В центре внимания участников практический эффект новых технологий, границы допустимого риска и подходы, позволяющие обеспечить надежность моделей на всех этапах — от эксперимента до промышленной эксплуатации. На пленарной дискуссии спикеры из Минцифры, Госдумы, ВТБ, Самолет Банка, Газпромбанка и Института ИИ и цифровых наук НИУ ВШЭ обсудили, как меняются скоринг, антифрод и применение искусственного интеллекта в финансах.

Александр Гришканич, продюсер Scoring Day 2026, отметил, что эпоха пассивного наблюдения за ИИ-агентами закончилась: рынок в пилотах и проде четко определил сферы их применения и барьеры для масштабирования. В финансовом секторе агент становится навигатором между клиентом и сложными продуктами, однако вместе с удобством растут и риски ошибок. По мнению эксперта, регуляторам необходимо выработать правила, которые защитят пользователя, не блокируя развитие новых сервисов. Ключевым вызовом остается безопасность: автономные агенты способны менять поведение в процессе работы, а надежных механизмов для удержания их в заданных рамках пока не существует.

«Принятый закон об ИИ стал результатом множества компромиссов: пространство для работы агентов клиентов и банков пока остается свободным. Но в нем уже появились определения суверенных и национальных моделей, а следующим шагом могут стать запреты для тех или иных моделей на выход на рынок и работу с клиентами. Важно не упустить момент: взаимодействие агента клиента и агента банка может оказаться интеллектуально неравновесным. Просто запретить развитие этой сферы — значит закрыть ее, поэтому придется работать с рисками. Бизнесу уже удалось повлиять на закон. Теперь нужно объединяться, предлагать технические компромиссы и доносить их до власти: в этой сфере она открыта к интересным решениям», — отметил Игорь Симоненко, руководитель аппарата фракции Политической партии «НОВЫЕ ЛЮДИ».

Один из важных выводов дискуссии — необходимость вместе разобраться, какие данные использованы для обучения лежащих в их основе моделей, насколько предсказуемы и контролируемы действия агентов, как предотвращать ошибки и злоупотребления и кто несет ответственность за ущерб, если в одной цепочке взаимодействуют агенты разных разработчиков.

В треке «Бизнес на острие» эксперты рассмотрели переход от классической автоматизации к ИИ-агентам. Спикеры рассказали, как сокращать время вывода решений на рынок без потери управляемости, применять темпоральные графовые нейросети для анализа связей между контрагентами и выявлять мошенничество за внешне нормальным поведением клиентов. Дополнительным практическим ракурсом стало сравнение подходов крупнейших банков к построению кредитных конвейеров.

Баланс между скоростью инноваций и общественной безопасностью стал центральной темой дискуссии о машиночитаемом регулировании. Ее участники говорили о риск-ориентированном регулировании, экспериментальных правовых режимах и мониторинге рисков в реальном времени. Один из ключевых вопросов заключался в том, как развивать регулирование на основе данных, не создавая условий для избыточного контроля.

В блоке «Доверие и безопасность» разговор был сосредоточен на устойчивости ИИ-систем. Эксперты оценили актуальность квантовых и других новых киберугроз для финансового сектора, рассмотрели риски агентных систем и способы их защиты, а также обсудили развитие ModelOps в условиях распространения ИИ-агентов. Общий вывод: безопасность и надежность необходимо закладывать в весь жизненный цикл ИИ-решения, а не добавлять после его внедрения.

В блоке «Новое модельное ядро» центральным стал вопрос не о новизне алгоритмов, а об их измеримой пользе для бизнеса. В рамках дискуссии о передовых алгоритмах и ИИ-фреймворках участники сравнили классическое машинное обучение, AutoML, языковые модели и агентные системы. Эксперты определяли, в каких сценариях усложнение архитектуры действительно повышает качество и скорость решений, а в каких увеличивает стоимость и риски без сопоставимого эффекта.

Отдельной темой стал единый подход к оценке моделей. Помимо точности такая оценка должна учитывать бизнес-эффект, устойчивость, объяснимость, безопасность, вычислительные затраты и скорость принятия решений.

Практическое продолжение тема получила в докладах об использовании данных БКИ для снижения рисков розничного кредитования, об игровых механиках в банковском приложении, а также о работе с последовательностями и эмбеддингами. Эксперты отдельно рассмотрели применение LLM-агентов в антифроде и границы этого подхода: агентная архитектура оправдана там, где дает измеримый результат, тогда как для ряда задач классическое машинное обучение остается более надежным и экономичным решением.

Сессия «За горизонт» расширила разговор за пределы традиционного финансового технологического контура. Спикеры представили разработки в области биологически инспирированного ИИ, оптических и нейроморфных вычислений, спутниковых данных, космических телекоммуникаций и конфиденциальных вычислений.

На дискуссии о межотраслевых технологиях участники обсудили возможности применения отдельных решений в скоринге и антифроде. Основное внимание уделили критериям готовности технологии к пилотированию, стоимости и доступности инфраструктуры, а также формату совместных экспериментов банков, технологических компаний и научных команд. Такой подход позволяет оценить прикладную ценность разработки до масштабных инвестиций в ее внедрение.

Также на форуме состоялась питч-сессия «Теорема молодых», где разработчики, стартапы и научные команды представили свои проекты и поборолись за возможность пройти отбор в финтех-акселератор Газпромбанка.

«Scoring Day 2026 показал: для финансового рынка важна не новизна ИИ сама по себе, а его измеримая польза в скоринге и антифроде. Чтобы перспективные решения стали надежной практикой, банкам, разработчикам, ученым и регуляторам необходимо вместе проверять их эффективность, безопасность и управляемость», — отметила Евгения Якунина, председатель оргкомитета Форума, генеральный директор ИД «Регламент».

Инновационный партнер: Газпромбанк

Партнеры: Объединенное Кредитное Бюро, BALANCE PLATFORM, MobileScoring, Servpoint, Axenix, Ozon Банк, Dynamika, БАЗА N, Data Sapience, Avito Авто, IDX, МЕГАФОН | ПроБизнес