходя к роли стратега, управляющего правилами. База данных уже включает 109 отраслей с детальными риск-профилями. Следующий шаг — объединить экспертизу банковского сообщества, чтобы создать общую платформу отраслевых знаний и перейти к модели human-in-the-loop, где система работает под контролем человека на уровне ключевых решений.
Дмитрий Казаков, «Сбер», кандидат технических наук, отметил, что даже при высокой зрелости искусственного интеллекта — от скоринговых моделей до AI-агентов — человек остается центральным элементом кредитного процесса.
«ИИ уже способен ускорять решения в разы, снижать издержки и повышать прозрачность. Но успех определяется не скоростью, а персонализацией — способностью системы предложить решение под конкретного клиента»,— подчеркнул Казаков. По его словам, ключевые вызовы сегодня связаны со «сползанием» целей агентных систем, чрезмерным доверием автоматике и вопросами безопасности данных. Эксперт считает, что будущее кредитования — за гибридной моделью, где человеческое суждение и эмпатия дополняют аналитическую мощь ИИ, а не заменяются им.
Сессии 3 и 4 прошли в формате круглых столов, объединив экспертов крупнейших банков. В обсуждениях приняли участие Денис Притуло (Совкомбанк), Федор Коновалов («Синара»), Владимир Самсонюк (Газпромбанк), Евгений Куклин (независимый эксперт, ex—CIO банка Mitsubishi, ex-советник предправления банка «Первый инвестиционный»), Артем Терпячий (JetLend), Кирилл Капустин (Точка-Банк) и Александр Качнов (Т-Банк).
Участники дискуссии, посвященной корпоративным клиентам, обсудили подходы к выстраиванию сквозного, прозрачного и управляемого процесса кредитования. Главным вызовом эксперты назвали взаимное недоверие: сотрудники сомневаются в выводах ИИ и тратят время на двойную проверку, а руководство с осторожностью относится к внешним решениям. Несмотря на это, банки активно применяют искусственный интеллект для автоматизации рутины, например, при парсинге новостей и документов.
Переходя к сегменту МСБ, эксперты отметили, что наиболее перспективные каналы для привлечения качественных лидов — это экосистемы, в которых бизнес уже активно функционирует (маркетплейсы, 1С, партнерские сети), а также использование данных мобильных операторов для скоринга окружения владельца компании. Одним из самых удачных кейсов стал запуск ИИ для автоматизации задач распознания документов. В течение ближайших десяти лет кредитование МСБ станет полностью бесшовным: решения будут приниматься почти мгновенно на основе данных из экосистем, а продукты предлагаться клиенту в момент возникновения потребности в его основном бизнес-процессе.
Хотите знать больше про наш сервис? Напишите нам.
По словам Александра Павлова, главного управляющего партнера по развитию искусственного интеллекта ВЭБ.РФ, Россия обладает всем потенциалом для лидерства в этой области — от развития собственной вычислительной инфраструктуры до прикладных решений в бизнесе и банковской сфере, где ИИ становится ключевым инструментом конкурентоспособности. Институты развития Группы ВЭБ уже профинансировали отраслевые проекты по переходу к отечественным решениям на сумму свыше 60 млрд руб. и до конца года выделяет еще 8 млрд для новых проектов. Павлов также рассказал о роли индустриальных центров компетенций, возвращении российских специалистов из-за рубежа и необходимости развивать «холодные кластеры» под ИИ на базе отечественных технологий. Он пригласил участников к сотрудничеству в рамках федеральных программ, отметив, что задача государства и бизнеса — совместно создавать эффективную инфраструктуру и разрабатывать прикладные решения в области ИИ.
Руководитель департамента развития кредитования малого бизнеса Альфа-банка Марина Полякова отметила, что банк полностью трансформировал кредитный процесс, заменив устаревшую конвейерную систему на гибкий «живой организм» на базе передовых модельных технологий с большой вариативностью веток принятия решений. Эволюция охватила каждый этап — от привлечения клиентов с помощью предодобренных и персональных предложений в точках касания до мгновенного принятия решений на основе самообучающихся многофакторных риск-моделей, а также каскада автоматизированных веток. Сопровождение сделки превратилось в непрерывный процесс управления жизненным циклом кредита с автоматическим структурированием его в момент формирования предложения от банка и до изменения параметров в процессе его жизни в кредитном портфеле. Этап закрытия сделки стремится к концепции «вечного кредитования» через автопролонгацию и инструменты удержания клиента путем регулярного возобновления кредитного лимита после его полного, либо частичного погашения по графику. Все эти инновации нацелены на построение долгосрочных, персональных и эффективных отношений с потребителем.
Управляющий директор ВТБ Елена Ковылянская представила кейс по импортозамещению системы оценки контрагентского риска с использованием ИИ. Специфика расчетов этого риска — в долгосрочности временных горизонтов, на которые расчеты производятся, и в зависимости расчетов от цен на большое число различных базовых активов. Ключевой проблемой было нахождение универсального способа передачи в систему информации для оценки стоимости сделок в портфеле. Решением стал переход на машинное обучение: система теперь получает на вход большой объем данных о стоимости сделок и применяет к ним предварительно подобранные универсальные методы машинного обучения. Дальнейшее развитие включает ML-прайсинг на исторических данных и LLM-модель помощника для объяснения результатов. Успех такого проекта, по мнению спикера, зависит от понимания его важности на всех уровнях, четкого образа результата и ведения проекта глубоко погруженным в процесс технически компетентным лидером.
Вице-президент—начальник департамента кредитных рисков корпоративно-инвестиционного бизнеса Газпромбанка Даниил Кепп рассказал о двух ключевых решениях банка, который входит в тройку крупнейших по активам в РФ и является лидером по раннему мониторингу. Первое — система forward-looking monitoring (FLM), прогнозирующая кредитное качество клиентов и портфеля с учетом макро- и отраслевых факторов, позволяющая проводить стресс-тесты и формировать стратегии работы с клиентами. Второе — «лимитный сервер», обеспечивающий автоматический онлайн-контроль кредитных лимитов, соблюдение нормативов и портфельную аналитику в различных разрезах.
Руководитель направления по внедрению AI из Австрии Дмитрий Пашлов сравнил подходы к регулированию ИИ в банковских секторах ЕС и России. Он отметил, что европейское развитие определяется строгими нормами EU AI Act. В то же время в нашей стране используется гибкая модель, основанная на рекомендациях Банка России, что ускоряет тестирование и внедрение инноваций. Основные направления внедрения ИИ — клиентский сервис (чат-боты, персонализированные предложения, голосовые ассистенты), риск-менеджмент и комплаенс (улучшение технологии скоринга, мониторинг транзакций AML/KYC, раннее выявление дефолтов), а также повышение операционной эффективности (автоматизация бэк-офиса, роботизация процессов, снижение расходов). В Европе уже 48% банков запустили AI-пилоты, 63% используют ИИ для снижения затрат, 24% фиксируют рост доходов, а 85% отмечают быстрое освоение технологий сотрудниками. Ключевые факторы успеха — интеграция ИИ в стратегию, прозрачность моделей и развитие AI-компетенций персонала. По мнению спикера, именно синергия технологий, культуры и регулирования определит будущее банковской отрасли.
По словам независимого эксперта Надежды Лукьяновой, практическое внедрение ИИ в ее компании началось с внутреннего чат-бота на open-source моделях, что позволило сократить время выполнения рутинных операций с 40 минут до 1–2. Однако для сложных процессов команда перешла на no-code платформу для создания ИИ-агентов, способных автономно искать информацию, изучать документы и готовить выжимки. Ключевыми трудностями стали строгие требования безопасности, ограничивающие функционал агентов, и сложности интеграции с внутренними системами. Для автоматизации индустриальных отчетов был разработан «цифровой скелет» — карта ключевых метрик для каждой отрасли, которую ИИ-агент наполняет актуальными данными из внешних источников. Итогом выступления стало осознание, что наиболее эффективна гибридная модель, где ИИ выступает помощником-сборщиком информации, а конечную интерпретацию и валидацию проводит сотрудник-аналитик, что делает анализ отраслевых рисков современным и эффективным.
Мария Михайленко во второй сессии продолжила тему гибридного интеллекта, представив концепцию human-in-the-loop в корпоративном кредитовании и цифрового помощника «Анфису», который поддерживает аналитиков на всех этапах — от взаимодействия с клиентом до подготовки кредитного заключения и принятия финального решения. Система объединяет автоматизацию и ИИ: агрегирует данные из бухгалтерских систем и внешних источников, проводит стоп-факторный и коэффициентный анализ, выявляет «красные флаги» и формирует рекомендации. Аналитик сосредотачивается на сложных кейсах и неколичественных факторах, постепенно переходя к роли стратега, управляющего правилами. База данных уже включает 109 отраслей с детальными риск-профилями. Следующий шаг — объединить экспертизу банковского сообщества, чтобы создать общую платформу отраслевых знаний и перейти к модели human-in-the-loop, где система работает под контролем человека на уровне ключевых решений.
Дмитрий Казаков, «Сбер», кандидат технических наук, отметил, что даже при высокой зрелости искусственного интеллекта — от скоринговых моделей до AI-агентов — человек остается центральным элементом кредитного процесса.
«ИИ уже способен ускорять решения в разы, снижать издержки и повышать прозрачность. Но успех определяется не скоростью, а персонализацией — способностью системы предложить решение под конкретного клиента»,— подчеркнул Казаков. По его словам, ключевые вызовы сегодня связаны со «сползанием» целей агентных систем, чрезмерным доверием автоматике и вопросами безопасности данных. Эксперт считает, что будущее кредитования — за гибридной моделью, где человеческое суждение и эмпатия дополняют аналитическую мощь ИИ, а не заменяются им.
Сессии 3 и 4 прошли в формате круглых столов, объединив экспертов крупнейших банков. В обсуждениях приняли участие Денис Притуло (Совкомбанк), Федор Коновалов («Синара»), Владимир Самсонюк (Газпромбанк), Евгений Куклин (независимый эксперт, ex—CIO банка Mitsubishi, ex-советник предправления банка «Первый инвестиционный»), Артем Терпячий (JetLend), Кирилл Капустин (Точка-Банк) и Александр Качнов (Т-Банк).
Участники дискуссии, посвященной корпоративным клиентам, обсудили подходы к выстраиванию сквозного, прозрачного и управляемого процесса кредитования. Главным вызовом эксперты назвали взаимное недоверие: сотрудники сомневаются в выводах ИИ и тратят время на двойную проверку, а руководство с осторожностью относится к внешним решениям. Несмотря на это, банки активно применяют искусственный интеллект для автоматизации рутины, например, при парсинге новостей и документов.
Переходя к сегменту МСБ, эксперты отметили, что наиболее перспективные каналы для привлечения качественных лидов — это экосистемы, в которых бизнес уже активно функционирует (маркетплейсы, 1С, партнерские сети), а также использование данных мобильных операторов для скоринга окружения владельца компании. Одним из самых удачных кейсов стал запуск ИИ для автоматизации задач распознания документов. В течение ближайших десяти лет кредитование МСБ станет полностью бесшовным: решения будут приниматься почти мгновенно на основе данных из экосистем, а продукты предлагаться клиенту в момент возникновения потребности в его основном бизнес-процессе.
Хотите знать больше про наш сервис? Напишите нам.
