ВТБ: 1800 AI-моделей в проде приносят десятки миллиардов рублей в год — «бережливый ИИ» как стратегия

ВТБ в апреле 2026 года на конференции Data Fusion раскрыл детали своей AI-стратегии. Заместитель президента — председатель правления Вадим Кулик сообщил: банк эксплуатирует около 1800 AI-моделей в промышленном режиме.

Структура AI-портфеля ВТБ:

• ~100 языковых моделей (LLM): диалоговые ассистенты, NLP-обработка, суммаризация
• ~1700 специализированных ML-моделей: кредитный scoring, fraud detection, AML, ценообразование, операционная оптимизация
• Генерация выручки: специализированные ML-модели приносят банку десятки миллиардов рублей в год (точная цифра не раскрывается)

Концепция «бережливого ИИ»: ВТБ намеренно не делает ставку на универсальные frontier-LLM для производственных задач:

1. 1.Кастомные ML-модели на исторических данных банка — точнее и дешевле
2. 2.LLM только там, где нужна генерация или диалог — не в scoring, не в fraud
3. 3.Экономия compute: специализированная модель на 1M параметров обходит GPT-4 в узкой задаче
4. 4.Контролируемость: регулятор (ЦБ РФ) требует объяснимости решений — специализированные модели проще интерпретировать

Применения AI в ВТБ:

Кредитование:

• Автоматический scoring физлиц и юрлиц — 100% решений до определённого лимита без человека
• Прогноз вероятности дефолта на горизонте 12-24 месяцев
• Динамическое ценообразование ставок на основе ML-модели риска

Fraud & AML:

• Real-time детекция фрода в транзакциях (<200 мс на решение)
• ML-модели AML (Anti-Money Laundering) — соответствие требованиям 115-ФЗ
• Экономический эффект: по оценкам аналитиков, снижение потерь от мошенничества на ~30%

Операционная эффективность:

• AI-ассистенты для сотрудников: юрисконсульты, операционисты, риск-менеджеры
• Автоматизация документооборота: ~40% рутинных документов обрабатываются без участия человека
• Цифровые советники повышают эффективность IT-разработчиков на 10% (прогноз 2026)

Барьеры для масштабирования AI (по данным ВТБ):

1. 1.MLOps зрелость: переход от пилота к проду требует серьёзной инфраструктуры
2. 2.Регуляторные требования: ЦБ РФ требует объяснения каждого automated decision в кредитовании
3. 3.Качество данных: исторические данные с 2000-2010 годов — иная экономика, иные паттерны
4. 4.Talent shortage: ML-инженеры с банковской экспертизой — дефицит на рынке

Что это значит для отрасли:

1. ВТБ — крупнейший публичный кейс production AI в российском банкинге. 1800 моделей = больше, чем у многих европейских tier-1 банков.

2. «Бережливый ИИ» — рациональная альтернатива LLM-хайпу. Для большинства финансовых задач специализированный ML даёт лучший ROI, чем дорогой frontier-LLM.

3. Для DPO и Compliance: 1800 моделей в проде = 1800 потенциальных точек compliance-риска. Обязательная задача 2026 — AI inventory audit для каждого банка и страховой компании.