Scoring Day 2025: бизнес готовит фундамент для «космического» ИИ

Ожидаемый дополнительный эффект от внедрения ИИ-инструментов в перспективе 10 лет — 46,5 трлн руб. Что нужно предпринять сейчас, чтобы добиться его в будущем? Этот вопрос был ключевым для участников второй сессии «Стратегия развития скоринга на базе ИИ-моделей». Андрей Даркшевич, зам. директора по индустриальным проектам Института ИИ и цифровых наук НИУ ВШЭ, обозначил направления, где ИИ даст максимум эффекта уже сегодня: это процессы с высоким финансовым эффектом, где значимо любое улучшение Gini, даже на доли процента, это сокращение времени процесса (уже есть кейсы, когда с помощью GenAI процесс, занимавший три дня, сокращали до 20 минут без потери качества), а также высвобождение рабочей силы — сотрудников колл-центра, например, можно переобучить и задействовать в более сложных задачах и новых направлениях.
Ольга Кадрева, начальник Управления риск-моделирования в Департаменте банковского регулирования и аналитики Банка России, рассказала о принятии решений на основе данных для целей банковского регулирования. В частности, в ЦБ сейчас рассматривают возможность реализации обязательных критериев оценки финансового положения. Для отбора таких критериев проводится статистическое тестирование, а для целей регулирования будут использованы только факторы с наибольшей предсказательной силой. Кроме того, регулятор сейчас пересматривает оценку экономического положения банков: в основу новой методики заложен расширенный набор риск-чувствительных показателей и матричный подход к присвоению итоговой ОЭП.

Артем Глазков, эксперт Центра развития аналитических продуктов Axenix, рассказал о том, как ИИ-агенты и GenAI меняют финтех и что мешает их массовому внедрению, и сообщил, что в 2,5 раза более высокого ROI достигают компании с полной поддержкой инициатив GenAI со стороны руководства и со сформированным стратегическим видением. Илья Маршаков, Методами использования ИИ для выявления событий социальной инженерии при выдаче кредитов поделился Антон Исправников, начальник управления моделирования РБ Банка ВТБ, отметив, что за год банку удалось уберечь клиентов от потери более 1 млрд руб. Илья Маршаков, руководитель развития бизнеса платформы Kolmogorov в Data Sapience, рассказал о том, как осуществить «легкий вход» в ИИ с помощью Kolmogorov AI для бизнес-задач, и сообщил, что использование ИИ-агента в ITSM-системе позволило сократить время поиска информации в базе знаний до 2 секунд. 

Создавать свое с нуля, объединяться с другими игроками или адаптировать под себя существующие решения? Вокруг этих вопросов была выстроена панельная дискуссия с участием Надежды Суровой, члена Совета по цифровой экономике Совета Федерации РФ, директора Центра компетенций «Цифровая экономика», Дмитрия Аксакова, исполнительного директора ВЭБ.РФ, Аделя Валиуллина, первого вице-президента, руководителя блока технологий искусственного интеллекта Газпромбанка, и Ивана Хлебникова, управляющего директора по взаимодействию с академическим сообществом и университетами Сбера. Надежда Сурова рассказала про помощь ИТ-компаниям от государства, отметив, что государственные программы включают восемь направлений, в числе приоритетных отраслей — транспортная мобильность, развитие беспилотных систем, продовольственная безопасность, перспективные космические технологии. По словам Ивана Хлебникова, для каждого проекта, попадающего в портфель Центров ИИ, обязательно находится внутренний заказчик. 

Как результат — в прошлом году банк получил около 2 млрд дополнительного дохода, что намного превосходит инвестиции в это направление. Дмитрий Аксаков сообщил, что ВЭБ поддерживает развитие ИИ через инвестиции в проекты по строительству центров обработки данных, поскольку для обучения моделей и эффективной работы ИИ требуются мощные крупные ЦОДы. 

Адель Валиуллин рассказал о стратегии банка по развитию ИИ, которая включает шесть направлений:

1) внутренние проекты (разработка и внедрение ML/AI-решений для бизнеса); 
2) платформенные решения (создание тиражируемых продуктов для разных заказчиков внутри банка и группы, их коммерциализация);
3) инвестиции в науку и совместные проекты, в том числе с ВШЭ и Центром ИИ;
4) акселерация и венчур (поддержка внутренних идей и пилоты с рынком), при успешных результатах — инвестиции и развитие; 
5) популяризация ИИ (системная коммуникация внутри банка и на внешних площадках для сотрудников, кандидатов и рынка); 
6) молодые таланты (работа со школьниками, студентами и молодыми специалистами для формирования кадрового резерва).

Стартовая сессия Inspired by Scoring прошла в необычном формате. Андрей Макаров, эксперт в области мотивации и достижения состояния счастья, Ольга Сорокотяга, преподаватель soft skills в Университете ИТМО, и Владимир Алипов (Институт перспективных исследований мозга МГУ), нейробиолог, популяризатор науки, врач, рассказали о том, как работает data‑driven философия мотивации, как на практике применять стратегии антивыгорания, где скрываются мотивация и вдохновение на физиологическом уровне и как ими можно управлять.

Участники сессии Business Track поделились кейсами применения модельных подходов в бизнесе и обсудили точки максимально эффективного применения моделей в бизнес-процессах и их влияние на ключевые метрики. Анна Лагунова, руководитель монетизации данных для кредитного бизнеса Т-Банка, рассказала о кейсах использования технологий конфиденциальных вычислений для монетизации данных, в т.ч. об обучении нейросетей, когда данные хранятся распределенно у нескольких участников, и о графе партнерских данных для усиления моделей по клиентам, по которым у банка недостаточно информации.

Вадим Алёшин, CPO «МТС Скоринг», отметил возрастающую угрозу т.н. «отложенного фрода» и важность проактивной антифрод-позиции, т.е. выявления поведенческого фрода на этапе взаимодействия с мошенником.

Александр Гришканич, исполнительный директор Департамента аналитики и внедрения технологий Газпромбанка, рассказал о пользе квантовых технологий, в т.ч. для решения таких задач, как оптимизация инвестиционного портфеля, повышение скорости LLM и оптимизация многостороннего клиринга в национальных валютах. 
Игорь Дойников, руководитель продвинутой аналитики РБ Альфа-Банка, поделился кейсом использования умного ценообразования кредитных продуктов и объяснил, какие требования должны быть заложены в модель take rate (явно заданные параметры кредита, знак зависимости, монотонность, логирование для фиксации того, что увидел клиент и что показал сотрудник, и разные модели для офлайна и онлайна).

«Модель — это мозг системы, генерирующий интеллект и решения, но чтобы он работал, нужен организм со слаженной работой данных, ML и бизнес-логики», — отметил Артем Карпов, директор по рискам компании «Баланс-Платформа», и рассказал, как с помощью платформы Balance Decision Flow можно этого добиться. 

Как разрабатывать партнерские сервисы и не рисковать при этом данными — рассказали Екатерина Кузнецова, руководитель направления развития ML-продуктов, и Юрий Петин, руководитель направления обработки больших данных ОКБ. В условиях ужесточения требований к обработке ПДн бизнесу нужны инструменты, обеспечивающие безопасное обучение как внутренних, так и партнерских вероятностных моделей. Таким решением является федеративное обучение, когда совместные модели обучаются децентрализованно, а данные каждого партнера не покидают его контур. 

Спикеры Data Science Track представили наиболее технические и глубокие доклады по теме применения современных алгоритмов ML, валидации и контроля параметров качества моделей, а также автоматизации работы DS.

Завершился Scoring Day лекцией футуролога Данилы Медведева «Scoring the Future: как рассчитать вероятность глобальных сценариев и прорывных технологий». «Точность прогнозов можно увеличить на десятки процентов, если отбирать лучших прогнозистов, организовывать их групповое взаимодействие — в командах или на предсказательных рынках — и корректно учитывать вес прогнозов разной степени радикальности. Есть и простые формулы, которые позволяют кратно повысить точность. Если объединить понимание сложности мира, подходящие модели, вычислительные возможности, ИИ и современные методики прогнозирования, мы сможем упорядочить процессы принятия решений и оценивания», — рассказал эксперт. 

«На Scoring Day мы говорили предметно — о кредитном сжатии, устойчивости моделей, меняющемся поведении клиентов и всплеске социальной инженерии — и сразу переводили идеи в практику. Участники ушли с “понедельничным набором”: стратегии долгоживущих ИИ‑моделей, рабочие кейсы AI‑агентов и конкретные антифрод‑подходы, которые можно внедрять уже сейчас», — прокомментировал повестку форума генеральный продюсер Роман Божьев.

«Наша команда не признает выгорание как “рабочую неизбежность”, наш вектор — самореализация, энергия и осознанная мотивация. Поэтому на форуме мы показали путь от осмысленной data-driven культуры и практик антивыгорания до конкретных инструментов, от нейроуправления состоянием и мастер-классов по “big idea” лидера до стратегического выбора в развитии ИИ. Участники ушли с пониманием, как использовать ИИ для реальных задач и конвертировать знание в результаты — от умного ценообразования до борьбы с социальной инженерией и ускорения проверки гипотез. Форум — про то, как превращать работу и данные в источник смысла, силы и конкурентного преимущества», — подвела итоги форума Евгения Якунина, генеральный директор ИД «Регламент».

Генеральный партнер форума — Объединенное кредитное бюро, специальный партнер — МТС, партнеры — Axenix, Data Sapience, FTData, Balance Platform, Spectrum Data.