Когда вы подаёте заявку на кредит или ипотеку, всё меньше зависит от бумажных справок и разговоров с менеджером. Сегодня «судья» — алгоритм, обученный на гигабайтах данных. Искусственный интеллект (ИИ) всё активнее входит в банковскую систему и меняет правила игры: заявки рассматриваются за минуты, но вместе с выгодой приходят и новые риски.
Как работают такие системы, почему они становятся строже к самозанятым, что делать заемщику и как регулируют ИИ — в этой статье разберём всё подробно, с примерами и новостями 2025 года.
КАК ИИ МЕНЯЕТ СКОРИНГ
Новые возможности оценки
Традиционный скоринг vs ИИ
Раньше банк оценивал вас по ограниченному спектру признаков: официальные доходы, стаж, кредитная история. Эти данные вносились вручную и часто отражали усреднённую картину.
Сейчас ИИ-алгоритмы используют намного больше факторов:
- как клиент пользуется финансами, транзакции в приложении
- взаимодействие с банковскими продуктами (переводы, автоплатежи, история расчетов)
- альтернативные данные — публичные источники, расходы, социальные шаблоны
- динамика расходов и доходов, устойчивость потока денег
Алгоритмы учатся на массовых данных: они видят, какие сочетания факторов чаще всего приводят к невозвратам, и заранее «отсекают» заявки с похожими характеристиками.
Внедрение ИИ в российских банках
По данным Finam, уже более половины российских банков активно используют ИИ-решения в кредитовании. 
Например, в 2025 году российские банки начали тестировать китайские ускорители (чипы для вычислений ИИ), чтобы повысить производительность моделей.
Среди барьеров — проблемы с данными, затраты и нехватка специалистов: аналитики отмечают, что 91 % банков испытывает дефицит квалифицированных кадров для ИИ-проекта. 
Несмотря на широкое принятие ИИ в розничном сегменте (покрывая до 80 % операций в некоторых банках) , внедрение в сегмент малого бизнеса и корпоративного кредитования пока идёт медленнее из-за более сложной структуры доходов и меньшей стандартизации.
Почему ИИ-скоринг стал строже к самозанятым и ИП
Самозанятые и ИП часто сталкиваются с тем, что их доходы нестабильны и слабо задокументированы. Для алгоритма это — «шум».
Ниже перечислили основные факторы, по которым ИИ может отсекать заявку индивидуального предпринимателя:
- Использование новых правил расчёта долговой нагрузки. С 2025 года в России вступили в силу правила, по которым в средний ежемесячный платёж включаются и дополнительные услуги, что делает долговую нагрузку выше. 
- Алгоритм смотрит не просто на сумму дохода, а на его устойчивость: сколько месяцев подряд вы получали примерно одинаковую сумму, нет ли резких спиралей вверх-вниз.
- Если у клиента мало истории взаимодействия с банком (транзакции, счета, карты), модель может «не увидеть» в нём постоянного клиента и оценить его как рискованного.
- Часто самозанятых не включают в базовые модели скоринга, поэтому для них вводятся “специальные модули”, но они могут быть строже из-за меньшего объёма обучающих данных.
В итоге, даже при достаточных доходах ИИ может отказать, если клиент «не подходит под шаблон».
Как повысить шансы на одобрение при ИИ-скоринге
Чтобы «понравиться» алгоритму, стоит работать с данными и образом себя как клиента:
- Поддерживайте активность в банке. Используйте карты, счета, автоплатежи, чтобы алгоритм воспринимал вас как «полноценного» клиента
- Документируйте доход. Даже если официальный доход невысок, покажите выписки, контракты, «маршрутки» клиентов
- Снижение долевой нагрузки. Если уже есть долги или кредиты, погасите часть, чтобы отношение задолженности к доходу было комфортным
- Открытость. Не скрывайте транзакции и дополнительные расходы — алгоритмы могут обнаружить несоответствия
- Обратитесь за объяснением. Некоторые банки обязаны дать причину отказа — попробуйте выяснить, что именно «не устроило».
Такой подход помогает от частного отказа перейти к одобрению в будущем.
РИСКИ И ОГРАНИЧЕНИЯ
Предвзятость алгоритмов
Алгоритмы могут заложить bias — систематический отказ определённым группам: жители определённых регионов, профессии, возрастные категории. Это признано проблемой — банки и регуляторы обязаны обеспечивать справедливость решений. 
Bias in AI (предвзятость в искусственном интеллекте) — систематические и повторяющиеся ошибки в алгоритмах искусственного интеллекта (ИИ), которые приводят к несправедливым, перекошенным или дискриминационным результатам.
Ниже перечислим основные проблемы использования ИИ для принятия решений:
🔎 Грешки / «галлюцинации»
Неправильные данные, устаревшие модели или сбои могут дать отказ там, где всё было в порядке.
🔎 Непрозрачность решений
Клиент часто не знает, почему ему отказали — что именно «не понравилось» алгоритму.
🔎 Ответственность
Кто отвечает, если ИИ принёс ошибку? Сейчас законодательство недостаточно развито, и часто ответственность ложится на банк.
Технологические и ресурсные ограничения:
- Дефицит специалистов, как упомянуто ранее
- Ограничения оборудования: банки начали тестировать китайские ИИ-ускорители из-за санкций, но они пока уступают в стабильности и надёжности
- Не всегда есть хорошие обучающие наборы данных, особенно для нишевых профессий и регионов.
КЕЙСЫ: КОГДА ИИ «ОШИБАЛСЯ»
Кейс 1: отказ «идеальному» клиенту
В Новосибирске мужчина с безупречной историей, стабильным доходом и несколькими счетами в банке получил отказ в кредите без объяснения. После обращения выяснилось, что алгоритм учёл недавнюю крупную покупку на карту как знак нестабильности.
Кейс 2: отказ самозанятому
Фотограф несколько лет работал через частные заказы, имел хорошие обороты, но при обращении за кредитом получил отказ — алгоритм определил «рискованную профессию». Только после предоставления детальных контрактов с заказчиками банк изменил решение.
ПОДХОД ЦБ
Центробанк активно следит за развитием ИИ в финансовом секторе. В документе «Применение ИИ на финансовом рынке» ЦБ требует, чтобы модели были объяснимыми, регулярно обновляемыми и не допускали дискриминацию. 
Также в России принят Кодекс этики для ИИ в финансовом секторе: кредитные алгоритмы обязаны сохранять приватность данных, не вредить клиентам и быть прозрачными. 
Регулятор требует, чтобы банки снабжали клиентов обоснованием отказа — хотя на практике это правило пока работает не везде.
ВЫВОД
Искусственный интеллект уже меняет кредиты: решения по тысячам заявок принимаются в секунды, а не дни. Это открывает большие возможности для банков и клиентов — но также требует адаптации.
Для заёмщика сейчас важно:
- работать над кредитной историей и стабильностью дохода
- активно взаимодействовать с банком
- хранить доказательства доходов и прозрачность транзакций.
Банкам и регуляторам — обеспечить, чтобы ИИ не стал чёрным ящиком, а инструментом справедливости и эффективности.