FINCORE – Форум о трансформации IT-архитектуры

От нейросетей к ИИ-агентам: как искусственный интеллект меняет финансовый рынок

О технологических трендах, возможностях и рисках применения ИИ, а также опыте Банка ПСБ на FinCore 2026 рассказал Константин Колесников, главный архитектор, заместитель директора департамента — руководитель Центра ИТ-архитектуры, инноваций и перспективных технологий Банка ПСБ.

От автоматизации к агентскому ИИ

За несколько десятилетий ИИ прошел путь от систем, строго следующих заданным правилам, до машинного и глубокого обучения, а затем — до генеративных моделей. Сегодня мы вступаем в новый этап развития ИИ: агентские системы не только создают контент, но и анализируют контекст, планируют действия, подключаются к другим системам и самостоятельно выполняют сложные задачи.

По данным глобального опроса, проведенного среди 121 крупнейших финансовых организаций, искусственный интеллект прежде всего используется в управлении рисками, противодействии мошенничеству, операционной деятельности и комплаенсе. По оценкам экспертов, экономический потенциал внедрения ИИ в странах БРИКС в ближайшее время составит от 75 до 125 млрд.

ИИ на российском финансовом рынке

Исследование, проведенное Банком России в середине 2025 года, показало:

— 21% организаций уже используют ИИ на постоянной основе;
— 15% планируют начать использовать его в ближайшее время;
— 29% тестируют пилотные проекты;
— 35% не планируют использовать ИИ.

В ближайшее время ситуация может измениться: с одной стороны, искусственный интеллект остается крайне популярной темой, в том числе благодаря медиа и регулятору, с другой — уже есть конкретные результаты, стимулирующие внедрение.

Основные ожидаемые эффекты от применения ИИ:

— снижение операционных затрат;
— улучшение управления рисками;
— повышение прозрачности;
— получение конкурентных преимуществ;
— улучшение клиентского опыта.

Среди ключевых сценариев использования на финансовом рынке — взаимодействие с клиентами через голосовых помощников и чат-ботов, аналитика и прогнозирование, оценка и ценообразование, документооборот и формирование отчетов, риск-менеджмент, маркетинг и антифрод. Эти сценарии в целом совпадают с мировыми тенденциями.

Опыт ПСБ: «Катюша» и интеллектуализация процессов (на примере блока МСП)

В блоке малого и среднего предпринимательства ПСБ несколько лет назад приоритетами стали интеллектуализация процессов маркетинга и продаж, персонализация клиентского опыта, а также оптимизация IT- и бизнес-процессов.

Конкретный пример — помощник «Катюша» для бизнеса, реализованный с использованием LLM и RAG. Уже сейчас более 50% обращений в голосовых каналах обрабатываются с помощью искусственного интеллекта, а в других каналах — более 40%.

Еще один приоритет — автоматизация внутренних процессов. ПСБ ставит цель интеллектуализировать до 50% внутренних процессов блока МСП.

Генеративный и агентский ИИ сейчас в первую очередь применяются в каналах взаимодействия с клиентами. Бэк-процессы пока в основном остаются на классическом машинном обучении, однако рассматривается их дальнейшее развитие с использованием ИИ.

Продолжение в следующем посте

ИТ-архитектура в эпоху автономных агентов: как масштабировать ИИ без угроз для системной устойчивости финтеха?

Одно дело, когда результаты работы моделей интегрированы в бэк-офисные процессы и верифицируются человеком. Совсем другое — когда автономные ИИ-агенты встраиваются напрямую в транзакционный контур и принимают решения в реальном времени: одобряют операции, рассчитывают лимиты или управляют портфелями.

В этой точке требования к качеству данных и надежности инфраструктуры переходят из плоскости локальных ИТ-метрик в плоскость архитектурной устойчивости всего бизнеса.

Чтобы безопасно масштабировать ИИ, компаниям нужны не просто мощные модели, а управляемая среда:

– доверенные источники и понятная семантика;
– актуальные корпоративные знания;
– прозрачное происхождение ответа;
– доступы, соответствующие роли пользователя;
– метрики качества и пороги уверенности;
– участие человека в критичных сценариях.

В этой архитектуре CDO становится ключевым связующим звеном между бизнесом, ИТ, безопасностью и AI-командами. Его задача — сделать так, чтобы путь от данных к автоматическому решению был прозрачным и проверяемым.

Совместная статья организаторов Data Day 2026 и HeadExpert развивает ключевые выводы исследования NEXT CDO:

– почему governance должен работать непосредственно в момент исполнения;
– какие 6 шагов помогут перейти от красивого пилота к надежному промышленному AI-сценарию.

Исследование подготовлено HeadExpert при поддержке партнеров: Aston, DECO Systems, Ассоциации больших данных и Клуба CDO.

👉 Читать статью
👉 Читать полный отчет NEXT CDO и рассчитать свой индекс nCDO

🤖 От PoC к P&L: как правильно считать экономику AI-агентов до масштабирования?

Большинство AI-пилотов умирает не потому, что модель плохая, а потому что никто не может нормально ответить: где эффект, кто владелец, какие метрики, сколько стоит инференс, сколько стоит поддержка и что будет при росте нагрузки.

AI в финтехе нельзя масштабировать по принципу «кажется, стало быстрее». Нужен четкий контур: гипотеза — эксперимент — метрики — ROI — риск-профиль — решение о масштабировании.

На Форуме Data Day, который проводит команда FinCore, Георгий Шатиров, директор по искусственному интеллекту и инновациям К2Тех, представит практический подход к тому, как не допустить гибели перспективных проектов и отладить расчет экономики AI-решений.

Из его выступления вы узнаете:

✅ почему «количество пилотов» — это мусорная метрика;

✅ как правильно считать эффект: FTE, time-to-decision, error rate, SLA, cost-per-case, cost-per-token;

✅ почему токены и GPU обязательно должны попадать в экономику продукта;

✅ как строить жизнеспособный портфель AI-инициатив, а не "кладбище демо".

Георгий Шатиров примет участие в сессии "Первые результаты внедрения AI. Лучшие кейсы" в рамках трека "Финтех".

👉 Сайт и программа Форума

Как перенести core-banking на отечественный стек, сохранить наработки и создать архитектуру будущего? Ч. 2

Задачи тестирования

Совместно с партнерами мы провели независимое нагрузочное тестирование Платформы FXL на импортонезависимом технологическом стеке. Перед инженерами стояли три ключевые задачи:
1. Подтвердить способность новой архитектуры к горизонтальному масштабированию под нагрузкой.
2. Проверить отказоустойчивость АБС при аварийной потере узлов кластера.
3. Получить метрики производительности системы.

Для этого инженеры смоделировали операционный день крупного банка с пиковыми нагрузками и тяжелыми ночными закрытиями, искусственно увеличив показатели в несколько раз. Отказоустойчивость проверяли методами chaos engineering: во время работы принудительно отключали кластеры, серверы и ноды дата-центра.

Ключевой и связующий элемент системы - Java Development Platform от ФлексСофт, обеспечивает эмуляцию поведения Oracle, поддержку PL/SQL и специфических драйверов, и позволяет переносить приложения с СУБД Oracle в новую архитектуру без переписывания кода, сокращая сроки и стоимость перехода.

Ход испытаний и профиль нагрузки

Профиль тестирования включал три направления:
• Создание документов из ДБО.
• Отбор и выгрузка документов в Банк России
• Загрузка и обработка документов из Банка России.

Эти сценарии формировали экстремальную нагрузку и позволяли оценить поведение системы в пиковых условиях.

Результаты проекта
Платформа подтвердила готовность к критическим сценариям: обработка 1890 операций в секунду, эффективное горизонтальное масштабирование и штатная работа при аварийной потере узлов кластера без потери данных (RPO=0, RTO=0). Профиль нагрузки, включавший обработку документов ДБО и пакетов платежных документов Банка России, зафиксировал превосходство новой архитектуры над аналогичным решением, реализованном на Oracle.

Итоги: уход от Oracle реален

Полная замена западного технологического стека в банковском секторе долгое время считалась практически невыполнимой задачей. Однако этот проект доказал обратное:

• Превосходство над старой архитектурой: за счет распределенных in-memory вычислений и обработки данных в месте их хранения решение на отечественном технологическом стеке показало производительность выше, чем предыдущие решения на Oracle.
• Технологическая независимость: помимо СУБД, были полностью заменены инструменты разработки и обновлены интерфейсы. Процесс создания и обновления продуктов теперь на 100% автономен.
• Проверенные технологии: Используемый стек успешно работает на самых высоконагруженных направлениях (финансовый сектор, процессинг, биллинг и пр. ).

Проект демонстрирует: переход на отечественный технологический стек для критически важных систем — не просто вынужденная мера, а возможность получить архитектурное преимущество. В условиях приближающегося срока перехода финансовых организаций на российское ПО к 1 января 2028 года представленное решение становится стратегическим активом для банков, стремящихся сохранить лидерство в цифровой эре.

Представители Банка России выступят 9 июля на Data Day!

Управление данными и развитие ИИ — фундамент для технологического ядра финансовых платформ будущего. В центре внимания экспертов ЦБ на Форуме Data Day, который готовит команда FinCore, будут ключевые вопросы, напрямую влияющие на развитие отечественного финтеха:

✅ Руслан Булатов, директор Департамента финансовых технологий, примет участие в пленарной сессии с докладом «О перспективах регулирования доверенных посредников».

✅ Михаил Ионцев, руководитель проектов Юридического департамента, расскажет о влиянии позиций Конституционного суда РФ на развитие права в сфере информационной безопасности и финтеха.

✅ Екатерина Демкина, заместитель директора Юридического департамента, рассмотрит вопросы правового статуса доверенных посредников в сфере ИИ.

‼️ Всего на Data Day ожидаются 60+ спикеров из финтеха, ритейла, агропрома, транспорта и логистики. Вместе они обсудят, как эффективно использовать данные в связке с искусственным интеллектом для решения бизнес-задач.

👉 Сайт и программа Форума

Почему банкам уже недостаточно одной LLM — и как финсектор внедряет AI на практике? Ч. 1.

Об этом на FinCore 2026 рассказал Дмитрий Родионов, руководитель группы по работе с банками Yandex Cloud.

От одной модели — к парку AI-инструментов

С дистрибуцией AI всё начиналось довольно просто: в 2024 году мы предложили рынку LLM в облаке — подключайтесь по API и используйте под свои задачи.

Но скоро стало понятно: одна большая языковая модель не закрывает потребности компании.

Разные модели по-разному справляются с разными задачами. На результат влияют датасеты, бизнес-процессы, требования к безопасности, архитектура внедрения. Поэтому для реальных AI-проектов нужен не один универсальный инструмент, а целый парк моделей.

Именно к этому сейчас движется рынок.

Банки консервативны в процессах, но не в технологиях

Отдельный стереотип — что банки консервативны. В процессах — да: деньги клиентов, регулирование, высокая ответственность. Но с точки зрения IT финсектор остается одним из самых активных "внедренцев" новых технологий.

По уровню проникновения AI банки находятся среди лидеров: в отрасли уже много зрелых проектов, а финансовый сектор по доле в выручке Yandex Cloud сопоставим с ритейлом.

Что Яндекс предлагает рынку?
AI-технологии Яндекса для бизнеса собраны на платформе Yandex AI Studio, включающей в себя не только флагманские модели Яндекса, но и ряд других популярных моделей и инструменты для создания AI-агентов.

Три ключевых блока:

— Model Gallery — каталог моделей, как open-source, так и оптимизированные модели Яндекса;
— Agent Atelier — среда разработки ИИ-агентов;
— UI & Console — интерфейсы для работы с моделями и сервисами.

Три сценария внедрения для банков

Для банков доступны три варианта внедрения.

Первый — публичное облако: подключение к модели через API или SDK в "коммунальной" инфраструктуре с логической изоляцией.

Второй — выделенная облачная инсталляция: модель разворачивается под конкретного клиента и обрабатывает только его запросы.

Третий — on-premise: размещение в инфраструктуре банка.

AI уже не эксперимент: как растет B2B-направление Яндекса

Как видно из недавно опубликованной отчетности по направлению B2B Tech (это Yandex Cloud и другие сервисы для бизнеса), 93% клиентов направления — внешние коммерческие компании (пользовательские сервисы Яндекса — Такси, Лавка и др. — и Yandex Cloud работают на разных ИТ-инфраструктурах, физически разделенных между собой).

Выручка AI-сервисов за прошлый год составила около 2 млрд рублей — без учета on-premise-инсталляций. Год к году направление выросло примерно в два раза.

Отдельно заметен рост потребления через API: за год клиенты использовали 234 млрд токенов. Это в 7 раз больше, чем годом ранее.

Планы на этот год — не менее амбициозные.

Продолжение в следующем посте

Почему открытый банкинг в России не станет массовым уже завтра — и на что вообще рассчитывать рынку?

Об этом на FinCore 2026 рассказал Игорь Бессчастный, лидер платформы API ВТБ, заместитель начальника управления развития технологических платформенных решений.

Что вообще такое открытый банкинг

Начнем с важного факта: большая часть россиян об открытом банкинге никогда не слышала. И это критично сразу с двух аспектов — и для финансовых моделей тех, кто собирается в эту историю заходить, и для рисковых моделей, потому что рисков здесь возникает немало.

Если коротко, ЦБ РФ предлагает такую градацию:

— первый этап — собственно открытый банкинг: взаимодействие банков между собой с использованием стандартизированных API;
— второй этап — открытые финансы: к банкам добавляются другие участники, например страховые компании, брокеры и другие игроки;
— третий этап — открытые данные: все обмениваются данными со всеми, и это уже история не только про финтех. Есть пилоты с медицинскими организациями, различными площадками, маркетплейсами — то есть данные стандартизированно открываются между разными секторами.

Зачем это пользователю и почему спрос на открытый банкинг может быть высоким

На первый взгляд, пользователь может сказать: зачем мне открытый банкинг, если у меня одна карта и один банк, и этого достаточно? Но статистика показывает другое: у среднего россиянина карт заметно больше, и люди все чаще используют разные карты для разных типов расходов.

Во многом это связано с последними тенденциями: финансовое положение у многих не улучшается, люди начинают оптимизировать расходы. Возникает вполне понятный паттерн: в семье смотрят, где выгоднее платить какой картой, где выше кешбэк, где лучше условия.

И именно в таком контексте инструменты открытого банкинга становятся потенциально очень востребованными.

Если смотреть на статистику с позиции финансового института, который защищает стратегию участия или неучастия в открытом банкинге, особенно важен один вопрос: хотели бы россияне видеть счета из разных банков в одном приложении?

Ответ показательный:
— больше половины отвечают «да»;
— еще около четверти — «скорее да»;
— порядка 20% — сомневаются или против.

То есть для абсолютного большинства потребителей такой функционал выглядит востребованным.

Есть и еще один важный показатель для финансовых моделей: 23% опрошенных готовы платить за такой сервис. Это действительно впечатляющая цифра.

Что уже было на рынке и что делает ВТБ сейчас

В России уже существовали сервисы, которые агрегировали счета разных банков в одном интерфейсе. Работали они достаточно просто: парсили страницы банков, получали от клиента логины и пароли и таким образом собирали данные в одном сервисе. Но хотя эти компании не были мошенническими, в текущих условиях такая практика, мягко говоря, выглядит сомнительной. В любом договоре прямо запрещено передавать данные для доступа в личный кабинет третьим лицам — неважно кому, даже родственникам.

Но сам факт важен: даже такие сервисы были платными. И те самые 23% — то есть фактически четверть пользователей — готовы платить за подобный функционал. Вероятно, здесь сыграла роль культура подписок: онлайн-кинотеатры и другие подписочные сервисы приучили пользователя платить за удобство.

Уже более двух лет мы развиваем это направление на практике. Например, в ВТБ Онлайн в рамках пилотов уже доступны счета Альфа-Банка и Т-Банка, а в приложениях партнеров — счета ВТБ.

Проект развивается под эгидой Банка России и Ассоциации ФинТех, и к нему постепенно подключаются другие участники рынка.

На каком-то этапе это, скорее всего, станет коммодити — базовым стандартом удобства. Если человек привыкает к одному приложению, он подсознательно ожидает видеть в нем все свои счета, независимо от того, в каких банках они открыты.

Продолжение в следующем посте

Банк на основе ИИ: кто не ускорится, тот отдаст маржу

На FinCore 2026 Адель Валиуллин, первый вице-президент и руководитель блока технологий искусственного интеллекта Газпромбанка, рассказал, как ИИ внедряется в крупных корпорациях — и почему реальный эффект дают не разовые проекты, а перестройка сквозных процессов.

От стратегии — к постоянной перенастройке

Сегодня в банке блок ИИ отвечает уже не только за формирование стратегии, но и за ее реализацию. При этом сама стратегия — не статичный документ: машинное обучение развивается настолько быстро, что подходы приходится регулярно пересматривать и дополнять. Одним из таких новых ключевых направлений в прошлом году стал генеративный ИИ.

Если смотреть шире, наиболее готовыми к внедрению ИИ сегодня остаются две сферы — финансы и ИКТ. В финансах все объяснимо: технологии здесь напрямую конвертируются в экономический эффект. Для коммерческой организации это означает рост прибыли. В ИКТ-секторе причина в другом — высокая концентрация специалистов, которые изначально готовы работать с инновациями.

Но изменения происходят не только там.

Где ИИ меняет не только бизнес

В медицине ИИ уже помогает принимать решения быстрее и точнее. Например, в Москве при проведении КТ в государственной клинике данные направляются в Единый центр радиологии, где врач получает сразу два результата: сегментацию подозрительных областей и количественную оценку вероятности заболевания. Это ускоряет диагностику, повышает ее качество и в конечном счете помогает спасать жизни.

Серьезная трансформация идет и в образовании: повышение его качества в долгосрочной перспективе способно влиять даже на снижение глобальных конфликтов.

Отдельное направление — транспорт. Беспилотное движение развивается все активнее. В США становится больше городов с беспилотными такси. В России такие проекты уже работают в специальных зонах — Сколково, Сириусе и Иннополисе. Где-то даже можно выбрать тариф «роботакси».

Эффект, который уже можно оценить

Оценка влияния ИИ на экономику постепенно улучшается. По данным McKinsey, к 2030 году более 11% мирового ВВП может обеспечиваться за счет технологий искусственного интеллекта. На уровне компаний эффект тоже заметен: по разным оценкам, внедрение ИИ позволяет увеличивать прибыль на 3–10%.

Скорость стала новым преимуществом

Еще один важный сигнал — сокращение цикла внедрения технологий. Если LSTM, появившаяся в 1997 году, дошла до массового применения в Google Translate только к 2016-му, то сегодня путь от новой технологии до практического использования стал значительно короче. Решения быстрее доходят до бизнеса — и быстрее начинают приносить эффект.

Зачем это нужно банкам?
Зачем всё это банкам? Ответ простой: конкуренция уже не про отделения и даже не только про удобное приложение. Сегодня клиент может сменить банк за несколько кликов, а за маржу борются не только классические игроки, но и финтех-стартапы, и необанки. В такой среде инновации — уже не опция, а способ удержаться в игре.

Почему банкам уже нельзя без ИИ

Банковская индустрия фактически прошла этап цифровизации, когда большинство услуг стали доступны онлайн. Многие банки по сути уже превратились в IT-компании.

Следующий этап — банк, построенный на основе искусственного интеллекта.

Здесь ключевые изменения такие:
• пронизывание бизнес-процессов ИИ-технологиями;
• создание собственных интеллектуальных решений для клиентов.

Это могут быть финансовые и юридические ассистенты, а также сервисы, которые упрощают повседневную жизнь: от покупки билетов до бронирования отелей.

Продолжение в следующем посте