Слово редактору

В 1987 году американский Security Pacific National Bank первым в банковской сфере использовал искусственный интеллект — нейронные сети для моделирования подозрительных событий и действий. Сегодня, спустя уже почти 40 лет, мы наблюдаем стремительное развитие технологий искусственного интеллекта — особенно генеративного ИИ, больших языковых моделей (LLM), глубокого обучения (DL), — которые интегрированы практически во все аспекты деятельности банков. С появлением сверхбольших объемов данных в последние годы AI-алгоритмы открыли буквально новую эру возможностей для развития систем управления рисками, способствуя, в частности, эффективному распознаванию закономерностей в полуструктурированных, неструктурированных и высокочастотных транзакционных данных. Однако сложная и непредсказуемая природа AI-моделей приводит к результатам, которые не всегда легко понять, — из-за чего их называют «черными ящиками», моделями, в которых входные и выходные данные известны, но внутренняя работа остается в значительной степени непрозрачной — что увеличивает модельный риск, потенциально ведет к неверному толкованию риск-сигналов, некорректной оценке риска заемщиков и в конечном итоге к несоблюдению регуляторных требований и финансовым потерям. В этом номере журнала мы попытались обозначить актуальную AI-проблематику и предложить возможные прикладные решения: мы поговорим о уязвимости LLM-технологий в банковском секторе (Сергей Афанасьев), различных методах интерпретации для решения задач кредитного скоринга (Александр Дьяконов), влиянии дрейфа данных и Gini скоринговых моделей на банковскую прибыль (Леонид Гарин и соавторы), использовании гетерогенных графовых нейросетей в моделировании рисков корпоративных заемщиков.