Кредитный скоринг и управление рисками: от «тонкого файла» к данным 100 млн клиентов
Искусственный интеллект фундаментально изменил подход банков к оценке кредитоспособности. Традиционные скоринговые системы, опиравшиеся на формальные критерии (доход, кредитная история, занятость), уступают место ML-моделям, анализирующим альтернативные данные — цифровой след, поведение в мобильном приложении, историю транзакций. Это позволяет оценивать клиентов с «тонким» кредитным файлом (thin file), у которых недостаточно данных для традиционного скоринга.
Сбер лидирует в этом направлении: банк обрабатывает данные 100 млн клиентов, используя сотни ИИ-агентов для формирования кредитных предложений для 96% корпоративных заёмщиков. Корпоративный кредитный портфель, сформированный с помощью ИИ, достиг 5 трлн рублей. В ноябре 2025 года Сбер впервые выдал клиенту среднего бизнеса полностью автономный кредит — без участия сотрудника на всех этапах. Цель на 2026 год — проводить каждую вторую сделку для корпоративных клиентов полностью автономно.
В масштабах сектора каждая пятая финансовая организация в России уже применяет ИИ, а треть планирует внедрение в ближайшие три года. Рынок ИИ в финансах достиг 900 млрд рублей в 2025 году, при этом банки лидируют по доле внедрений — 72%.
Противодействие мошенничеству и отмыванию денег: гонка вооружений
Масштаб финансовых преступлений достиг беспрецедентного уровня. Согласно отчёту Nasdaq Verafin за 2026 год, объём незаконной финансовой деятельности достиг 4,4 трлн долларов, а потери от банковского мошенничества и скамов в 2025 году составили 579,4 млрд долларов. При этом более 50% мошеннических операций уже используют ИИ в той или иной форме. По данным опроса AFP, 79% компаний столкнулись с попытками мошенничества с платежами в 2024 году.
Ответ банков симметричен. Согласно глобальному опросу Feedzai (562 профессионала), 90% финансовых учреждений уже используют ИИ для борьбы с мошенничеством, причём две трети внедрили эти решения только за последние два года. Эффект измеряем: ИИ повышает эффективность команд на 43%, сокращает потери от мошенничества на 39% и снижает количество ложных срабатываний на 34%.
Особенно впечатляют результаты в сфере борьбы с отмыванием денег (AML). Традиционные системы генерируют 90–95% ложных срабатываний. AI-решения сокращают этот показатель на 80–90%, одновременно улучшая обнаружение реальных угроз. Годовые расходы банков на AML-комплаенс превышают 180 млрд долларов по всему миру, и AI позволяет сократить их на 30–50%.
Робо-эдвайзинг: алгоритм как финансовый советник
Робо-эдвайзинг — это цифровые консультанты, которые собирают инвестиционный портфель под цели и риск-профиль инвестора, рекомендуют сделки и автоматически ребалансируют портфель. По прогнозу Research and Markets, к концу 2025 года объём мирового рынка робо-эдвайзинга достиг 92,2 млрд долларов, а к 2029 году — 470,9 млрд.
В России технология представлена сервисами ВТБ Robot (в «ВТБ Мои Инвестиции»), FinEx Advisor и роботом ПСБ. С 2021 года ЦБ регулирует робо-консультирование: алгоритм должен быть объяснимым, а клиент — понимать причины решений робота. Как отметил первый зампред ВТБ Дмитрий Пьянов, правильная рекомендация робо-эдвайзера — это уникальное конкурентное преимущество.
Алгоритмический трейдинг: 89% мирового объёма торгов
В сфере трейдинга масштаб автоматизации максимален. По оценкам индустрии, к концу 2025 года AI-алгоритмы обрабатывают 89% мирового объёма торгов. Рынок алгоритмического трейдинга в 2025 году оценивается в 22,03 млрд долларов с ежегодным ростом 10,4%. JPMorgan использует AI-систему LOXM, которая сокращает проскальзывание при исполнении ордеров на 30% по сравнению с традиционными методами. Хедж-фонды, применяющие AI, последовательно опережают рынок: D.E. Shaw's Oculus fund показал доходность 36,1% в 2024 году, Citadel — 22,3%.
Автоматизация процессов и обработка документов
ИИ трансформирует не только высокорисковые зоны, но и рутинные банковские операции. Росбанк автоматизировал обработку документов: ИИ распознаёт данные клиента за секунды, сокращая время открытия счетов с 20 до 5 минут. ВТБ использует предиктивную аналитику для оценки показателей 10 тысяч отделений, оптимизируя затраты на 15%.
Вызовы внедрения
Несмотря на впечатляющие цифры, лишь 23% компаний успешно масштабировали agentic AI-системы, а 77% застряли на стадии пилотов. В глобальном банкинге наблюдается 22% ежегодное снижение индекса AI-зрелости, и только 2 из 10 банков используют agentic AI. Основные барьеры — фрагментированные системы (у банков более 1000 различных приложений), нехватка квалифицированных кадров и сложности интеграции с устаревшей инфраструктурой.
Регулирование: EU AI Act как новый стандарт
С 2 августа 2026 года в ЕС вступают в силу обязательства для высокорисковых AI-систем, включая кредитный скоринг, AML-мониторинг и обнаружение мошенничества. Требования включают объяснимость, человеческий надзор, аудируемость, а также соответствие стандартам качества данных и кибербезопасности. Штрафы достигают 35 млн евро или 7% глобального годового оборота.
В России ЦБ ввёл риск-ориентированное регулирование и кодекс этики для ИИ, а также создал Клуб по развитию ИИ в финансах.
Статья основана на данных Сбера, ВТБ, Nasdaq Verafin, Feedzai, Flagright, а также отчётах Financial University, Research and Markets, и материалов EU AI Act за 2025–2026 годы.