ИИ в скоринге — революция или «шум»? Почему качественный риск-менеджмент сегодня важнее «заоблачных» технологий? И как AI‑агенты вписываются в привычный контекст промышленных революций? Читайте в интервью с Романом Божьевым, генеральным продюсером форума Scoring Day, директором аналитических сервисов для МСБ Объединенного кредитного бюро.
— Какие главные тренды вы сейчас видите в скоринге: что действительно меняет рынок, а что — лишь «шум»?
Р. Божьев: Главный тренд очевиден — искусственный интеллект. Сейчас, готовя Scoring Day, мы видим, что тема AI-агентов, LLM, нейросетей и пр. затрагивается примерно в 50% выступлений. Мы просим спикеров говорить о том, что их реально драйвит и мотивирует, — и чаще всего они выбирают именно ИИ.
Прикладных моделей и кейсов накопилось достаточно. Поэтому сам тренд неоспорим. Другое дело — меняет ли он индустрию или создает «шум». В конце августа довольно широко обсуждался отчет MIT про результативность пилотов по внедрению ИИ в бизнес: 95% — полностью провальные, и лишь 5% дали что-то похожее на ожидаемый результат.
С одной стороны, это подтверждает хайп и завышенные ожидания. С другой — на старте любой новой технологии высокая конверсия и не ожидается. Рано делать окончательные выводы: возможно, это действительно переломный тренд, а возможно, мы просто получили новый класс алгоритмов и моделей, которые улучшат процессы, но кардинально на качество обслуживания клиентов, скорость создания продуктов, состав команды и уровень издержек не повлияют. Вероятно, нужно еще минимум 1–3 года, чтобы ИИ глубже проник в бизнес (в США, Азии, Европе быстрее, в России чуть дольше) и можно было судить более предметно. Пока данных недостаточно, чтобы уверенно сказать: «шум» это или революция.
— Нередко приходится слышать, что калибровка на полпроцента — уже большое достижение…
Р. Божьев: Для очень крупных игроков — Сбера, ВТБ — даже полпроцента имеет значение. Но это все же не «тренд, который все поменял». Это улучшение в рамках старой парадигмы: стало чуть лучше и прибыльнее, но не радикально.
— Какие «боли» для специалистов по скорингу сегодня самые острые?
Р. Божьев: Резкий рост рисков. Если говорить про управление рисками и кредитование — а это значимая часть аудитории нашего форума и моя зона ответственности, — мы видим, что растут потери по портфелю, и по всем сегментам они уже достигли серьезных значений. Лишь в последние месяцы «винтажи» перестали «лететь в небеса» и начали «выпрямляться». Банки отмечают, что риски стабилизировались или близки к этому, некоторые уже думают о возобновлении активного кредитования и привлечении новых клиентов.
Но в целом нам все равно пока нужно говорить не только про «заоблачные» технологии и периодически переключаться на более скучные базовые задачи. Рост риска в портфеле напрямую угрожает прибыльности, и с этим нужно срочно работать. Рецепт понятен: «закручивать» риск-аппетит, усиливать коллекшн, оздоравливать портфели. Это не период бурного роста и внедрения сверхновых решений — это время действовать проверенными инструментами и наводить порядок в текущих системах.
— Как эти темы будут отражены в программе Scoring Day: какие форматы и сессии принесут практическую пользу участникам?
Р. Божьев: Основной акцент мы сделаем, конечно, на теме ИИ — спикеры расскажут о значении этих технологий для бизнеса и о своих кейсах. Тему портфельных рисков подробно затрагивать не будем — она послужит фоном, больше поговорим про модельный подход — как автоматизировать процессы и как интегрировать автоматические решения на базе математических моделей во все новые процессы.
Как это будет отражено в программе? Отдельную сессию посвятим стратегиям использования новых технологий и инвестициям в их развитие. Мы наблюдаем циклическую динамику: доступность технологий то повышается, то снижается. Сейчас разрыв между крупными и малыми игроками снова растет из‑за больших языковых моделей и нейросетей. Разработка и обучение LLM с нуля — крайне дорогая и сложная задача: требуются мощная инфраструктура, компетентная команда и доступ к данным. Важно выбрать правильную стратегию: если это действительно меняет игру, упускать нельзя — можно быстро оказаться на обочине. Есть три сценария:
1. Разрабатывать с нуля, как Сбер и Яндекс: собрать команду и выделить серьезные ресурсы.
2. Объединяться с рынком. На форуме будет презентован проект государственно-частного партнерства под кураторством ВШЭ, в рамках которого банки будут кооперироваться, а государство добавит грантовую поддержку для разработки базовой LLM.
3. Взять готовые модели (открытые или частично открытые) глобальных разработчиков — OpenAI, Anthropic, DeepSeek и др. — и донастроить под свои цели.
По какому пути идти, решать нужно уже сейчас: это влияет на стратегию и тактику, разворачиваться быстро не получится, инвестировать тоже нужно уже сегодня.
Также будем обсуждать проникновение ИИ-моделей и создание AI‑агентов для обслуживания клиентов, достижения внутренних целей и борьбы с мошенничеством.
— Что сегодня недооценено в сообществе: какая важная тема «не звучит», хотя должна?
Р. Божьев: Есть определенный разрыв между тем, что мы делаем, и тем, что хотим делать, как будто мы несемся крупными скачками и упускаем важные нюансы. Есть базовые вещи в разработке и применении моделей: как готовить и хранить данные, как рассчитывать признаки, как мониторить и валидировать модели, отслеживать их качество, запускать новые поколения, писать по ним отчеты и показывать их аудиторам и регуляторам. Кто-то делает это хорошо, кто-то — хуже, кто-то вовсе пропускает. В итоге все устремляются вперед, оставляя технический бэклог нерешенных задач.
Возможно, компаниям не стоит начинать с громких разговоров про ИИ. Сначала нужно отказаться от устаревших практик, которые «крадут» эффективность и выручку, и навести порядок в базовой инфраструктуре. Без этого не будет ожидаемого эффекта: некоторые из 95% пилотов могут проваливаться не из‑за плохих идей, а потому что их реализуют на слабом фундаменте. Мы все мечтаем о «космических» технологиях, но забываем о текущей реальности. Возможно, звучит это не особенно привлекательно, но именно об этом мы хотим поговорить на Scoring Day.
— Как текущий макрошок влияет на скоринг? Чему учит этот цикл?
Р. Божьев: Все достаточно стандартно: периоды роста сменяются падениями и стагнацией. Забавно слушать драматичные заявления о «беспрецедентно высокой» ставке. В России высокая ставка — скорее норма: уровень около 8% был редким эпизодом в новейшей истории. Как когда-то отмечал Сергей Хотимский в интервью Юрию Грибанову, банки умеют работать при высокой ставке; низкая для них порой проблематичнее. Поэтому считать высокую ставку критической проблемой для банков я бы не стал.
Кризисы — обычная часть цикла. В новейшей истории мы пережили немало разных эпизодов и в целом понимаем, что с ними делать. Текущий шок во многом рукотворный: рост ставки — в том числе реакция на бюджетные траты и льготную ипотеку, разогнавшую цены. В результате ставкой пытаются тушить пожар, источник которого в другом.
Для скоринга здесь все привычно: меняются выборка и поведение клиентов, значит, пришло время адаптировать модели. Любой скоринг со временем деградирует: следует регулярно его обновлять, переобучать и учитывать новые паттерны. Влияние макрошока — типичное, без принципиально новых эффектов.
— Какие сценарии мошенничества наиболее болезненны и что реально работает в противодействии?
Р. Божьев: Судя по наблюдениям коллег, самые болезненные — сценарии социальной инженерии. С техническими атаками банки в целом научились справляться: уровень зрелости, технологий и защиты данных высок, «вскрыть» банк напрямую уже крайне сложно. При этом кейсы крупных компаний вне финансового сектора (вроде недавней истории с Аэрофлотом) показывают, что кибербезопасность нередко недооценивается и последствия могут быть очень дорогими.
Социальная инженерия эксплуатирует не уязвимости систем, а особенности человеческой психики, поэтому бороться с ней сложнее. Тем не менее появляются рабочие подходы: так, у нас на форуме запланировано выступление спикера из ВТБ о том, как модели ИИ помогают распознавать признаки социальной инженерии в поведении клиента — например, когда человек, введенный в заблуждение мошенниками, пытается взять кредит, чтобы «перевести его на безопасный счет».
— Какие вы видите риски, связанные с «разгоном» новых технологий? Где реальная отдача, а где завышенные ожидания? Что помогает в идеале поддерживать баланс роста и качества?
Р. Божьев: По сути, главный риск «разгона» новой технологии — потратить время и деньги не туда. Других существенных рисков я не вижу. Но это нормальная практика: 9 из 10 идей умирают, чтобы появилась одна удачная. Человечество постоянно инвестирует в то, что в итоге не выстреливает, и именно так случаются прорывы. Поэтому я смотрю на это оптимистично: здорово, что у нас есть возможность и ресурсы экспериментировать с новыми технологиями. Баланс роста и качества достигается через осознанную портфельную стратегию: мы пробуем много, быстро отсекаем лишнее и масштабируем то, что действительно приносит эффект.
— Скоринг МСБ и новые ниши (BNPL и пр.): где сегодня скрыт наилучший ROI?
Р. Божьев: Потенциал МСБ, которым я занимаюсь последние восемь лет, по-прежнему очень высок. В этом году, если смотреть на портфель, по МСБ ожидается рост порядка 10%. Многое зависит от ключевой ставки: если ЦБ будет снижать ее быстрее, прогнозы станут еще более оптимистичными. Тренд уже заметен — несмотря на снижение всего на пару процентов, по данным БКИ, рост числа заявок и объемов кредитования четко прослеживается с середины июля.
Главный аргумент в пользу МСБ — недокредитованность. Микробизнес составляет 87% всех компаний в стране, но действующий кредит есть у 9,5% таких компаний. В малом бизнесе — около 24%, в среднем бизнесе — около 35%. В развитых экономиках сопоставимые сегменты имеют 50–70% закредитованности. Для сравнения: среди экономически активного населения у нас закредитовано больше 50%. То есть МСБ объективно недокредитован и портфель может расти кратно. Текущий портфель порядка 15 трлн руб. (на конец 2024 г.) теоретически способен вырасти в 3–5 раз — это вполне реалистично на горизонте нескольких лет.
В рознице картина сложнее. BNPL во многом пришло на замену POS-кредитованию, на сегмент МФО сейчас сильно давит регулятор: стимулирует переход к более «длинным» продуктам, обсуждаются ограничения вроде «не более одного кредита в одни руки», действуют лимиты на ПСК, надбавки к резервам, макропруденциальные меры. Все это действительно сдерживает рост.
В автокредитовании новые процедуры подтверждения дохода снизили удобство для заемщика и заметно уменьшили поток заявок.
Так что в целом в рознице «весело» далеко не везде.
В МСБ ситуация лучше, хотя риски тоже растут. Возможно, я пристрастен — но цифры, которые я привожу, объективны.
— Регуляторика и данные: что уже помогает рынку, а какие пробелы тормозят развитие?
Р. Божьев: Я придерживаюсь точки зрения, что с регуляторикой все неплохо. Банк России достаточно активен: он вмешивается в процессы и влияет на то, что могут делать не только банки, но и лизинговые, страховые и другие поднадзорные компании. Те же макропруденциальные лимиты, повышенные коэффициенты резервирования, ограничения для МФО — все это имеет понятные причины. Да, банки, на которых лежат ограничения, недокредитуют часть клиентов и недополучат доход, но если этого не делать, мы лишь перенесем проблемы в будущее, где они, вероятно, станут серьезнее.
— Что-то все-таки хотелось бы улучшить и какие есть подвижки по сравнению с прошлым годом?
Р. Божьев: Во‑первых, Банк России традиционно предоставляет не совсем корректную аналитику: публикуемых цифр недостаточно. Это моя давняя боль: на конференциях или в аналитических записках часто пишут, что, скажем, просрочка в корпоративном портфеле достигала 10%, за последний год упала до 5% и в МСБ она как в крупном корпоративном сегменте, — и делают из этого поверхностные выводы «раньше все было плохо, теперь все хорошо». В принципе, даже по имеющимся данным можно делать более осмысленную аналитику, но отсутствие корректных метрик со стороны ЦБ часто приводило к ошибочной трактовке ситуации.
Хорошая новость: в этом году (мы будем об этом говорить на Scoring Day) ЦБ начинает использовать модельные подходы и анализировать качество портфелей по большему числу характеристик. Это отлично: чем корректнее статистика, тем точнее решения и выводы о состоянии рынка и его динамике.
Во‑вторых, по-прежнему не хватает доступности данных, и здесь скорее наблюдается обратная динамика. В последние годы из‑за санкций и попыток вывести компании из‑под удара усилилась тенденция к сокрытию данных. Это напрямую бьет по способности банков и других провайдеров финансовых услуг эффективно работать с бизнесом, поэтому здесь мы видим ухудшение.
Разговоры об Open Data идут уже лет десять, но реального прогресса нет. На бумаге все выглядит амбициозно: мы хотим самый продвинутый подход — не просто Open Banking (доступ к счетам) и даже не Open Finance (широкий доступ к финансовым данным), а именно полноценный Open Data, где по умолчанию доступны и транзакции, и смежные массивы, не связанные напрямую с платежами, включая те же «пенсионные фонды». Это действительно могло бы резко повысить качество аналитики, улучшить обслуживание клиентов и сравнение продуктов, дать рычаг для создания новых, удобных и красивых сервисов. Но пока включен режим ожидания.
Более того, в последние годы тема почти не поднимается: если раньше выходили аналитические записки, были обсуждения на Finopolis, то сейчас — тишина.
Итого: по рыночной аналитике есть подвижки — это здорово; по доступу к закрытым данным подвижек нет, но они очень нужны.
— Кадры и компетенции: кого не хватает именно в скоринге и рисках? Почему сейчас так вырос спрос на гибридные роли?
Р. Божьев: Если в команде есть эксперты, которые не замыкаются на узкой области, а работают «внахлест» — глубоко разбираются в своем и понимают смежные направления, — это всегда здорово. Такая команда гибче и профессиональнее. Важно не распыляться «по верхам», а оставаться глубоко компетентным хотя бы в одной области и при этом развиваться в нескольких других.
Что касается нехватки специалистов — сейчас всех хватает. Был период, когда нанимать было сложно: быстро росли зарплаты, у кандидатов было много предложений. Возможно, у ОКБ особая ситуация, но сейчас проблем не вижу. Когда нужно нанять человека — будь то датасайентист, дата-аналитик, дата-инженер или разработчик, — вакансии закрываются достаточно быстро. В России много специалистов в ИТ — по части написания кода, создания моделей и инфраструктуры, они высококвалифицированны, во многом благодаря по-прежнему сильной математической школе.
— Кейсы, которые вас вдохновили: какой недавний пример из скоринга дал заметный бизнес-эффект и чему он учит?
Р. Божьев: В каждую промышленную революцию мы слышали несбывшиеся прогнозы о том, что «роботы нас всех заменят», но сейчас фантастические сюжеты имеют все шансы воплотиться в жизнь. AI-агент — это функция, которая замещает конкретную роль в конкретной задаче: например, дата-инженера или feature-инженера, юриста, который анализирует договор или составляет его по промпту; бухгалтера, который анализирует транзакции и дает рекомендации. Такие агенты уже разрабатываются и появляются — это воодушевляет и одновременно пугает. Конкретные кейсы пока не назову — тема совсем новая. Планирую познакомиться с ними вместе с аудиторией Scoring Day.
— Чем Scoring Day отличается от других форумов: за чем точно стоит прийти лично?
Р. Божьев: Scoring Day — максимально прикладной форум. Мы собираем спикеров-практиков, которые разрабатывают и внедряют модели, строят процессы на базе data-driven подхода и готовы открыто делиться своими наработками. Мы не зовем тех, кто может говорить лишь общими словами из‑за внутренних ограничений. В отзывах участники отмечают, что у нас можно услышать новое, узнать детали проектов из первых уст и понять, как решения работают у коллег и конкурентов.
Главное отличие Scoring Day — практическая ценность докладов: идеи, которые можно сразу взять и применить. Нетворкинг и «перезагрузка» у нас тоже есть, но приоритет — прикладная польза.
— Кого вы ждете на форуме и что, по вашим ожиданиям, участники вынесут «в понедельник в работу» — 3–5 конкретных инсайтов или решений?
Р. Божьев: Ждем тех, кто может назвать себя дата‑профессионалами: специалистов, работающих с данными и моделями, а также руководителей бизнес-подразделений и продакт-менеджеров, которые выстраивают процессы вокруг автоматического принятия решений и модельного подхода. Программа будет интересна всем.
Что можно будет унести «в работу»:
— понимание стратегий долгосрочной эксплуатации ИИ‑моделей: их плюсы/минусы, компромиссы и выбор подхода под свои задачи;
— практические кейсы применения AI‑агентов в операционных и клиентских процессах: как подойти к постановке задачи, архитектуре и метрикам;
— конкретные методы антифрода: борьба с социальной инженерией и другими типами мошенничества, организационные и модельные меры.
Источник: http://futurebanking.ru/post/4182
Вам также может понравиться
