Альфа-Банк стал победителем премии Generation AI Awards в номинации «Лучшее применение генеративного AI для разработки и тестирования», - сообщает пресс-служба финансовой организации. Награду получил проект AgenticML - следующий этап развития AutoML-инструментов Альфа-Банка, объединяющий сервисы для автоматизации жизненного цикла ML-моделей. Решение помогает быстрее создавать, внедрять и сопровождать их.

Сегодня модели машинного обучения лежат в основе многих банковских сервисов - они помогают быстрее принимать решения, выявлять мошеннические операции, делать персональные предложения и улучшать клиентский сервис. Чтобы ускорить разработку, вывод в промышленную эксплуатацию и сопровождение таких моделей, Альфа-Банк создал и внедрил инструменты на основе агентного ИИ, - отмечается в сообщении.

Использование таких инструментов позволяет автоматизировать значительную часть рутинной работы, которая раньше выполнялась вручную: анализ материалов по моделям, подготовку документации, проверку корректности кода и автоматическое обновление моделей в промышленном контуре с поддержанием высокого уровня их качества. Благодаря этому специалисты по машинному обучению могут уделять больше времени решению сложных интеллектуальных задач, взаимодействию с заказчиками и созданию новых решений.

AgenticML уже позволяет сокращать время разработки ML-моделей более чем на треть, ускоряет этапы работы с данными, моделирования, внедрения и обновления моделей, а также подготовку модельных артефактов. Например, подготовка документации теперь занимает часы вместо нескольких дней. Решение также помогает снижать модельные риски и повышать производительность DS-специалистов. В 2026 году Альфа-Банк планирует нарастить уровень автоматизации работы DS-специалистов до 29% за счет дальнейшего развития и масштабирования этих инструментов.

«Победа AgenticML подтверждает, что ставка Альфа-Банка на агентный ИИ оправдывает себя. Мы последовательно переходим от автоматизации отдельных этапов разработки и внедрения ML-моделей к автоматизации процессов. Сегодня мы применяем агентов там, где раньше требовалась значительная ручная экспертная работа. Это позволяет дата-сайентистам меньше времени тратить на повторяющиеся операции и больше фокусироваться на исследовательской работе. Для банка это новый уровень эффективности ML-разработки: экспертиза DS/ML-команд масштабируется и стандартизируется, время внедрения моделей сокращается, а качество решений растет при одновременном снижении модельных рисков», - комментирует директор департамента по разработке моделей Альфа-Банка Дмитрий Рузанов.

Для клиентов это означает более быстрое появление новых цифровых сервисов и функций, более надежную работу интеллектуальных систем банка и постоянное повышение качества сервисов на основе искусственного интеллекта, - добавляется в релизе.