🤖 От скоринговых моделей к AI-модели клиента: почему следующая модель будет знать клиента целиком

Большинство банков полагаются на сотни независимых моделей для оценки кредитоспособности, обнаружения мошенничества и маркетинга. Каждая из них требует интенсивной ручной разработки признаков.

Но если одна модель может одновременно понимать кредитный риск, fraud, propensity и LTV клиента — зачем банку сотни отдельных моделей и тысячи вручную созданных признаков?

Об этом на Форуме риск-менеджеров расскажут Михаил Шабалин, начальник управления технологий математического моделирования МТС Банка, и Никита Разуваев, руководитель направления в команде розничного рисков.

Вы узнаете:

✅ почему традиционный ML начинает упираться в потолок;

✅ что такое Banking Foundation Model и как устроен PRAGMA;

✅ что происходит с Feature Engineering при переходе к единому представлению клиента;

✅ почему масштабирование модели действительно дает эффект и что новый подход означает для Risk Function;

✅ нужны ли банку завтра 1000 моделей или один foundation layer.

Михаил Шабалин работал в крупных российских и международных банках. Возглавляет направление Data Science в розничных рисках. Специализируется на внедрении современных технологий в процессы принятия решений, обеспечивающих контроль за стоимостью риска и сохранение прибыльности бизнеса.

Никита Разуваев разрабатывает и валидирует классические и нейросетевые рисковые модели, LLM-решения, системы мониторинга и поддерживает внутренние ML-фреймворки.

👉 Сайт и программа Форума

—
😁 Канал Scoring Day и Форума риск-менеджеров в MAX