Открывающая сессия задает общую систему координат форума. Участники обсудят, как меняется регулирование искусственного интеллекта и персональных данных, какие требования предъявляются к скоринговым и антифрод-моделям, что означает суверенный и доверенный ИИ, а также как банкам перейти от демонстрационных пилотов к промышленной эксплуатации.

Отдельный фокус — экономика ИИ. После первой волны внедрений банкам необходимо управлять стоимостью токенов, выбирать модели под конкретные задачи, оркестрировать LLM-роутеры и гвардрейры, разделять доступ пользователей к данным и инструментам. Вторая линия разговора — социальный антифрод, конфиденциальные вычисления и баланс между качеством защиты и требованиями к персональным данным.

Финальная часть дискуссии посвящена Банку 5.0: переходу от встроенных финансов и мобильного интерфейса к автономному, гиперперсонализированному банку-агенту, который понимает контекст клиента, предлагает сценарии и выполняет рутинные действия под контролем человека.

Основные тезисы:

• Регуляторика ИИ и недавние законодательные инициативы: как меняются требования к данным, моделям и ответственности.
• Доверенный и суверенный ИИ: критерии доверия, роль университетов, научных институтов и отечественной технологической базы.
• Утилизация токенов: маршрутизация запросов между моделями, контроль стоимости, качества и времени ответа.
• LLM-guardrails и модель нарушителя: разграничение полномочий, защита от утечек, prompt injection и неправильного доступа к базам данных.
• ИИ в антифроде: расширение периметра защиты, выявление социальных и синтетических атак, конфликт с ограничениями по персональным данным.
• Банк 5.0: агентный интерфейс, непрерывный контекст, гиперперсонализация, проактивные финансовые маршруты и человекоцентричность.

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.

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.

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.

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.

Что молодая наука уже знает о скоринге — и почему это стоит услышать сейчас?

Академический результат и практический вопрос редко встречаются в одном зале. «Теорема молодых» — сессия, где это происходит намеренно: студенты и молодые исследователи представляют работы на стыке науки и применимости в финансах. Не дипломные проекты ради галочки, а реальные исследования, которые отвечают на вопросы, актуальные для индустрии прямо сейчас. Лучшие работы отобраны заранее, каждый питч — 7–10 минут по существу.

Ключевые темы для обсуждения:

• Новые алгоритмы кредитного риска: какие архитектурные и методологические решения молодые исследователи предлагают там, где классические модели достигают потолка?
• Обучение с подкреплением в скоринге: как RL-подходы меняют логику кредитного решения — от статичной оценки к динамической стратегии взаимодействия с заемщиком?
• Честность и предвзятость ML-моделей: где в скоринговых системах прячется дискриминация — и какие методы ее обнаружения и коррекции уже проверены на реальных данных?
• Новые источники данных для кредитной оценки: что дает телеком, поведение в приложениях, открытые реестры — и как правильно оценить добавленную ценность нового сигнала?

Молодым исследователям и студентам сессия будет полезна: площадкой для представления работы перед профессиональной аудиторией — с реальной обратной связью от практиков, а не только от научных руководителей. Это возможность проверить, насколько академический результат резонирует с задачами, которые индустрия решает прямо сейчас.

Практикам и работодателям в аудитории сессия будет полезна: прямым контактом с исследовательской повесткой следующего поколения — темами, методами и именами, которые через два-три года будут формировать продуктовые и модельные решения в индустрии. Это эффективный способ найти сильных кандидатов и партнеров для R&D раньше, чем это сделают конкуренты.

Не итоги ради итогов, а общий список решений, пилотов и вопросов, с которыми участники начинают работать уже на следующий день.

Финальная пленарная сессия собирает выводы основной и параллельной программы. Представители бизнес-трека, модельного ядра, доверия и безопасности, а также сессии «За горизонт» формулируют по одному главному наблюдению и одному практическому действию.
• Какая технология уже доказала ценность и готова к промышленному масштабированию?
• Какая бизнес-модель или продуктовый сценарий требует пилота в 2026–2027 годах?
• Какой риск нельзя оставлять на уровне отдельной компании и нужно решать отраслевым стандартом?
• Какие коллаборации между банками, вендорами, наукой и государством должны появиться после форума?