Финальный аккорд — встреча со специальным гостем Scoring Day 2025, футурологом Данилой Медведевым. Один из главных российских футурологов и популяризатор усиления интеллекта выступает с лекцией “Scoring the Future: как рассчитать вероятность глобальных сценариев и прорывных технологий”.

Разговор идет о том:
• Почему футурологи запутались в инструментах и почему “ромб Поппера” опасен как методологическая ловушка;
• Чем футурологическое мышление отличается от обычного;
• Как один блогер рассчитал вероятности всех сценариев Брекзита — и почему это редкость.
• Почему разработчики ИИ часто не понимают собственное детище.
• Сколько лет нужно развивать разум, чтобы построить модель мира и рассчитать оптимальную стратегию трансформации. И главное — с чего начать?

Спасибо всем участникам! Сегодня было много отзывов и приятных слов в адрес события. Вот некоторые из них:

✅ «Форум очень понравился, особенно концептуальные доклады. Запомнился доклад Антона Исправникова из ВТБ, очень конкретный и понятный, а также доклад Авито по LLM-ассистенту и др. Кроме того, здесь прекрасные возможности для нетворкинга», — Елена Ковылянская, управляющий директор ВТБ.

✅ «Уровень спикеров и организации самого мероприятия — высокий (выше среднего). Первые темы по поводу выгорания несколько расходились с ключевой темой форума, однако помогли втянуться в дискуссии и сформировали тему для small-talk с коллегами в перерывах. Вторая сессия позволила ознакомиться с инсайтами и лучшими практиками видных участников финтех-отрасли. Больше всего запомнилось выступление Анны Лагуновой (Т-Банк) о применении технологий конфиденциальных вычислений для монетизации данных», — Артем Мартыненко, АО Право.Тех, эксперт, руководитель проектов.

Готов пострелиз Форума, в котором мы подсветили интересные цитаты из выступлений и некоторые ключевые моменты дискуссий.

Полный текст доступен по ссылке

«На Scoring Day мы говорили предметно — о кредитном сжатии, устойчивости моделей, меняющемся поведении клиентов и всплеске социальной инженерии — и сразу переводили идеи в практику. Участники ушли с “понедельничным набором”: стратегии долгоживущих ИИ моделей, рабочие кейсы AI агентов и конкретные антифрод подходы, которые можно внедрять уже сейчас», — прокомментировал повестку форума генеральный продюсер Роман Божьев.

«Наша команда не признает выгорание как “рабочую неизбежность”, наш вектор — самореализация, энергия и осознанная мотивация. Поэтому на форуме мы показали путь от осмысленной data-driven культуры и практик антивыгорания до конкретных инструментов, от нейроуправления состоянием и мастер-классов по “big idea” лидера до стратегического выбора в развитии ИИ. Участники ушли с пониманием, как использовать ИИ для реальных задач и конвертировать знание в результаты — от умного ценообразования до борьбы с социальной инженерией и ускорения проверки гипотез. Форум — про то, как превращать работу и данные в источник смысла, силы и конкурентного преимущества», — подвела итоги форума Евгения Якунина, генеральный директор ИД «Регламент».

Пострелиз тут 👉 Scoring Day 2025: бизнес готовит фундамент для «космического» ИИ

🎦 Друзья, представляем вашему вниманию итоговый ролик сo Scoring Day!

«Много интересных докладов с деталями, без лишней воды, впечатление супер!» - Екатерина Кузнецова, ОКБ.

«Одно из мероприятий, на котором собираются все сливки нашего рынка» - Вадим Алешин, МТС Скоринг

«Площадка, где встречаются наука и бизнес и могут открыто подискутировать» - Анна Козырева, НИУ ВШЭ

А вам удалось побывать на Scoring Day? За одну минуту можно снова погрузиться в драйв этого дня. А если пропустили, то ждем вас на наших следующих событиях — будет интересно!

🟦 30 октября. Форум лидеров страхового рынка. Прямой диалог рынка и власти о будущем российского страхования

🟦 20 ноября. FINNEXT Asia 2025. Международный форум финансовых инноваций. Стратегические направления развития банков, платежных организаций и финтеха в Узбекистане и в Средней Азии

🟦 11 декабря. CX Fintech Day 2025. Технологии лидеров, меняющие мир взаимодействия с клиентом

Друзья, в этом канале мы будем еженедельно делиться новостями, связанными с кредитным рынком, рисками, антифродом и пр., а также аналитикой и кейсами от экспертов - участников Scoring Day. Вот подборка этой недели:

Weekly Scoring News — ипотека штормит, кредитки на подъеме, "охота" на дропперов и быстрые деньги для селлеров

Сбер начал возвращать украденные средства через «дропперов». В рамках пилотного механизма банк проводит профилактические беседы с получателями похищенных денег; в конце разговора они пишут заявления об ошибочном зачислении, после чего деньги возвращаются пострадавшим. По словам зампреда правления Сбера Станислава Кузнецова, 80% дропперов действуют без злого умысла.

Ипотека: доля проблемных кредитов превысила 1,5%. По данным ЦБ, показатель вырос с менее 1% в начале года до 1,6% к сентябрю. Регулятор отмечает: цифра была бы выше без жестких мер, а риски активно используемого механизма рассрочки при продаже жилья — повышенные. Вывод ЦБ: операции с рассрочкой следует передавать в бюро кредитных историй.

Кредитные карты: рекордное за четыре года падение выдач. В сентябре банки выдали на 141,5 млрд руб. (на 35% меньше, чем в августе), средний лимит снизился почти на 40 тыс. руб. — до 109 тыс. руб. (минимум с апреля). Возможные причины: «период охлаждения» для сумм свыше 50 тыс. руб., введенный ЦБ, и ужесточение требований к заемщикам. Ожидание — стагнация до конца года и возможный рост лишь в декабре.

Антифрод: власти поддержали запрет упрощенной идентификации у банковских платежных агентов свыше 15 тыс. руб. Для таких операций потребуется полная проверка личности — паспортных данных и ФИО будет недостаточно. Мера направлена на борьбу с дропперами: их число выросло на 71% за год — до 1,2 млн человек.
После принятия закона агенты вроде «Элекснета» и «Единой кассы» не смогут выдавать карты, открывать кошельки и принимать наличные в пользу юрлиц и ИП на суммы выше порога. Это усложнит жизнь мошенникам, но увеличит нагрузку на банки.

МФО для бизнеса: селлеры маркетплейсов разгоняют выдачи. В первом полугодии 2025 года объем микрозаймов МФО предпринимательского финансирования вырос на 29% г/г. 44% займов — продавцам на маркетплейсах, чаще под короткие кассовые разрывы. Быстрая оборачиваемость увеличивает выдачи, но слабее влияет на объем портфеля, где по-прежнему преобладает более крупное финансирование соцпроектов в рамках программ поддержки МСП. Планируется повышение максимальной суммы микрозайма для бизнеса с 5 до 15 млн руб.

Как ЦБ переводит резервирование от principle-based к пороговым правилам на основе данных?

О принятии решений на основе данных для целей банковского регулирования на Scoring Day рассказала Ольга Кадрева, начальник Управления риск-моделирования в Департаменте банковского регулирования и аналитики Банка России.

В числе текущих проектов регулятора — изменения в Положение 590-П в части внедрения обязательных финансовых показателей для оценки финансового положения (ФП) заемщика.

Проблема: сейчас резервы по РСБУ носят principle-based характер. С одной стороны, это дает банкам гибкость, с другой, некоторые банки подходят к анализу ФП формально и не принимают во внимание классические показатели долговой нагрузки и устойчивости компаний.

Решение: снизить уровень свободы при определении финансового положения и ввести обязательный набор финансовых показателей для оценки ФП заемщиков с четкими пороговыми значениями для хорошего и среднего ФП.

Этапы проекта:
— сбор датафрейма с финансовыми показателями компаний на базе РСБУ- и МСФО-отчетностей и маркерами дефолта. Используются данные СПАРК, ФНС с 2017 года, всего 200+ финпоказателей, такие как долговая нагрузка, рентабельность, ликвидность, деловая активность и пр. В числе маркеров дефолта — просрочка 90+ дней, высокие фактические резервы и т. п. Также учитываются вынужденные реструктуризации — особенно важные для крупных компаний, где проблемы часто маскируются повторными реструктуризациями;

— однофакторный анализ по данным РСБУ и отбор метрик с наибольшей предсказательной силой (текущий этап);

— экспертная проверка на «крупняке» робастности метрик и данных МСФО-отчетности;

— подготовка итогового многофакторного правила для внедрения в 590-П.

Важные моменты
1. Несмотря на то что отчетность по РСБУ не всегда хорошо предсказывает дефолт, необходимо строить правила, которые будут работать хорошо для всех участников рынка, на доступной и сопоставимой базе.

2. Целевой сегмент — стандартные корпоративные «ванильные» кредиты.

3. Есть отличия в зонах риска для разных отраслей и сегментов. Например, ресурсные отрасли менее толерантны к долговой нагрузке и могут быстрее выходить в дефолт из-за волатильности цен. У сельхозпроизводителей ситуация обратная: процентные ставки субсидируются, поэтому пороги по Debt/EBITDA и другим метрикам могут существенно отличаться.

Работающие метрики
По результатам реальных тестов по коэффициенту Gini хорошо себя зарекомендовали (>30%):
— Долг/EBITDA;
— ICR (коэффициент покрытия процентов);
— Капитал/Активы;
— Рентабельность активов.

Отличия подхода от построения PD-моделей
При постановке задачи подход совпадает с классическим построением PD-модели — сбор данных и формирование пула метрик. Главное отличие — в использовании на первом этапе простых, прозрачных и трудно оспариваемых правил. Например, заемщик может быть отнесен к категории «хорошее финансовое положение», только если одновременно Debt/EBITDA не выше 3x и коэффициент покрытия процентов не ниже 2x (цифры условные).

Дальнейшие планы:
— Продолжаем тестировать по отраслям и сегментам, смотрим на результаты.
— До конца года проработаем все нюансы и обсудим их внутри ЦБ.
— Обсудим проект с рынком в следующем году.

Рассказ Ольги Кадревой о проекте по оценке экономического положения банков — в следующем посте.

От «все во второй группе» к риск‑чувствительному надзору

Как ЦБ пересматривает оценку экономического положения банка, на Scoring Day рассказала Ольга Кадрева, начальник Управления риск‑моделирования Департамента банковского регулирования и аналитики Банка России.

Оценка экономического положения банка — по сути, надзорный рейтинг, отражающий риск‑профиль банка, с двумя ключевыми последствиями:
— размер отчислений в Фонд страхования вкладов (более рискованные банки платят больше);

— определение группы достаточности капитала и надбавки.

Проблема старой калибровки: почти все банки оказывались во второй классификационной группе из пяти, хотя риски сильно различаются.

Цель — сделать метрики максимально риск-чувствительными и «впередсмотрящими», чтобы заранее сигнализировать о проблемах, а не смотреть в зеркало заднего вида.

Решение в части количественного скора:
— учитывать при оценке активов не только накопленные проблемы, признанные банком, но и потенциальные;

— включать в оценку капитала не только его фактический запас, но и обременение за счет вложений в высокорискованные активы;

— оценивать рентабельность капитала (ROE) не только за последний год, но и в среднем по экономическому циклу;

— оценивать ликвидность банка, сопоставляя его ресурсы с потенциальными оттоками;

— учесть подверженность банка широкому перечню рыночных рисков.

Важные моменты по архитектуре проекта
— Архитектура близка к CAMELS, используются классические блоки анализа финансового положения (достаточность капитала, качество активов и т. д.).

— Важный показатель — отношение высокорискованных активов (с высоким риском обесценения) к запасу капитала. Это не только NPL, но и «предпроблемный» хвост — кредиты и активы, которые еще не стали NPL, но имеют высокий риск туда перейти.

Как пример — заемщик два года не платит проценты, формальной просрочки нет, в текущем 4336-У этот момент игнорируется, в данном проекте — учитывается.

— Соблюдение нормативов концентрации (Н6, Н25) перестало быть бонусом по качеству активов.

— Банк оценивается не только по классическим метрикам: учитывается рыночная позиция.

Пример: банки с хорошими показателями при слабом бренде и узкой базе могут оказаться не слишком устойчивы к стрессам.

— Рыночная власть в данном случае — не про «наказание за размер». Крепкие региональные банки, а также банки, активные в международных операциях, не штрафуются — даже если они небольшие.

Тестирование показало, что применение одного только количественного скора уже значительно улучшает качество ранжирования — существенная часть банков из второй группы уходит вниз, вплоть до четвертой. Это устранит несправедливость с точки зрения отчислений в систему страхования вкладов.

Как войти в число компаний, где ИИ повышает эффективность процессов на 50%?

Об этом на Scoring Day рассказал Андрей Даршкевич, зам. директора по индустриальным проектам Института ИИ и цифровых наук ВШЭ.

По оценкам ВШЭ, в ближайшие 10 лет внедрение ИИ‑инструментов может дать экономике дополнительный эффект в 46,5 трлн рублей. Это рынок, где можно занять значимую долю и получить реальные результаты. Но для этого важно понимать, где мы находимся сейчас и как меняется ландшафт.

Согласно кривой Gartner 2025 года, ключевые ИИ‑инструменты в ближайшее время перейдут в фазу спада и начнут выходить на плато продуктивности. На это уйдёт от двух до пяти лет. Важно, что среди них нет «тупиковых» технологий: то, что мы начинаем делать сегодня, останется рабочим и дальше.

У ИИ‑решений есть три уровня:
1) Инфраструктура. Здесь всё стабильно: игроки уверены в себе, есть понятные модели выручки и примеры, как у компании Oracle, получившей серьёзные дивиденды от сотрудничества с OpenAI.

2) Большие модели. Рынок очень динамичный, метрики обновляются, выходят новые версии, но с устойчивой монетизацией пока сложно; возможны разочарования и пересмотр инвестиций.

3) Прикладные ИИ‑решения. Именно этот уровень интересен большинству участников конференции, потому что на этом уровне для нас возможен прямой бизнес‑эффект. При этом в России такие решения реально используют лишь 43% компаний среднего и крупного бизнеса.

⁉️ Как пройти путь к своей доле от этих 46,5 трлн? Важно понять, кто наши «попутчики» — факторы, которые будут определять движение.

• Дефицит рабочей силы. Он уже наблюдается, и в ближайшие годы рассчитывать на приток новых специалистов не стоит: систему образования быстро не перестроишь, а экспаты не закроют все профессии. Значит, открывается пространство для роботов, агентов и co-pilot. Для работы с последним инструментом понадобятся специалисты, которые смогут быстро переключаться между задачами, руководствуясь короткими точными инструкциями, — представители поколения с клиповым мышлением, которые как раз выходят на рынок труда.

• Переход к человекоцентричности. Это не только про продажи и клиентский сервис, а про заботу и качество взаимодействия со всеми: коллегами, командами, партнёрами, контрагентами и, конечно, клиентами. Чтобы эффективно отвечать на их запросы, нужны инструменты персонализации в real time режиме.

• Мир в режиме постоянной трансформации. С 2020 года мир живёт в состоянии непрерывных изменений — и скорость только растёт. Отвечать на вызовы нужно всё быстрее. Необходимо создавать и поддерживать цифровых двойников и в режиме near real time проводить стресс‑тесты: быстро обрабатывать новые данные, проигрывать сценарии и проверять их на практике.

Рост скорости добавляет к классическим стратегиям run, change и disrupt ещё одну — survival. У компании всегда должен быть запасной маршрут: просчитанный план, как оставаться «живой» на определённом отрезке, чтобы успеть сделать паузу, переоснаститься и перестроить процессы.

• Технологические и мощностные ограничения. Про первое — сложности с получением оборудования, видеокарт и других вычислительных ресурсов — мы уже знаем, и они никуда не исчезнут.

Второе ограничение обусловлено износом энергетической инфраструктуры в стране. Цикл создания новых мощностей занимает порядка 7–8 лет, и всё это время новые ресурсы будут появляться ограниченно. Значит, придётся оптимизировать имеющиеся. Здесь «выстрелят» отраслевые решения и коллаборации: компании начнут вместе искать способы эффективнее использовать свои мощности, закреплять удачные практики и затем тиражировать их у себя.

• Цифровизация государства. Государство становится игроком с серьёзными ресурсами. Сильная сторона ИИ‑инструментов — лёгкая масштабируемость: любой инструмент, разработанный государством, можно без проблем передать в работу коммерческому сектору. Компании должны быть к этому готовы — в том числе с точки зрения доступа к данным и организации процессов взаимодействия.

В какие проекты имеет смысл внедряться?..

Продолжение следует...

Продолжение поста про то:
Как войти в число компаний, где ИИ повышает эффективность процессов на 50%? Ч. 2

Целевые проекты

По данным исследования ВШЭ, 40% респондентов готовы использовать ИИ в тех же производственных и бизнес-процессах, что и раньше, 24,5% — в других, 15,6% — для создания новых продуктов. В целом важно учитывать следующие моменты:

— при наличии процесса с высоким финэффектом любая дополнительная модель, обеспечивающая 0,5-2 п.п. Gini, даёт измеримый финансовый результат. В такие проекты имеет смысл идти в первую очередь.

— ускорение процесса может не давать прямой финансовой отдачи, но освобождает главный ресурс — время. Есть кейсы, когда с помощью GenAI процесс, занимавший три дня, сокращали до 20 минут без потери качества.

— высвобождение рабочей силы полезно для решения задач с большей ценностью.

Гладко было на бумаге, да забыли про овраги: как защититься от неприятных сюрпризов?

На практике чаще всего будут вставать вопросы: где найти экспертов, где взять данные и какие вычислительные мощности использовать.

1. Эксперты
Для стратегической трансформации и перепроектирования процессов зачастую достаточно точечной внешней поддержки — держать таких специалистов в штате компании среднего размера не всегда рационально.

Эксперты по ИИ‑продуктам, включая промпт‑инженеров, — скорее внутренний ресурс. Имеет смысл переобучать сотрудников, хорошо знающих ваши процессы: готовить их к работе с ИИ и генеративным ИИ. Это даст людям новые возможности, повысит лояльность и поддержит человекоцентричный подход.

Data team формируется исходя из масштаба и потребностей: её можно вырастить внутри или привлечь целиком.

2. Данные.
Ситуация с нехваткой данных продолжает быть острой, но постепенно улучшается благодаря ИИ-инструментам. Для повышения эффективности рекомендуем:
— на первом этапе проаудировать и оценить данные внутри компании. Раньше очень часто не табличные данные не рассматривались как основной источник информации. Современные технологии и алгоритмы позволяют их предобработать в нужный вид и также использовать при решении задач.
— на втором — приступить к сбору новых данных. В этом помогут недавно появившиеся модели, способные работать при малых выборках. Есть кейсы, когда LLM доучивали на 250–300 кейс-вопросах промпта.

При необходимости можно приобрести внешние датасеты.

3. Мощности.
Есть несколько вариантов:
— можно опираться на «коробочные» продукты и рыночные платформы — многие решения уже готовы и хорошо масштабируются.
— можно адаптировать открытые модели и наработки под свои задачи, включая дообучение.
— можно оптимизировать вычисления: за счёт алгоритмических улучшений, профилирования и упрощения архитектур, что особенно эффективно при ограниченных ресурсах.

Начинать стоит сегодня: подготовить стратегию, выбрать продукты и процессы для трансформации, оценить предварительный финансовый эффект и нефинансовую ценность, сформировать команду, проработать данные и настроить инфраструктуру.

Делаем это затем, чтобы в ближайшие 10 лет войти в число компаний, где ИИ повышает эффективность процессов более чем на 50%.

Weekly Scoring News: рынок кредиток впервые сжимается, МПЛ ужесточаются, запросы в БКИ растут

Российские банки впервые в современной истории столкнулись со снижением спроса на кредитные карты. По данным «Скоринг бюро», в последние годы ежеквартальные выдачи держались на уровне 5-7 млн кредитных карт. Однако к концу 2024 года, после повышения ключевой ставки до 21%, выдачи стали сокращаться, и в 2025 году они замедлились до чуть более 3 млн кредитных карт за квартал.

При этом в сентябре впервые с 2021 года было оформлено менее 1 млн новых кредитных карт - всего 991,3 тыс. В результате количество кредитных карт на руках у россиян сокращается уже второй месяц подряд: в августе оно уменьшилось на 0,3%, в сентябре - уже на 0,5% г/г, до 96,9 млн.

Банк России ужесточил макропруденциальные лимиты (МПЛ) по высокорисковым ипотечным кредитам на ИЖС до 20%. Новое ограничение вступит в силу в первом квартале 2026 года. В четвертом квартале текущего года лимит установлен на уровне 25%.

С 2026 года также изменится МПЛ для нецелевых потребительских кредитов под залог недвижимости. В первом квартале 2026 года доля кредитов заемщикам с показателем долговой нагрузки (ПДН) выше 80% будет ограничена 15% портфеля, а для заемщиков с ПДН от 50% до 80% — 20%.

Количество кредитных отчетов, полученных гражданами из БКИ, в первом полугодии 2025 года выросло на 9%. Банки и МФО при этом направили в БКИ на треть больше запросов на информацию, содержащую индивидуальный рейтинг получателя кредита. Спрос со стороны МФО растет на фоне увеличения доли онлайн-займов: за год услуги по предоставлению скоринга почти удвоились.

НСПК запустила систему поощрения банков за возврат денег жертвам мошенников через сервис "Добрая воля". Размер поощрения составит 5% от суммы возврата, но не более 5 тысяч рублей. С момента запуска «Доброй воли» банки вернули гражданам 145 млн рублей.

Финтех-группа Cyberbird подключила систему автоматической проверки соответствия реквизитов заемщика при выдаче онлайн-займов через СБП. Интеграция усилила контроль за безопасностью выдачи потребительских онлайн-займов и снизила риски мошенничества. После оформления заявки система автоматически отправляет запрос в НСПК, чтобы получить сведения о получателе мгновенного платежа. На совпадение проверяются фамилия (или ее первая буква), имя и отчество заемщика. Ответ о соответствии данных поступает в режиме реального времени, что позволяет быстро принять решение о выдаче займа.

3 кейса Сбера, ВТБ и Альфа-Банка. Клиентский опыт + ИИ и данные. Стратегии лидеров

Темы ИИ, данных, клиентского опыта в финтехе – становятся главными почти на каждом нашем событии.

В канале предстоящего форума CX Fintech Day мы разместили три полных записи выступления, которые затрагивают эти темы.

1️⃣ Как системно организовать работу управления клиентским опытом на уровне стратегии — Анна Кабанец, директор по CX-стратегии Альфа-Банка.

2️⃣ Как развить способность бота решать задачу сентиментного анализа с точностью до 80% и научить его грамотно управлять диалогом — Александр Александров, вице-президент Банка ВТБ.

3️⃣ Как с помощью синергии В2U и больших данных выйти на новый уровень взаимодействия с клиентом — Дарья Жаркова, директор проектов СХ В2В Сбера.

👉 Переходите на канал CX Fintech Day и забирайте записи выступлений в закрепленном сообщении.

👉 Узнать больше о форуме – самой большой тусовке по CX в финтехе, которая состоится 11 декабря, и зарегистрироваться можно на сайте

Weekly Scoring News: Samsung планирует выход на рынок кредиток США, ЦБ расширяет антифрод, бизнес-просрочка на максимуме, но выдачи растут

Samsung планирует выйти на рынок кредитных карт США. По данным The Wall Street Journal, компания уже ведет переговоры с английском банком Barclays. Сделка пока не гарантирована, но официальное объявление о партнерстве ожидается до конца текущего года. Рассматривается модель, при которой кэшбэк по новой карте будет автоматически зачисляться на баланс Samsung Cash с возможностью перевода на высокодоходный сберегательный счет бренда.

ЦБ предложил ужесточить требования к расчету долговой нагрузки заемщика. Изменения могут вступить в силу с 1 апреля 2026 года. В их числе:
- введение дисконтирующего коэффициента 10%,
- исключение выписок по счетам с иными доходами из перечня документов, подтверждающих доход ;
- обязанность формировать и предоставлять гражданам выписки по счетам, используемым для подтверждения доходов, возлагается только на банки, где открыт счет с доходами;
- запрет на использование документов с информацией о доходах ИП, выданных предпринимателем самому себе;
- а также признание суммы среднемесячных платежей по кредитам клиента равной его среднемесячному доходу в случаях, когда отсутствует согласие заемщика на раскрытие банку основной части кредитной истории.

Банк России расширил список признаков мошеннических операций. Новые правила начнут действовать с 1 января 2026 года.

В список добавились еще шесть признаков по банковским операциям и два по цифровому рублю. В частности, туда были добавлены операции по крупным переводам через СБП — от 200 тыс. руб., а также, например, смена номера телефона для входа в онлайн-банк, получение банком информации от операторов связи о том, что у клиента изменились характеристики телефона, например используется нетипичный интернет-провайдер.

Объем просроченной задолженности бизнеса вырос почти до 3 трлн рублей. Почти четверть российских компаний имеют просроченные кредиты — их доля выросла на 6 п.п. за год и стала максимальной за 2,5 года. Объем задолженностей с просрочкой приблизился к 3 трлн руб., а общее корпоративное кредитование превысило 80 трлн руб. Рост долга связан с высокой ключевой ставкой, которая долгое время держалась на уровне 21% годовых, что сделало заемные средства слишком дорогими.

В то же время бизнес-кредитование показало аномальный скачок на фоне снижения ставок. В октябре корпоративный портфель российских банков вырос более чем на 2 трлн рублей (+2,3%), что стало рекордом как минимум с начала прошлого года. Наибольший вклад внес Сбербанк — его выдачи увеличились на 678 млрд рублей, а общий объем кредитов за месяц достиг 3 трлн. В банке активность объяснили снижением процентных ставок по продуктам для бизнеса.

Weekly Scoring Day: банкротство молодеет, бизнес РФ тратит 40% прибыли на кредиты, фрод превращается в услугу

Российский бизнес на пределе долговой нагрузки: около 40% прибыли компаний уходит на обслуживание кредитов — это исторический максимум, в три раза выше уровня двухлетней давности. Аналитики Центра макроэкономического анализа и краткосрочного прогнозирования отмечают, что долговая нагрузка достигла критической отметки. Наибольшие риски — у деревообработки, автопрома, строительства, а также производства мебели и одежды.

Молодежь в России стала банкротиться заметно чаще. Возраст граждан, прибегающих к процедуре банкротства, стремительно снижается. Если в 2020 году 78% обращений о банкротстве физических лиц приходило от россиян старше 45 лет, то в 2025 году — уже 58%. Среди возможных причин — высокая доступность кредитных продуктов и рост мошеннических схем, которые распространяются параллельно с расширением рынка кредитования.

В Т-банке зафиксировали рост случаев фрода с участием специальных компаний, которые "помогают" клиентам обанкротиться. Об этом заявил глава «Т-технологий» Станислав Близнюк. По его словам, если раньше подобные схемы были характерны для авторынка, то теперь «людей учат, как обанкротиться, как оставить квартиру, вернуть себе долги, списать и потом через два года обратно быть полноценным участником общества».

Сбер: несмотря на «беспрецедентные» меры по борьбе с телефонными мошенниками, правительству и спецслужбам не удалось справиться с ними. Потери россиян от телефонного фрода по итогам года могут вырасти на 15-20%. В прошлом году, по данным банка, телефонные мошенники похитили у россиян около 300 млрд рублей.

Weekly Scoring News: фрод-рулетка выходит в массы, реформа скоринга откладывается, ИИ научится оценивать залоги

ЦБ отметил рост просрочки в потребительском и ипотечном кредитовании. Происходит это на фоне вызревания старых долгов, говорится в "Обзоре финансовой стабильности" Банка России. Доля проблемных потребкредитов на 1 октября 2025 года выросла до 12,9%. Риски по новым выдачам остаются высокими, уровень выхода в раннюю просрочку составил 2% по кредитам, выданным в июле 2025 года (1% в июле 2023 года).

Доля проблемных ипотечных кредитов с начала года выросла на 0,7 п.п. — до 1,7%. ЦБ отмечает ухудшение качества кредитов на цели ИЖС, льготной безадресной ипотеки на покупку квартир, рыночной ипотеки, предоставленной в последние годы по более высоким ставкам.

Центробанк отложил переход банков на новую систему оценки заемщиков. Срок внедрения механизма по проверке банками доходов заемщиков в информационных системах ФНС и Социального фонда может быть перенесен на 1 июля 2027 года, сообщил зам. департамента финансовой стабильности Банка России Евгений Румянцев.
Причины переноса пока не раскрываются.

Сбер, Банк «ДОМ.PФ» и АФТ займутся внедрением ИИ в ипотечный процесс. Цель проекта — цифровизация и упрощение оценки рыночной стоимости недвижимости с помощью машинного обучения. Ожидается, что решение сократит время и расходы для клиентов, а для банков снизит риски, связанные с человеческим фактором

Т-Банк открыл доступ к фрод-рулетке для всех россиян. Теперь любой желающий может зарегистрироваться и заказать себе мошеннический звонок. Фрод-рулетка перехватывает звонки мошенников и анонимно перенаправляет их пользователям, чтобы те как можно дольше удерживали злоумышленников на линии, не давая им украсть деньги у жертв. Также пользователи сервиса оттачивают навыки противостояния мошенникам и защищают потенциальных жертв, до которых пытались дозвониться мошенники.

В тестовом этапе участвовали более 2000 человек, им удалось предотвратить хищения на сумму более 490 млн рублей.

Как использовать технологии конфиденциальных вычислений для монетизации данных?

На Scoring Day об этом рассказала Анна Лагунова, руководитель монетизации данных для кредитного бизнеса в Т‑Банке.

Почему вообще нужно что‑то менять в передаче данных, если «и так всё работает»?

У кредитного бизнеса есть множество потенциально полезных источников информации, которые до сих пор недоступны банкам.

Часть данных защищена законом, остальные — их владельцами, которые не хотят терять конкурентное преимущество, раскрывая сырые данные.

В итоге:
— теряем данные из‑за распределённости источников и тратим месяцы на подключение новых;
— упираемся в потолок качества моделей, построенных только на внутренних данных или классических партнерских скорах.
— и не можем строить модели на полноценных данных.

Что с этим делать?
Задачу можно решать с помощью технологий повышения приватности (PET, privacy‑enhancing technologies), таких как:

— безопасные многопользовательские вычисления (MPC),
— дифференциальная приватность (DP),
— доверенные вычислительные среды (TEE),
— гомоморфное шифрование и др.

На международном рынке уже есть кейсы использования технологий на стыке ИИ и PET — такой подход, например, выбрала Alibaba для платформы обмена данными.

Основная проблема — подобрать правильную технологию под задачу, которую вы решаете.

Например, для кейса «Обучение нейросетей», в рамках которого два партнера были готовы обмениваться данными ради синергетического эффекта, оптимальным решением стали многопользовательские вычисления (MPC).

Основное требование банка — персональные данные клиентов, эмбеддинги, переменные, целевые события и т. п. не должны передаваться третьим сторонам или консолидироваться у третьих лиц — даже при обучении моделей.

Преимущества подхода:
— данные могут быть разной природы и разной размерности;
— есть возможность обучения на любое целевое событие. В нашем примере обучение было направлено на вероятность дефолта, но это могут быть не только бинарные таргеты, но и, например, модели дохода. По типу задач ограничений фактически нет;
— нет потери в качестве модели из-за конфиденциальных вычислений;
— подход легко масштабируется на любое количество участников.

Для реализации кейса «Граф партнерских связей» с телеком-оператором была выбрана технология гомоморфного шифрования. Целью проекта было заявлено усиление моделей для клиентов, по которым было недостаточно данных за счет связей от партнеров (звонки, sms, предложения дружбы в соцсетях и пр.) за счет повышения полноты источников. Основным результатом стали прибавки к действующим моделям, особенно на сегменте с малым количеством внутренних данных.

Видим потенциал развития графов с другими партнерами, в т.ч. возможность использования связей от нескольких партнеров одновременно.

С чем можно столкнуться при проведении пилотов:

— огромное количество согласований с юристами и ИБ. Они долгие и могут занимать больше времени, чем придумывание концепции и обучение модели.

— некоторые регуляторные ограничения.

— проблемы с кадрами. Если вы жалуетесь на нехватку датасаейнтистов, попробуйте найти криптографа‑датасайентиста. Т-Банк запустил курс по криптографии в Центральном университете, но задача формирования специалистов в этой области стоит перед всем рынком.

— проблема эффективности протоколов и алгоритмов. Если модель подбирается под скоринговые задачи, она должна срабатывать в сжатые сроки — желательно, меньше минуты. Это накладывает серьезные ограничения на используемые нами алгоритмы и требует их оптимизации.

Как минимизировать события кредитной социнженерии с помощью ML?

Об этом на Scoring Day рассказал Антон Исправников, начальник управления моделирования РБ, Банк ВТБ.

Подходы и инструменты «социнженеров»
Основной инструмент мошенников — психология и работа с эмоциями. Сначала жертву выводят из равновесия: пугают («сейчас украдут деньги со счетов»), давят на срочность («нужно перевести в течение 5 минут»), или, наоборот, обещают быстрый заработок. В состоянии страха, паники или жадности человек хуже контролирует решения.

Дальше подключаются «катализаторы» воздействия: мнимая авторитетность («сотрудник банка», «полиции», «ФСБ», «руководитель»), важность и жесткие сроки. Комбинация сильных эмоций и таких триггеров — основа успешной атаки на человеческое мышление.

Размер ущерба
По оценкам ЦБ и крупных компаний в сфере кибербезопасности, около 90% мошенничества связано с социальной инженерией (СИ). В одном из обзоров ЦБ фигурирует ущерб около 5 млрд рублей на протяжении одного квартала, но реальная сумма, вероятно, выше.

Чем интересуются мошенники:
• кредитные карты, кредиты наличными и авто с отложенным залогом. Последние два продукта подвергаются атакам в большей степени. Доля событий СИ может достигать 1.5% в зависимости от продукта и периода времени.

Каналы выдачи:
• точки продаж и интернет‑банк, и последний, как правило, наиболее уязвим воздействию СИ

Целевые показатели СИ для будущих моделей:
Количество случаев СИ насчитывает сотни -
на объемах крупного банка это превращается в очень значимые суммы — и именно здесь ML может дать максимальный эффект.

Что с этим делать?
Самый простой шаг — короткая анкета из 10-15 вопросов в момент подачи заявки на кредит. Иногда люди в процессе заполнения понимают, что действуют «по указке», иногда жертву можно вычислить по нестандартному поведению. Но анкета срабатывает не всегда: мошенники отлично умеют готовить жертв.

Поэтому переходим на следующий уровень: анализ больших данных и подготовка ML-модели для хотя бы частичного предвосхищения таких событий.

Условно делим данные на три группы:
1) внутренние: соцдемография, транзакции, кредитная история, продуктовый профиль.
2) внешние: из БКИ, от работодателя и внешних провайдеров (особенно ценны данные телеком-операторов)
3) (почти) real‑time: события и триггеры по клиенту — как давно до заявки он снимал наличные, какие операции проводил, как часто меняет пароль в ЛК, продолжительность сессий и т.п.

Из этих данных генерируется множество фичей для обучения онлайн-модели, которая оценивает вероятность того, что кредит запрашивается под воздействием социальной инженерии.

Сегментация — стоит отдельно анализировать онлайн и офлайн каналы подачи заявки, а также продукты.

Целевое событие — подтвержденный случай социальной инженерии. Таргет — бинарный, задача — классификация.

Алгоритм обучения — градиентный бустинг.

Целевые метрики:
— F1-score (основная в данном кейсе) - среднее гармоническое между точностью и полнотой, помогает найти максимум мошенников и минимизировать количество ложноположительных срабатываний, тем самым сократив число необоснованных отказов. Качество модели на каждой итерации оценки признаков измерялось с помощью метрики, основанной на площади под кривой F1-score в заданном диапазоне cut-off (0–10%).

Gini показатель второстепенный, поскольку хорошо демонстрирует упорядоченность наблюдений, но предсказания на уровне фиксированного порога классификации могут быть неэффективны.

Можно использовать соотношение «чувствительность/специфичность» для минимизации разницы между ними, но тогда вырастает доля ложноположительных решений.

Результаты
Оптимизация площади под кривой F1 позволила банку увеличить как ранжирование (Gini), так и F1-score на несколько процентных пунктов — результат не космический, но в риск-менеджменте важны именно взвешенные решения, а не эффектные цифры в презентации.

За год банк смог выявить сотни случаев социальной инженерии и потенциально сохранить для клиентов более миллиарда рублей.

Weekly Scoring News: Wildberries Банк расширяет линейку финсервисов, ЦБ наводит порядок с иммобилизованными активами, Госдума — с МФО, нелегальные брокеры активизируются

Госдума ужесточила правила выдачи микрозаймов. С апреля 2026 года максимальная сумма начислений по микрокредиту сроком до года не сможет превышать 100% от первоначальной суммы долга.

С января 2027 года МФО лишатся права заключать дополнительные соглашения, позволяющие включать неуплаченные проценты и штрафы в тело основного долга.

Также вводится «период охлаждения» — МФО запретят выдавать новый заем физлицам в течение 4 дней после полного погашения предыдущего.

С апреля 2027 года один заемщик сможет получить только один микрозаем с полной стоимостью выше 100% годовых.

При этом лимит микрозайма для юрлиц и ИП увеличивается до 15 млн рублей.

Wildberries Банк готовится запустить собственные кредитные карты и займы. На это указывают размещенные вакансии. Эксперты считают шаг логичным развитием экосистемы маркетплейса — для повышения лояльности клиентов и стимулирование спроса, без радикального изменения конкуренции на банковском рынке.

ЦБ разрешил банкам не ухудшать качество долга МСП и самозанятых, оформивших кредитные каникулы. При принятии решений в отношении ссуд, классифицируемых на портфельной основе, указанные ссуды могут не выводиться из портфелей и группироваться в отдельные субпортфели в соответствии с признаками однородности. Банкам рекомендовано предоставлять ЦБ информацию о решении не ухудшать в течение льготного периода качество обслуживания долга, включая обоснование такого решения и информацию о категории качества соответствующих ссуд.

В России растёт активность кредитных брокеров. В первой половине 2025 года Центробанк выявил 4183 субъекта с признаками незаконной деятельности, что почти на 20% больше, чем годом ранее. Среди выявленных посредников те, кто обещает помощь с кредитами, требует доступ к личным данным, предоплату, подделку документов или оформление кредита через ИП.

ЦБ разработал методику расчета концентрации иммобилизованных активов. Проект предлагает делить ИА на три группы с коэффициентом иммобилизации от 1 до 3 в зависимости от рискованности актива (его вида, ликвидности, срока нахождения на балансе). Предельное значение показателя РЧЛ — 25% от капитала банков.

Переход к целевому уровню планируется поэтапно в 2027-2031 годах (100–85–70–50–25%).

Регулирование начнет действовать с 1 апреля 2027 года.

ВТБ: рынок ипотеки в 2026 году станет более сбалансированным. По оценкам банка, выдачи ипотеки могут вырасти примерно на четверть, составив порядка 5,3 трлн рублей. Сегмент станет более сбалансированным: соотношение государственных и рыночных программ достигнет паритета. Традиционный пик активности ожидается в декабре.

Во втором полугодии 2025 года продажи ипотеки на рынке составят порядка 2,7 трлн рублей (рост более чем на треть к аналогичному периоду 2024 года).

ЦБ позволит переводить кредиты в кредитные ЦФА при сроке жизни на балансе от 6 месяцев. В ЦФА можно будет трансформировать не более 80% задолженности по кредитному договору. В отдельный выпуск ЦФО смогут входить либо кредиты одного заемщика, либо кредиты, соответствующие критериям портфеля однородных ссуд по 590-П. На банк-инвестор будут распространяться макронадбавки.

Biweekly Scoring News: перезагрузка микрозаймов и динамика реструктуризаций

В Госдуму внесен законопроект о кредитных каникулах для бизнеса на УСН. В случае принятия закона предприниматели смогут оформить льготный период по кредиту на срок до трех лет. Предполагается, что мера будет действовать с января 2026 года до декабря 2028 года.
В пояснительной записке отмечается, что нововведения связаны со снижением порога доходов для бизнеса на УСН, позволяющего не платить НДС, а также повышением ставки налога до 22%.

Президент подписал закон реформе рынка МФО. Документ поэтапно ужесточает правила выдачи потребительских займов гражданам. В частности:
• с 1 апреля 2026 года максимальный размер переплаты по потребительским займам снижается со 130% до 100%;
• с октября 2026 года один заемщик сможет одновременно иметь не более двух договоров займа с полной стоимостью более 200% годовых каждый;
• максимальная сумма микрозайма МФО для юрлиц и ИП увеличивается до 15 млн рублей (с 5 млн рублей).

В России снизилась доля послаблений по розничным кредитам. Самой популярной мерой остается изменение даты платежа — 65,6% от общего количества послаблений. Это самый простой способ для банка пойти навстречу заемщику, но он постепенно уступает долю более эффективным мерам — неначислению процентов на просрочку, замене залога и др.

Доля кредитных договоров, по которым в 2025 году были предоставлены уступки, составила 1,72% от общего количества активных кредитов в портфелях банков (годом ранее — 1,85%).

Как полюбить квантовые технологии и когда они дадут пользу бизнесу?

Квантовые технологии — это уже не про лаборатории и «когда-нибудь потом». На Scoring Day Александр Гришканич, исполнительный директор департамента аналитики и внедрения технологий Банка ГПБ, рассказал, где DeepTech вплотную приблизился к бизнесу, какие «боли» подталкивают к квантовым сценариям и какие кейсы уже доказали их эффективность.

Почему DeepTech кажется "не про нас", хотя уже рядом
DeepTech редко оказывается в топе приоритетов: почти всегда побеждают задачи «здесь и сейчас». Однако технологии безопасного обмена информацией и вычислений над зашифрованными данными могут помочь бизнесу уже сегодня: финтех повысит точность расчета моделей кредитного скоринга, медтех сможет лучше прогнозировать развитие эпидемий

Проблема в другом: их внедрение и реализация требуют тяжеловесных подходов и обновления инфраструктуры. Привычные практики вроде fine-grained-настроек и fine-tuning здесь часто нерелевантны или слишком затратны по ресурсам.

Часто новые программные подходы проще исследовать и апробировать, чем аппаратные - при условии что нет регуляторных ограничений или незрелой регуляторики.

Где особенно болит?
Болевые точки хорошо просматриваются, например, в проектах по гиперперсонализации: нужно на лету пересчитывать рейтинги, подключая транзакционные и социальные антифрод-сигналы, причем на больших объемах «сырых» данных, а не только на готовых скорах. Такой режим становится серьезным вызовом для инфраструктуры — и именно здесь появляются перспективные сценарии для квантовых вычислений.

Что уже есть на рынке?
Самый мощный квантовый компьютер в России — экспериментальный образец на 70 кубитов, созданный физиками ФИАН на ионах иттербия и представленный в декабре 2025 года в рамках национальной дорожной карты по квантовым технологиям под руководством "Росатома".

Точность однокубитных операций — 99,98%, двухкубитных — 96,1%. Это рекорд для российских разработок и соответствует мировой динамике.

Параллельно развиваются во всем мире и в России:
➖универсальные квантовые компьютеры (под широкий класс алгоритмов);
➖адиабатические квантовые вычислители, которые в гибридной концепции помогают решать сложные задачи и применяются для обработки больших массивов данных (например, при построении сейсмических моделей);
➖программные эмуляторы квантовых компьютеров, воспроизводящие до некоторого предела работу квантового вычислителя на классических CPU и GPU-архитектурах.

Квантовые вычисления можно "потрогать" и через GPU
Если у вас есть качественный GPU-кластер, его можно использовать не только для градиентного бустинга и LLM, но и для моделирования квантовых математических систем. Это позволяет получать результаты в логике как универсальных, так и адиабатических квантовых вычислений.

Показательный пример: решать задачу вида "разложить 300-значное число на простые множители" с помощью классических инструментов пришлось бы астрономически долго, квантовые технологии способны справиться с ней радикально быстрее (вплоть до секунд).

Безопасность и сенсоры: квантовая польза не только для вычислений

Отдельный большой блок — квантово-устойчивая защита информации:
➖ быстрое и надежное распределение криптографических ключей;
➖ постквантовые алгоритмы шифрования, например, более надежные алгоритмы цифровой подписи.

Еще одно направление — квантовые сенсоры, которые уже применяются в разных отраслях для повышения точности измерений (для медицины, промышленности, гейминга и пр.).

Зачем это бизнесу: от синтетики до оптимизации и моделирования
Гиперперсонализация — лишь один из возможных кейсов. Важный класс задач — генерация "точной" синтетики: данных, которые сохраняют много корреляций и заметно повышают качество синтетических наборов. Это упрощает безопасную выгрузку и передачу данных партнерам.

Работать с квантовыми вычислениями в России можно уже сегодня, например использовать облачные сервисы компании КуБорд.

Какие кейсы уже реализованы на практике - в следующем посте!

Как полюбить квантовые технологии и когда они дадут пользу бизнесу? Ч. 2.

Практика уже началась: квантовые подходы выходят в продакшн
Квантовые и квантово‑вдохновленные подходы уже применимы в оптимизации, генерации, моделировании и синтетике. В мире есть примеры индустриального внедрения: в Bank of America квантовые решения выводят в продакшн для расчетов и моделирования финансовых рынков. В ряде задач (например, прогнозирование кривых доходностей) квантово‑вдохновленные алгоритмы показывают очень высокую точность.

Кейс 1. Оптимизация инвестиционного портфеля

Типовой пайплайн квантовой оптимизации выглядит так:
— определяем размерность задачи;
— переводим постановку в квантовую форму;
— выделяем мат. ядро и переписываем его на «квантовом языке»;
— запускаем на квантовом компьютере (если хватит кубитов и качества) или на эмуляторе.

Важно: для «честного» квантового решения иногда нужны условные 1000+ кубитов. Но практические эффекты уже доступны на эмуляторах и квантово‑вдохновленных алгоритмах, в т.ч. за счет более точных операций внутри вычислительного контура.

При сравнительном анализе лучшие результаты показал SimCIM (Simulation of Coherent Ising), алгоритм квантово-вдохновленной оптимизации, имитирующий Coherent Ising Machine.

Что увидели в тестах:
— SimСIM по скорости обгоняет Gurobi во всех исследуемых сценариях;
— на крупных задачах лучше D-Wave;
— качество сопоставимо с Gurobi на малых задачах и выше на крупных.

Тесты эмулятора показали: квантово-вдохновленный оптимизатор обеспечивает лучшую точность и скорость в сравнении с классическими инструментами финансовой оптимизации.

Кейс 2. Ускорение саммаризации квантово‑вдохновленным подходом

Не все могут принести LLM «внутрь банка», но саммаризация нужна — чтобы передавать тексты в обучение или в контекст LLM.

Мы собрали саммаризатор на квантово‑вдохновленных алгоритмах, работающий на промежуточном стеке:
• по качеству он уступает полноценной LLM,
• зато быстрее и экономнее по ресурсам,
• точность — всего на 4% ниже, чем у Qwen 2.7B.

По скорости на одном из сценариев:
• классическое решение: 97 секунд
• квантово‑вдохновленное: 83 секунды (на 14% быстрее)

Потенциал на крупных текстах — ускорение на 30–50% при пользовательском анализе, плюс возможность работать с входными данными для LLM практически любого размера.

Что здесь важно
Все эти кейсы реализуются на квантово‑вдохновленных оптимизаторах — как on‑premise, так и в облаке. На практике, если у вас уже где-то «крутится» Gurobi или open‑source оптимизаторы, то во многих задачах их можно заменить квантово‑вдохновленным подходом (при корректной адаптации постановки). Ключевое — понимать математику своего вычислительного ядра.

Кейс 3: Улучшение характеристик маркетингового оптимизатора с помощью квантовых вычислений

Раньше для расчета маркетинговых рассылок мы использовали классический Gurobi и самописный алгоритм на C. Процесс был тяжелым: регулярные запуски, сбор датасета, подготовка данных. Один расчет (после загрузки базы данных) занимал около 14 часов.

Задача: сформировать оптимальный план маркетинговых рассылок: какие предложения, каким клиентам и через какие каналы коммуникации отправлять.

Что сделали : перестроили оптимизационное ядро и применили квантово‑вдохновленный подход, чтобы ускорить расчет и повысить «пропускную способность» процесса.

Результат: теперь тот же расчет выполняется за 40 минут. Прирост — кратный. Но важно не только время: выросло количество откликов, то есть решение стало приносить прямой бизнес‑эффект. Это как раз тот случай, когда «кванты» дают практическую пользу.

Итог
Мы часто воспринимаем квантовые вычислители и другие альтернативные архитектуры как что-то далёкое. Однако я очень рекомендую присмотреться к таким технологиям для высоконагруженных задач: многие из них можно решать уже сейчас — и при этом экономически эффективно.