Проверка надежности малых и средних контрагентов традиционно требует значительных трудозатрат. Специалисты вручную собирают информацию из разных источников – от данных налоговой службы до судебных реестров – что нередко занимает часы. Сегодня на смену этой рутине приходит ИИ-агент, выступающий в роли «первого аналитика» и автоматизирующий первичную проверку партнеров. Такой подход востребован в кредитовании, страховании, факторинге и корпоративных закупках, где ежедневно оцениваются десятки новых компаний.
Компании уже внедряют подобные решения. К примеру, специализированные боты могут выполнять проверку за считанные секунды, автоматически собирая данные из ключевых источников. Пользователь взаимодействует с искусственным интеллектом (ИИ) и сразу получает готовые выводы и рекомендации. Так, сервис «Контур.Фокус» с помощью ИИ-ассистента ускоряет обработку большого массива информации, выявляет аффилированность фирм и экономит время на проверке партнеров. Иными словами, алгоритмы берут на себя роль младшего аналитика, предлагая предварительную оценку надежности контрагента.
Современные сервисы с ИИ выполняют комплексный анализ по множеству критериев. Алгоритмы обрабатывают финансовую отчетность (выручка, прибыль, активы) и другие показатели, оценивая кредитоспособность компании. Например, модели ВТБ прогнозируют вероятность дефолта и рассчитывают безопасный лимит финансирования на основе широкого набора данных.
Другие ИИ-агенты собирают сведения о регистрации и лицензиях, проверяет компанию и руководство по санкционным спискам, ищят упоминания в судебных делах. Таким образом ИИ-агенты оценивает юридические и регуляторные риски.
Так же ИИ-агенты могут выявить неочевидные связи общих владельцев, связанных лиц и организации. Это помогает обнаружить скрытых бенефициаров или конфликт интересов, которые сложно отследить вручную. В результате на основание таких критерием как финансовое положения, аффилированность и связей, а также оценки юридических рисков ИИ-система формирует заключение о надежности.
Банки одними из первых начали применять ИИ-агентов для различных задач. Уже сейчас Сбер и Т-Банк автоматизировали 80–90% решений по кредитам предпринимателей. Заявки рассматриваются за минуты: в Сбере малый бизнес может получить кредит за 3 минуты без лишних бумаг. В ВТБ также внедрен ИИ для принятия решение о выдаче кредита дистанционно за несколько минут. ИИ-модели анализируют большой массив внутренних данных, а ИИ-агенты проводят анализ внешних данных, чтобы комплексно оценить заемщика. В результате банки резко ускорили процесс кредитования.
Страховые компании используют ИИ для оценки корпоративных клиентов. В «Росгосстрахе» создан робот-андеррайтер, который обрабатывает типовые заявки по автострахованию за 15 минут вместо нескольких часов. Он работает круглосуточно и обеспечивает качество решений не хуже экспертного. Освободившиеся сотрудники концентрируются на разборе сложных нестандартных случаев. Такие ИИ помогают страховщикам быстрее оценивать типовые риски и выявлять мошеннические схемы на ранних этапах.
В факторинговых компаниях проверка контрагентов критична при финансировании счетов малого бизнеса. Пример – ВТБ Факторинг, где ИИ-модуль для распознавания отчетности сократил время обработки документов вдвое. Благодаря этому финансовые данные быстрее поступают в систему, и решения о финансировании принимаются оперативнее. Кроме того, ИИ-агенты помогает банкам мониторить текущих клиентов: система автоматически отслеживает изменения в состоянии заемщиков и сигнализирует о росте рисков.
Крупные корпорации, работающие с сотнями поставщиков, все чаще привлекают ИИ к проверке контрагентов. Интеллектуальные системы мгновенно собирают досье на нового подрядчика (регистрация, финансы, суды, санкции и т. п.). ИИ-агенты генерирует краткий отчет по ключевым параметрам фирмы и оценивает риски сотрудничества. Если у поставщика обнаружится критичная проблема, то система сразу предупреждает об этом.
Ключевые преимущества ИИ-агентов – скорость и точность. В результате экономятся часы на проверках и уменьшаются ошибки при принятии решений. Но алгоритмы пока не умеют учитывать контекст и нюансы: ИИ отсеивает все, что не соответствует заданным параметрам. Поэтому ряд экспертов считает преждевременным полностью полагаться на машинные алгоритмы при оценке сложных случаев. Эффективность моделей зависит и от качества исходных данных – если сведения о фирме неполные либо ошибочные, выводы ИИ будут неверны.
По мнению Алексея Николаевича Чернякова, кандидата философских наук, доцента кафедры информационных технологий Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве РФ, внедрение таких ИИ-агентов – логичный этап цифровизации. Они ускоряют процедуру комплексной проверки компании, что позволяет освободить время для аналитиков. И тем самым сосредоточиться их на нестандартных кейсах. ИИ-агенты остаются инструментом поддержки, а не панацеей: финальные решения и ответственность за выбор партнеров все равно несет человек.
Таким образом, ИИ-агенты уже прочно входят в бизнес-практику, становясь необходимым условием эффективной работы с контрагентами.