Финансовый AI, который проходит
проверку регулятора и аудитора

KYC Automation

Идентификация клиентов, проверка документов и автоматический онбординг.

• OCR для удостоверений личности
• Liveness Detection
• Списки PEP / санкции (OFAC, ЕС, ООН, Росфинмониторинг)
• Прозрачный risk scoring

AML and Transaction Monitoring

Обнаружение подозрительных паттернов в реальном времени.

• Behavioral analytics
• Sanctions screening (OFAC, ЕС, ООН)
• Формирование SAR / отчётов в ФинЦЕРТ
• Снижение false-positives

Credit Decisioning (Explainable)

Кредитные решения объяснимы каждому клиенту и регулятору.

• SHAP / LIME explanations
• Adverse Action Reasons на русском
• Мониторинг bias и проверки справедливости
• Документированные Model Cards (Mitchell et al. 2019)

Real-time Fraud Detection

Блокировка подозрительных операций менее чем за 100 мс P95.

• Device fingerprinting
• Velocity checks
• Graph analysis
• Self-learning models с chargeback feedback

Banking AI Assistant

Банковский чат-бот с RAG над вашими регуляторными и продуктовыми документами.

• RAG над инструкциями ЦБ РФ и внутренней документацией
• Защищённая выборка истории клиента
• Multi-language (RU / HE / EN)
• Human handoff на escalation paths

Model Governance

Документация, мониторинг и контроль каждой production-модели.

• Model registry (MLflow / Vertex / SageMaker)
• Drift detection (PSI, KS, concept drift)
• Champion / Challenger flow
• Шаблоны регуляторной отчётности

РФ: 152-ФЗ, ЦБ РФ, ФинЦЕРТ

Защита персональных данных (152-ФЗ), требования ЦБ РФ по управлению модельным риском, отчётность в ФинЦЕРТ, требования к информационной безопасности (Положение № 757-П).

Израиль: Банк Израиля, IMPA

Директивы Банка Израиля по управлению рисками и ИТ-контролю, указания IMPA по ПОД/ФТ и CDD / EDD, закон о защите приватности - для израильских финансовых организаций и их русскоязычных клиентов.

ЕС: PSD2, GDPR, EU AI Act

Strong Customer Authentication по PSD2 RTS, Open Banking APIs, готовность к EU AI Act (Article 6 классификация рисков / 9 управление рисками / 10 управление данными / 13 прозрачность / 14 человеческий надзор / 15 точность), GDPR DPIA для обработки высокого риска.

США: SR 11-7, OCC, FFIEC

SR 11-7 (Federal Reserve) по управлению модельным риском, OCC 2011-12, FFIEC IT exam handbook, ECOA / Reg B для кредитных решений и FCRA для adverse action - для организаций с экспозицией на США.

KYC + AML автоматизация

Что показывает индустрия: Банки с комплексной автоматизацией онбординга отчитываются о снижении нагрузки compliance-команды на 60-80% (McKinsey 2024 banking ops report).

Где входим мы: OCR для удостоверений личности, liveness detection, скрининг по PEP / санкционным спискам, и объяснимый risk scoring (SHAP) - с audit trail для регулятора.

• Автоматизированный workflow онбординга end-to-end
• Каждое решение объяснимо 3 аудиториям: клиент, регулятор, внутренний аудит
• Champion / Challenger через MLflow - не "замороженная модель"
• Построено под стандарты: 152-ФЗ, ЦБ РФ, PSD2, GDPR

Антифрод в реальном времени

Что показывает индустрия: Переход с rule-based моделей на гибридные (behavioral + GBM) снижает false-positive на 30-50% при сохранении recall (Bain payments tech 2024).

Где входим мы: Проектирование feature pipeline на время транзакции (sub-100ms P95), graph-based velocity checks, и feedback-loop из chargeback в следующую модель.

• Decision latency sub-100ms - укладывается в авторизацию карты
• Self-learning loop из chargeback - не только "первая модель"
• Model registry + drift monitoring встроены
• Мониторинг bias по демографии - часть fair lending

Объяснимый кредитный скоринг

Что показывает индустрия: Кредитные команды с SHAP / LIME explanations восстанавливают решение модели в 95%+ случаев, требуется по EU AI Act Article 13 и российскими требованиями к объяснимости (FCA + EBA papers).

Где входим мы: Retro-fitting SHAP на существующий XGBoost, создание Adverse Action Reason codes на русском, и полный Model Card (Mitchell et al. 2019).

• Explainable end-to-end - не "black box с manual override"
• Adverse Action Reasons на русском для заявителя на кредит
• Model Card по Mitchell et al. 2019 - под модельный комитет
• Готово обновляться под EU AI Act Articles 9-15 когда вступит enforcement

KYC AI

Автоматический онбординг и верификация личности - OCR, liveness, скрининг PEP/санкций и объяснимый risk scoring.

AML AI

Мониторинг транзакций, санкционный скрининг, формирование СПО и снижение false-positive.

Credit Scoring AI

Объяснимый кредитный скоринг - SHAP, adverse action, справедливость модели и EU AI Act Article 13.

Fraud Detection AI

Антифрод в реальном времени - sub-100ms, device fingerprinting и feedback loop из chargeback.

Чем FinTech AI отличается от обычной ML-модели в банке?

Не самой моделью, а тем, что вокруг неё. В регулируемом контуре нужны версионирование, объяснение каждого решения, мониторинг деградации и документация, которую можно показать проверяющему. Модель без этой обвязки работает до первой проверки.

Как объяснить решение модели регулятору и клиенту?

Объяснение должно сохраняться в момент решения, а не восстанавливаться задним числом. Мы считаем SHAP по каждому скору, пишем его в audit trail и оформляем Model Card по Mitchell et al. 2019 - этого набора хватает и модельному комитету, и заявителю на кредит.

Что делать с моделью, которая деградирует в production?

Ловить деградацию до того, как её заметит бизнес. Drift detection по PSI и KS, мониторинг concept drift и поток Champion / Challenger дают контролируемую замену модели вместо аварийной перекатки в пятницу вечером.

Можно ли одновременно уложиться в требования нескольких юрисдикций?

Да, если проектировать controls один раз и маппить их на несколько режимов сразу. 152-ФЗ, требования ЦБ РФ, директивы Банка Израиля, EU AI Act и американский SR 11-7 пересекаются сильнее, чем кажется: расходятся отчётность и сроки хранения, а не сам каркас governance.

Сколько занимает архитектурный ревью и что на выходе?

Одна-две недели. На выходе письменный ADR, реестр рисков, рекомендация build или buy и 90-дневный roadmap. Это документ, с которым можно идти к модельному комитету, а не презентация.

Строить свою систему или брать вендорское решение?

Зависит от того, где у вас регуляторная ответственность. Скрининг по спискам разумно покупать, кредитный скоринг и антифрод чаще выгоднее держать у себя: объяснять решение регулятору всё равно вам, а у вендора внутрь модели доступа обычно нет.