AI в российском финтехе 2026: кредитный скоринг и антифрод — наиболее зрелые применения

Сентябрь 2026 года. Исследование TAdviser показывает зрелость различных AI-применений в российском финтехе: за 3 года активного внедрения ряд практик перешёл от эксперимента к производственному использованию.

Матрица зрелости AI в российских банках: ``` Производственная зрелость (Tier 1): ✅ Кредитный скоринг: → Сбер: модели обрабатывают >50M заявок/год → Т-Банк: 100% решений на AI-модели → Точность: 92–95% vs 85% у традиционных → ROI: снижение дефолтов на 15–25%

✅ Антифрод (мошенничество): → Т-Банк: AI обрабатывает ~30% инцидентов → ВТБ: AI как первая линия фрод-мониторинга → Среднее время реакции: <100ms → Экономия: сотни млн рублей/год у топ-банков

Активное масштабирование (Tier 2): 🔄 Голосовые/текстовые ассистенты (2–3 года): → Тая (Т-Банк), SberAssistant — запущены → ВТБ: анонсированы

🔄 Customer service AI: → 40–60% обращений решается AI без оператора → Снижение нагрузки на колл-центр на 35%+

Эксперимент/Пилот (Tier 3): ⚗️ Автономные агенты (computer use): → Т-Банк: пилот в реструктуризации долга → Агент сам нажимает кнопки в интерфейсе

⚗️ AI в wealth management: → Тая Investment (Т-Инвестиции) → GigaChat для Сбер Инвестиций (ограниченно) ```

Т-Банк computer use агент — детали: ``` Архитектура: → Агент видит экран компьютера → Нажимает те же кнопки, что оператор → Вводит данные в те же поля

Обучение: → Система записывает действия реальных операторов → Модель обучается методом domain adaptation → Последующая автономная работа

Пилот: отдел реструктуризации долга → Задача: оформить план реструктуризации → Агент проходит весь workflow автономно → Human-in-the-loop: утверждение финального решения

Результат пилота: → Сокращение времени оформления: -65% → Ошибки ввода: -90% (машина точнее человека) → Masштабирование: планируется в 2027 ```

Ограничения и вызовы: ``` Global вызовы для AI в российском финтехе: → 152-ФЗ: ограничения на обработку и передачу ПД → 242-ФЗ: требования локализации → Regtech пробел: нет чёткого регулятора AI → Explainability: ЦБ требует объяснимости кредитных решений, AI не всегда даёт это → Кадровый дефицит: ML-инженеры в дефиците

Локальные модели: → GigaChat + YandexGPT для задач с ПД → Западные модели — только для задач без ПД ```