Участники обсудят, как переход от экспериментальных ИИ-проектов к промышленному применению меняет требования к данным, скоринговым и антифрод-моделям, ответственности за автоматизированные решения и защите клиента. Отдельное внимание будет уделено болям экономике искусственного интеллекта: выбору моделей под конкретные задачи, управлению стоимостью токенов, маршрутизации запросов, контролю доступа и защите агентных систем, а также регуляторным вопросам.
Завершит панель разговор о Банке 5.0 и трендах развития законодательства в рамках этой концепции - автономном и гиперперсонализированном банке-агенте, который понимает контекст клиента, предлагает оптимальный финансовый маршрут и выполняет действия под контролем человека.

Вопросы панельной дискуссии:

• Какие изменения в регулировании искусственного интеллекта, персональных данных и автоматизированных решений окажут наибольшее влияние на финтех в 2026–2027 годах?
• По каким критериям можно отличить доверенный и суверенный ИИ от закрытого технологического решения, качество и безопасность которого невозможно независимо проверить?
• Как банкам перейти от демонстрационных пилотов к промышленному применению ИИ с измеримым эффектом для доходности, рисков и клиентского опыта?
• Как организовать управление LLM и агентными системами: маршрутизацию запросов, стоимость токенов, разграничение доступа, guardrails и ответственность за действия цифрового агента?
• Какие элементы Банка 5.0 станут массовой практикой в ближайшие два-три года, а какие пока останутся технологической гипотезой?

Скоринг на острие: как поведенческие данные меняют оценку риска за пределами кредита? Гиперперсонализация как тренд.

За последние несколько лет скоринг вышел за рамки кредитного решения и превратился в универсальный инструмент оценки поведения — в финансах, страховании, e-commerce и найме. Сессия объединяет пять кейсов, в которых одна и та же логика предсказания поведения работает в принципиально разных контекстах. Что общего между андеррайтингом, телематикой и HR, как это меняет продуктовую архитектуру для построения гиперперсонализации клиента и что она дала?

Ключевые темы для обсуждения:

• LLM-агенты в разработке скоринговых моделей: можно ли автоматизировать полный цикл — от постановки задачи до валидации — и сократить time-to-model до 48 часов?
• Скоринг за пределами кредита: как поведенческие сигналы из e-commerce переворачивают логику андеррайтинга и что из этого применимо в банке?
• От кредитного решения к управлению жизненным циклом клиента: как скоринговый стек позволяет строить проактивные продукты, а не только отвечать на заявки?
• Страховой скоринг нового поколения: что телематика и поведенческие данные дали актуарной модели и где проходит граница между скорингом и классической актуарной оценкой?
• Скоринг в найме: как HR-индустрия заимствует методы финтеха для оценки кандидатов — и что финансовый сектор может взять обратно?

Директорам по рискам и продуктам сессия будет полезна: готовыми кейсами сокращения цикла разработки моделей с помощью LLM-агентов и примерами переноса поведенческих данных в кредитную оценку. Сессия даст ориентиры для тех, кто хочет перейти от реактивного скоринга к проактивным продуктам — без потери контроля над рисками.

Кросс-отраслевым командам и вендорам сессия будет полезна: разбором того, как скоринговые методы адаптируются в страховании, маркетплейсах и HR-tech — с конкретными примерами переноса моделей между индустриями. Участники смогут оценить, где логика предсказания поведения уже работает за пределами финансов, и найти точки для собственных продуктовых гипотез.

Регулирование технологий с помощью экспериментальных правовых режимов существенно облегчило внедрение инноваций в экономику и социальную сферу, однако, в условиях грядущей технологической сингулярности актуальным становится поиск более гибких подходов к управлению рисками, таких как риск-ориентированное регулирование, регуляторный мониторинг.

Ключевые темы для обсуждения:

• Должно ли государство оставаться проактивным драйвером развития инноваций или безопасности необходимо отдавать 100% приоритета?
• Этично ли допускать возможность последствий и ущерба по причине некорректной оценки технологических рисков (например, утечки персональных или медицинских данных, аварии с участием беспилотного транспорта)? Какие риски являются допустимыми для государства и общества?
• Может ли законодательство стать машиночитаемым и риск-ориентированным?
• Как определить “зеленую” безрисковую зону на основе риск-ориентированного подхода для обеспечения быстрого тестирования технологий?
• Готовы ли регуляторы сегодня рассматривать переход к дата-драйвен подходам в инновационной сфере, таким как мониторинг рисков в реальном времени, построение регуляторных механизмов на основе сбалансированных динамических коэффициентов? Не превратится ли такой мониторинг в слежку?
• Какие лучшие практики по управлению рисками можно бы заимствовать у ведущих игроков отечественного финтеха для дальнейшего совершенствования регулирования инновационной сферы? Как можно было бы усовершенствовать существующие механизмы Закона об экспериментально-правовых режимах с использованием такого опыта?

Кто атакует ваши модели — и выдержат ли они проверку регулятором завтра?

Антифрод-системы и скоринговые модели все чаще становятся целью — не только мошенников, но и регуляторных требований к объяснимости и контролю. Дипфейк-документы, состязательные атаки, дрейф сотен моделей одновременно — это не сценарии из будущего, это операционная реальность 2026 года. Сессия объединяет пять тем, каждая из которых касается одного вопроса: как сохранить надежность системы под давлением — снаружи и изнутри?

Ключевые темы для обсуждения:

• Состязательные атаки на скоринговые системы: как мошенники целенаправленно обучают модели обходить антифрод — и какие контрмеры уже работают в промышленных системах?
• Дипфейк-документы и синтетические личности в 2026 году: как выглядит новое поколение антифрода — и что позволяет детектировать синтетически сгенерированные документы на входе?
• Объяснимый ИИ в кредитном решении: как выполнить требования регулятора по интерпретируемости и не потерять качество модели — что реально работает из SHAP и LIME в продакшене?
• Управление портфелем из сотен ML-моделей: как выстроить мониторинг дрейфа, валидацию и регуляторную отчетность в масштабе — и где ручной контроль уже не справляется?
• Безопасность данных при федеративном обучении и синтетических датасетах: какие новые векторы атак появились вместе с новыми методами работы с данными — и как от них защититься?

Специалистам по безопасности и ИИ сессия будет полезна: разбором актуальных векторов атак — от состязательных примеров до синтетических личностей — с конкретными примерами обнаружения и защиты. Доклады по объяснимости и безопасности федеративного обучения дадут инструменты для аудита и аргументы для диалога с регулятором.

Риск-менеджерам и руководителям сессия будет полезна: практической рамкой для управления модельным риском в масштабе — как выстроить процессы валидации и мониторинга, когда моделей уже сотни. Панельная дискуссия позволит сверить подходы с коллегами из других организаций и оценить, где отраслевая практика уже сложилась, а где каждый еще ищет свои ответы.

На Scoring Day у разработчиков технологических решений, стартапов и научных команд будет возможность «запитчить» свой проект на сессии «Теорема молодых» и в числе лучших пройти отбор в финтех-акселератор Газпромбанк.Тех.

До 15 сентября вы можете подать заявку на выступление в питчах на Scoring Day. Если заявка пройдет предварительный скоринг, то вы сможете выступить перед экспертами и представителями финтех-акселератора, а также получите 2 билета на Scoring Day для представителей вашей команды.

Формат:

• До 10 минут на питч.
• Жюри из представителей банков, финтех-компаний и индустриальных экспертов.

По итогам питч-сессии перспективные команды получат возможность:
• пройти отбор в трек «Финтех.Стартапы» или «Финтех.Наука» акселератора Газпромбанк.Тех и получить 1 млн рублей на развитие проекта под задачи банка уже на старте; 
• запустить пилотный проект с финансированием до 10 млн рублей и протестировать решение на реальных задачах Газпромбанка;
• получить доступ к экспертизе и инфраструктуре банков-партнеров;
• по результатам пилотного проекта получить возможность привлечь инвестиции до 300 млн рублей.

Участие в отборе БЕСПЛАТНОЕ.

Дискуссия будет посвящена выбору модельной архитектуры под различные бизнес-задачи. Участники сопоставят классическое машинное обучение, AutoML, рекомендательные и оптимизационные алгоритмы, обучение с подкреплением, большие и малые языковые модели, а также агентные системы. Дискуссия позволит отделить сценарии, в которых новые подходы повышают качество, скорость или экономичность решения, от случаев, когда они лишь усложняют инфраструктуру и увеличивают расходы на вычисления и токены. Отдельное внимание будет уделено использованию специализированных данных, автоматическому переобучению, поведенческим сигналам, промышленной оркестрации и переходу от MLOps к LLMOps.

Ключевые темы для обсуждения:

• Как определить, когда для задачи достаточно классического ML, а когда оправдано применение LLM, небольшой языковой модели или агентной архитектуры?
• Как маршрутизировать задачи между моделями, чтобы одновременно контролировать качество, стоимость вычислений, задержку и устойчивость сервиса?
• Какие данные и методы дают наибольший прирост качества в розничном и корпоративном скоринге без чрезмерного усложнения модельного контура?
• Как безопасно автоматизировать переобучение и применение обучения с подкреплением в динамической среде, где меняются данные, поведение клиентов и требования комплаенса?Какие метрики должны войти в единый контур оценки модели: точность, бизнес-эффект, стоимость токенов, задержка, дрейф, объяснимость и безопасность?

За пределами градиентного бустинга: какие архитектуры уже меняют промышленный скоринг?

Скоринговые модели перестали быть синонимом логрегрессии и XGBoost. Графовые сети, трансформеры, федеративное обучение и диффузионные генераторы данных — все это уже работает в продакшене, а не только в академических статьях. Сессия собирает пять междисциплинарных технических кейсов, в каждом из которых новая архитектура решает задачу, с которой классика не справлялась. Что именно меняется в модельном ядре — и как это перестраивает весь пайплайн разработки?

Ключевые темы для обсуждения:

• Графовые нейросети в антифроде: как связи между клиентами позволяют находить мошеннические кольца там, где классические модели слепы, — и как выглядит промышленная архитектура GNN для детекции фрод-колец? И как это ускорять?
• Трансформеры для транзакционных последовательностей: что BERT-подобные архитектуры дали скоринговым моделям — и как это работает на реальных поведенческих финансовых данных?
• Федеративное обучение в банковском секторе: можно ли обучить общую модель на данных нескольких банков, не передавая их друг другу, — и чем горизонтальный подход отличается от вертикального на практике?
• Синтетические данные через диффузионные модели: как генерация реалистичных дефолтных событий решает проблему дефицита редких классов — и где проходит граница между полезной аугментацией и артефактом?
• От MLOps к LLMOps: что принципиально меняется в инфраструктуре, когда скоринговый пайплайн включает языковую модель, — и какие архитектурные решения уже проверены в продакшен-среде?

Data Scientists и ML-инженерам сессия будет полезна: конкретными архитектурными решениями — от построения графа клиентских связей до встраивания трансформера в существующий пайплайн. Каждый доклад разбирает не концепцию, а реализацию: какие данные нужны, где возникают узкие места и как модель ведет себя при масштабировании. Участники уйдут с набором готовых технических ориентиров для собственных экспериментов.

Командам разработки и технологическим директорам сессия будет полезна: пониманием того, что меняется в модельном производстве при переходе на новые архитектуры — сроки, инфраструктура, требования к данным и операционные риски. Разбор LLMOps-подхода даст практическую рамку для принятия решений: когда новая архитектура оправдана, а когда усложняет без выигрыша.

Лучшие скоринговые идеи пришли не из финансов — так откуда придут следующие?

Графовые модели пришли из социологии и биоинформатики. Методы обнаружения аномалий — из кибербезопасности. Оценка временных рядов — из энергетики и промышленного мониторинга. Финансовый скоринг давно перестал развиваться в изоляции, и эта сессия — о том, как перенос идей через границы дисциплин работает в обе стороны. Четыре кейса из физики, социологии, демографии и квантовых вычислений — и в каждом есть прямое следствие для скоринговой практики.

Ключевые темы для обсуждения:

• Методы мониторинга сложных технических систем в оценке операционных рисков: что модели прогнозирования сбоев в энергосетях говорят о поведении кредитных портфелей — и где аналогия работает буквально?
• Социальный граф как кредитный сигнал: что сетевые паттерны в поведении людей говорят о платежеспособности — и как социологические методы улучшают скоринг там, где традиционные данные молчат?
• Демографические сдвиги и устаревание моделей: как долгосрочные изменения структуры населения ломают скоринговые предположения — и как это учитывать при разработке и валидации?
• Квантовые вычисления в портфельной оптимизации — горизонт 3–5 лет: где уже появляются первые промышленные кейсы, что пока остается экспериментом и как правильно оценивать этот инструмент сегодня?

Командам, работающим на переднем крае скоринга, сессия будет полезна: конкретными методологическими переносами — не на уровне метафор, а на уровне архитектурных решений и источников данных. Каждый кейс содержит практический ответ на вопрос: что именно можно взять из другой дисциплины и встроить в существующий скоринговый процесс уже сейчас?

Исследователям и кросс-отраслевым участникам сессия будет полезна: возможностью увидеть, как финансовая индустрия потребляет и адаптирует внешние научные результаты — и где между академическим выводом и промышленным применением остается незакрытый зазор. Это пространство для совместных гипотез и новых коллабораций между командами из разных секторов.

Дискуссия объединит представителей финансов, фундаментальной науки и высокотехнологичных отраслей, чтобы определить, какие идеи из квантовых и оптических вычислений, нейроморфных систем, космических технологий, кибербезопасности и нейронаук могут быть перенесены в скоринг и антифрод. Участники обсудят прикладные прорывные технологии: ускорение вычислений, обнаружение аномалий, использование новых источников данных, адаптацию моделей и повышение качества решений в условиях ограниченных ресурсов. Особое внимание будет уделено технологической готовности, стоимости пилота, доступности инфраструктуры и критериям, по которым исследовательский результат можно признать основой промышленного продукта. Итогом панели должна стать повестка межотраслевых экспериментов, которые банки и финтех-компании смогут запускать совместно с научными и инженерными командами.

Ключевые темы для обсуждения:

• Проблема инференса. Для каких задач скоринга и антифрода квантовые, оптические или нейроморфные вычисления способны дать преимущество по скорости, энергопотреблению или качеству решения?
• Как отделить технологию, готовую к прикладному пилоту, от перспективного исследования, которому еще не хватает данных, инфраструктуры или воспроизводимых результатов?
• Какие новые сигналы могут дать финансовым моделям спутниковые данные, промышленная телеметрия и другие нетрадиционные источники информации?
• Какие методы обнаружения аномалий и адаптации моделей можно перенести из кибербезопасности, нейронаук и промышленной аналитики в транзакционный антифрод?
• Как должен быть устроен совместный пилот банка, технологической компании и научной команды, чтобы за ограниченный срок подтвердить или опровергнуть межотраслевую гипотезу?