Методический журнал
Риск-менеджмент в кредитной организации

Искусственный интеллект прочно вошел в финансовую отрасль, и споры о его необходимости, казалось бы, остались в прошлом. Однако практика последних месяцев показывает: внедрение ИИ-агентов и генеративных моделей ставит перед риск-менеджерами новые вопросы, к которым мы пока не готовы.

Если банк начинает использовать ИИ-агентов, то профиль клиента перестает быть просто записью в таблице. Он начинает превращаться в динамическую память, которая постоянно пополняется новыми фактами, выводами моделей и результатами взаимодействий с клиентом. Это фундаментально меняет требования к архитектуре хранения данных. Разберем, почему это происходит и какие архитектурные изменения могут возникнуть в банковских системах хранения данных.

BNPL привлекает «группу молодых потребителей, которые решили, что они просто не хотят использовать традиционные кредитные карты» — можно все делать с помощью цифровых сервисов и супераппов. Почему же BNPL-компании часто возвращаются к более консервативным моделям и подходам?

Внедрение больших языковых моделей (LLM) и генеративного ИИ (GenAI) — не просто очередной этап цифровизации, а вынужденный переход от жестких систем, основанных на правилах (rule-based), к адаптивным интеллектуальным средам. В этом обзоре рассматриваются в том числе технологический стек и стратегии интеграции, использование гибридной стратегии (собственная ИИ-платформа на базе мощных сторонних LLM), прикладные кейсы использования LLM, анализируются свежие работы в области LLM. Полностью обзор размещен в информационно-методической системе «РегламентБанк».

Насколько сложно и в какие сроки возможно создать в крупнейшем банке собственную автоматизированную систему для работы с операционными рисками «с нуля», не ограничиваясь простым воспроизведением функциональности прежнего решения? Ответом на этот вызов стал проект Банка ВТБ по импортозамещению автоматизированной системы управления операционными рисками (АСУОР).

Банк России в Положении № 716-П и разъяснениях к нему четко обозначил: передача функций на аутсорсинг не снимает с банка ответственности за их выполнение. Это требует построения системы сквозного риск-менеджмента, охватывающей всю цепочку технологических партнеров. Разберем методологию управления непрямыми рисками и практические инструменты контроля.

В статье рассмотрены инструменты управления достаточностью капитала: лимитирование, в том числе учет соблюдения лимитов в ключевых показателях эффективности (КПЭ), ценообразование с учетом риска. А кроме того, описаны инструменты повышения достаточности капитала — как через увеличение доступного банку капитала, так и путем снижения риска и необходимого капитала. Среди инструментов управления достаточностью капитала не будет рассматриваться стресс-тестирование, которое может быть темой для отдельной статьи.

В статье рассмотрены основополагающие принципы использования результатов, полученных с применением подхода на основе внутренних рейтингов (ПВР), которые важно учитывать при выстраивании и совершенствовании внутренних процессов банка с использованием ПВР, разработке, валидации и аудите моделей ПВР в целях минимизации регуляторных рисков.