CNY Бирж.12,064-0,83%↓MGTS1 400-0,57%↓ENPG322,05+1,43%↑IMOEX2 469,36+1,64%↑RTSI965,88+2,38%↑RGBI111,89-0,1%↓RGBITR773,12-0,07%↓

Data Sapience приняла участие в конференции AML Tech Conf'26

Директор продукта TALYS.AML Елена Куприянова рассказала, как ИИ меняет процессы ПОД/ФТ: от классических ML-моделей (моделей машинного обучения) до ИИ-агентов.

На конференции AML Tech Conf'26 «Автоматизация и IT технологии в ПОД/ФТ/ЭД/ФРОМУ» Елена Куприянова, директор продукта TALYS.AML, Data Sapience, выступила с докладом «ИИ в процессах ПОД/ФТ». Участники обсуждали тренды автоматизации и идентификации в ПОД/ФТ, криптокомплаенс и цифровые активы, интеграцию искусственного интеллекта в системы противодействия отмыванию денег (AML) и будущие форматы развития технологий.

Елена Куприянова описала развитие ИИ в комплаенсе как переход от отдельных моделей на табличных данных к мультиагентным автономным системам, выполняющим многошаговые задачи.

«Раньше у нас были модели на аналитических витринах признаков (ABT), мы усилили их графами и последовательностями, чтобы видеть не отдельные операции, а схемы и сценарии. Параллельно мы научились работать с текстом: большие языковые модели (LLM) извлекают смысл из назначений платежей и документов, превращая неструктурированные данные в полезные признаки. И теперь мы объединяем все это в ИИ‑агентах: система сама собирает данные, применяет разные методы и выдает аналитику результат для принятия решения. Это не замена специалиста, а серьезное ускорение и повышение качества входной информации», – отмечает Елена Куприянова, директор продукта TALYS.AML, Data Sapience.

Отдельный блок доклада был посвящен барьерам внедрения: качеству и целостности данных, запрету на вынос персональных данных за контур организации, ограниченным вычислительным мощностям, дефициту кадров, объяснимости решений, безопасности и дрейфу моделей. Для каждого барьера Елена Куприянова назвала практические меры: единые справочники клиентов и контрагентов, изолированные решения на внутренних базах знаний с использованием дополненной генерации на основе извлечения данных (RAG), фиксацию промпта и контекста с привязкой выводов к нормативной базе, регулярное дообучение моделей на результатах ручного контроля.

«За последний год рынок перешел от пилотов к расчету экономического эффекта. Языковые модели дали доступ к текстам, а агенты связали отдельные проверки в сквозной процесс. Но решение остается за специалистом: чем лучше мы подготовим ему входной материал, тем быстрее и точнее он его примет», — говорит Елена Куприянова, директор продукта TALYS.AML, Data Sapience.

Другие пресс-релизы