ИИ в банках Казахстана: от скоринга к управлению рисками

Искусственный интеллект в банках Казахстана — не новость последних лет. По словам директора сектора финтеха АФК Константина Пака, нейросети применяются в кредитных решениях около 20 лет, а последние 10 лет через них проходит вся выдача кредитов. Вопрос сегодня не «внедрять ли ИИ», а куда развивать его дальше.

Банки одними из первых применили ИИ по практическим причинам: огромные массивы данных, решения за секунды, мошенничество, которое усложняется быстрее, чем растёт штат комплаенс-специалистов. Готовность рынка неоднородна: как отмечает председатель АРРФР Мадина Абылкасымова, внедрение требует значительных инвестиций, поэтому лидируют крупные банки второго уровня.

Где ИИ уже приносит эффект

Скоринг — самая зрелая практика: модель оценивает вероятность дефолта как непрерывную величину на основе сотен признаков, а не жёстких правил вида «доход выше X — одобрить». Роль риск-менеджера смещается к настройке модели и контролю за bias.

Антифрод и AML решают разные задачи. Антифрод оценивает риск транзакции в реальном времени, AML ищет подозрительные паттерны в сети связей между счетами — часто через графовый анализ — и обычно завершается приоритизацией операций для проверки, а не автоблокировкой. Freedom Bank применяет генеративный ИИ для автоматизации комплаенс-проверок. Обе задачи осложняет дисбаланс данных: подтверждённых случаев мошенничества на порядки меньше, чем легитимных операций.

Чат-боты на языковых моделях закрывают типовые запросы и подбирают продукт, опираясь на базу знаний банка. AiZhan от Home Credit Bank за пять месяцев обработал более миллиона запросов на нескольких десятках языков. Для казахстанского рынка критична равнозначная поддержка русского и казахского, а не только английского.

Биометрическая идентификация с liveness detection позволяет открыть счёт без визита в отделение. АРРФР регулирует эту область отдельно и уже выносил банкам предписания за несоответствие мобильных приложений требованиям к биометрии.

Инфраструктура и регуляторика

Слабое звено в данных, инфраструктуре или комплаенсе может остановить проект на этапе пилота даже при хорошей модели. АРРФР регулирует информбезопасность банков отдельным постановлением, а Минцифры проверяет защиту персданных — в одной из проверок нарушения нашли у трёх банков и 26 МФО. Зарубежные практики вроде GDPR не заменяют проверку требований АРРФР и Нацбанка.

Потребность в GPU определяется задачей: обучение LLM и компьютерного зрения выигрывает от ускорения, а скоринг на табличных данных часто можно считать на CPU. Отдельный принцип — изоляция dev, test и production-сред, чтобы данные клиентов не попадали в тестовый контур без обезличивания.

Разумная последовательность для банка, который только выстраивает AI-портфель: начать со сценариев с измеримым эффектом — антифрод, скоринг, автоматизация документооборота, — а биометрию и продвинутую риск-аналитику добавлять, когда процессы уже проверены на первых проектах.