ИИ для финтеха и банков: поддержка клиентов, документы, скоринг и безопасный контур

Финансовые компании одними из первых начали работать с данными и моделями, но массовым ИИ на рынке пока не стал. По опросу Банка России, представленному в консультативном докладе в ноябре 2025 года, ИИ применяет каждая пятая организация финансового рынка, еще треть планирует внедрить его в ближайшие 3 года. Чаще всего мешает не технология, а вопрос, как работать с персональными данными и банковской тайной. На этой странице: где банк или финтех-компания теряют время и деньги, какие ИИ-решения здесь окупаются, как устроить безопасный контур и с чего начать.

Где финансовая компания теряет время и деньги

• Поток однотипных обращений. Клиенты спрашивают о статусе платежа, лимитах, тарифах, документах. Операторы отвечают на одно и то же, очередь растет в пиковые дни.
• Ручная проверка документов. Анкеты, выписки, договоры, сканы паспортов при онбординге клиента. Сотрудник переносит поля руками и сверяет их с базой.
• Поиск по регламентам. Внутренних инструкций много, они меняются, новый сотрудник тратит часы, чтобы найти правильный ответ, и ошибается.
• Сотрудники в публичных нейросетях. Люди уже пользуются чат-ботами для писем и таблиц. Если в запрос попадают данные клиента, они уходят во внешний сервис без контроля.
• Долгий разбор заявок. Аналитик собирает данные о заемщике или контрагенте из разных систем вручную, хотя сама оценка занимает минуты.

Какие ИИ-решения окупаются

Про противодействие мошенничеству скажем осторожно: это область, где у банков есть собственные системы и требования регулятора. ИИ здесь работает как дополнительный сигнал для специалиста, а не как замена существующих правил и процедур. Что именно можно встроить в вашу схему, обсуждаем только после разбора с вашей службой безопасности.

Требования к данным: что важно знать заранее

В финансах ИИ-проект начинается не с выбора модели, а с вопроса, какие данные куда можно передавать.

• Банковская тайна. По статье 26 закона «О банках и банковской деятельности» кредитная организация гарантирует тайну об операциях, о счетах и вкладах своих клиентов. Сведения об операциях и счетах нельзя отправлять во внешний сервис в открытом виде.
• Автоматизированные решения. По статье 16 закона № 152-ФЗ решения, которые порождают юридические последствия для человека или иначе затрагивают его права, нельзя принимать только на основании автоматизированной обработки персональных данных, кроме случаев с письменным согласием или прямо предусмотренных законом. Для скоринга это значит: модель считает, человек решает.
• Передача за рубеж. Если модель работает на зарубежных серверах, это трансграничная передача. По статье 12 закона № 152-ФЗ о ней нужно заранее уведомить Роскомнадзор.
• Рекомендации регулятора. Банк России подготовил Кодекс этики в сфере разработки и применения ИИ на финансовом рынке. В нем, в частности, рекомендовано давать клиентам возможность пересмотра решения, принятого с применением ИИ, сотрудником организации.

Это не юридическая консультация: окончательную схему работы с данными согласуем с вашими юристами и службой безопасности.

Как устроен безопасный контур

Наш типовой подход:

1. Разметка данных. Вместе с безопасностью определяем, какие поля чувствительны: ФИО, паспорт, номера счетов и карт, суммы операций.
2. Обезличивание до модели. Чувствительные поля заменяются метками до того, как текст попадет в модель. Ответ модели собирается обратно уже внутри контура.
3. Модель в контуре. Если данные нельзя выносить даже в обезличенном виде, разворачиваем открытую модель на серверах компании.
4. Журнал и права. Каждый запрос записывается, доступ к данным зависит от роли сотрудника.
5. Человек в конце цепочки. Ассистент готовит черновик, сотрудник подтверждает.

Наш опыт в финансах и рядом

ИИ-аудит процессов финансовой группы. Сейчас проводим аудит: разбираем процессы, ищем, где ИИ даст эффект, и считаем его до внедрения. Проект под NDA, название компании не раскрываем.

Алгоритмический трейдинг. Обучили модель на 2 млн новостей, она торгует на нескольких криптобиржах. Сейчас переобучаем алгоритмы на новых данных.

Ближайшие по задачам проекты из других отраслей:

ИИ-консультант для девелопера LEVEL (недвижимость). ИИ-риелтор ведет больше 300 диалогов одновременно круглосуточно, подбирает квартиры и рассказывает про ипотечные программы. Персональные данные клиентов обезличиваются до отправки в модель. Эта же схема подходит для поддержки клиентов финансовой компании.

Извлечение данных из документов (фарма). В проекте для международной фармкомпании система разбирает текст, таблицы и изображения научных статей с точностью извлечения выше 90% и экономит больше 10 часов на одном исследовании. Подход применим к анкетам, выпискам и договорам.

Помощник по базе знаний (корпоративный сектор). Telegram-бот по документам компании ищет нужный документ в 7 раз быстрее. В финансовой компании это регламенты, продуктовые условия и инструкции для операторов.

С чего начать и сколько стоит

• Бесплатный разбор на 30-40 минут. Выбираем одну задачу с понятным потоком: обращения, документы или вопросы сотрудников. Сразу обсуждаем, какие данные в ней чувствительны.
• Пилот на одной задаче. Строим решение на обезличенных или тестовых данных, меряем точность на ваших примерах, показатель «было» фиксируем до старта.
• Решение по цифрам. Если эффект подтвердился, переносим решение в рабочий контур и подключаем следующие задачи.

Срок пилота фиксируем после разбора: в финансовых компаниях он зависит не только от данных, но и от согласований с безопасностью, и мы закладываем их в план. Пилот стоит от 300 000 ₽, точную цену называем после разбора. Работаем под NDA.