Data Sapience: только полезное и ничего лишнего
Раз в две недели — только ценная аналитика.
Самые важные и интересные новости в одном письме.
Самые важные и интересные новости в одном письме.
Нажмите «принять», если вы соглашаетесь с условиями обработки куки‑файлов/cookie-файлов и данных о поведении на сайте, нужных нам для аналитики. Запретить обработку куки‑файлов/cookie-файлов можно через браузер
Банк Уралсиб и Data Sapience выступили на Scoring Day 2026
05.11.2026
Евгения Марьянова, Банк Уралсиб, и Илья Маршаков, Data Sapience, рассказали, как банк перевел расчеты оценочных резервов для 605-П и показателей для МСФО 9 на платформу Kolmogorov AI.
15-й форум по скорингу, антифроду и искусственному интеллекту в финансах Scoring Day 2026 прошел в Москве на площадке Quattro Space. Организатор — Издательский дом «Регламент». В форуме приняли участие более 40 спикеров и 600 участников из банков, Банка России, финтех-компаний и научного сообщества. Главная тема — переход от экспериментальных проектов искусственного интеллекта к промышленному применению. Data Sapience выступила инновационным партнером форума и представила собственный стенд.
В треке «Бизнес на острие» Евгения Марьянова, руководитель управления интегрированного риск-менеджмента, Банк Уралсиб, и Илья Маршаков, руководитель развития бизнеса платформы Kolmogorov AI, Data Sapience, представили совместный доклад «MLOps-платформа и расчетный движок 2 в 1».
Илья Маршаков описал типичную для банков ситуацию: процессы разработки и валидация рисковых моделей часто живут в одной системе, а регуляторный расчет, использующий данные модели, – в другой. Стык между данными системами часто осуществляется путем ручной передачи данных или требует реализацию дополнительного интеграционного функционала.
С точки зрения платформы Kolmogorov AI, конвейер обучения модели и регуляторный расчет устроены одинаково: это воспроизводимый граф вычислений над версионированными данными. Таким образом, на базе платформы Kolmogorov AI можно настроить и процессы MLOps, и расчетный движок (как режим работы платформы) с внутренней синхронизацией данных.
Евгения Марьянова рассказала о задачах банка. Ежемесячно банк производит расчет ставок оценочного резерва и передает их в автоматизированную банковскую систему (АБС) для отражения по счетам согласно Положению Банка России № 605-П. Также ежеквартально Банк проводит расчет по МСФО 9, включающий расчет валовой балансовой стоимости (ВБС), риск-компонентов (PD, LGD, EAD, CCF) и показателей для раскрытий и отчетности МСФО 9. В работе участвуют 4 команды бизнес-департаментов, которые закрывают 8 обособленных процессов, при этом некоторые из процессов связаны между собой.
Одной из непростых задач, которую необходимо было решить при внедрении, была настройка в системе процессов расчета таким образом, чтобы команды имели возможность работать независимо, при этом сделать прозрачными и автоматизированными точки синхронизации: без ручной передачи промежуточных результатов расчета другим командам и согласований по почте.
Эти расчеты, а также процессы управления ими были реализованы на базе платформы Kolmogorov AI.
Во внедренной системе каждая команда имеет возможность калибровать и пересчитывать показатели в своей зоне ответственности, а в расчет для смежной команды передается итоговый согласованный вариант.
Все действия пользователей, входные данные из систем-источников, а также версии данных, полученные из смежных процессов расчета, фиксируются в системе, что позволяет обеспечить аудируемость расчетов.
Проект по внедрению в части процессов по крупному бизнесу занял 9 месяцев (от старта до промышленной эксплуатации). Проектная команда сделала следующие ключевые выводы. Во-первых, расчет - это не только формулы, но и выстроенное взаимодействие участников процесса с разными зонами ответственности. Во-вторых, важна гибкость в настройке процесса и методики расчета: возможность оперативного внесения изменений в логику расчета, а также в шаги процесса. В-третьих, технические возможности для аудируемости системы необходимо закладывать в архитектуру заранее.
В треке «Бизнес на острие» Евгения Марьянова, руководитель управления интегрированного риск-менеджмента, Банк Уралсиб, и Илья Маршаков, руководитель развития бизнеса платформы Kolmogorov AI, Data Sapience, представили совместный доклад «MLOps-платформа и расчетный движок 2 в 1».
Илья Маршаков описал типичную для банков ситуацию: процессы разработки и валидация рисковых моделей часто живут в одной системе, а регуляторный расчет, использующий данные модели, – в другой. Стык между данными системами часто осуществляется путем ручной передачи данных или требует реализацию дополнительного интеграционного функционала.
С точки зрения платформы Kolmogorov AI, конвейер обучения модели и регуляторный расчет устроены одинаково: это воспроизводимый граф вычислений над версионированными данными. Таким образом, на базе платформы Kolmogorov AI можно настроить и процессы MLOps, и расчетный движок (как режим работы платформы) с внутренней синхронизацией данных.
Евгения Марьянова рассказала о задачах банка. Ежемесячно банк производит расчет ставок оценочного резерва и передает их в автоматизированную банковскую систему (АБС) для отражения по счетам согласно Положению Банка России № 605-П. Также ежеквартально Банк проводит расчет по МСФО 9, включающий расчет валовой балансовой стоимости (ВБС), риск-компонентов (PD, LGD, EAD, CCF) и показателей для раскрытий и отчетности МСФО 9. В работе участвуют 4 команды бизнес-департаментов, которые закрывают 8 обособленных процессов, при этом некоторые из процессов связаны между собой.
Одной из непростых задач, которую необходимо было решить при внедрении, была настройка в системе процессов расчета таким образом, чтобы команды имели возможность работать независимо, при этом сделать прозрачными и автоматизированными точки синхронизации: без ручной передачи промежуточных результатов расчета другим командам и согласований по почте.
Эти расчеты, а также процессы управления ими были реализованы на базе платформы Kolmogorov AI.
Во внедренной системе каждая команда имеет возможность калибровать и пересчитывать показатели в своей зоне ответственности, а в расчет для смежной команды передается итоговый согласованный вариант.
Все действия пользователей, входные данные из систем-источников, а также версии данных, полученные из смежных процессов расчета, фиксируются в системе, что позволяет обеспечить аудируемость расчетов.
Проект по внедрению в части процессов по крупному бизнесу занял 9 месяцев (от старта до промышленной эксплуатации). Проектная команда сделала следующие ключевые выводы. Во-первых, расчет - это не только формулы, но и выстроенное взаимодействие участников процесса с разными зонами ответственности. Во-вторых, важна гибкость в настройке процесса и методики расчета: возможность оперативного внесения изменений в логику расчета, а также в шаги процесса. В-третьих, технические возможности для аудируемости системы необходимо закладывать в архитектуру заранее.
“
Расчет резервов по МСФО 9 нельзя свести к формуле. Это процесс, в котором участвуют риск-менеджмент, бухгалтерия и бизнес-подразделения, и у каждого своя зона ответственности и свои сроки в окне закрытия. Нам было важно, чтобы команды работали параллельно и не ждали друг друга, а точки синхронизации и двойной контроль были заданы в системе. Теперь по любой отчетной дате видно, какие данные пришли на вход, кто и что сделал и какой получился результат.
“
Банки годами строили отдельный контур для моделей и отдельный регламент расчета резервов, а стык между ними оставался ручным. Проект с Банком Уралсиб подтвердил, что это одна инженерная задача: воспроизводимый расчет над версионированными данными, где часть шагов выполняет человек. Когда журнал, версии и согласования встроены в платформу, ответ аудитору собирается в системе, а не в переписке и файлах. Это тиражируемая схема для любого банка, где регулярные расчеты ведут несколько департаментов.
Вам может быть интересно
Новости