За 2026 год несколько крупных банков рассказали, как именно используют искусственный интеллект в кредитовании, — с цифрами. Картина получается менее фантастической, чем в рекламе «ИИ сам выдаёт кредиты», и гораздо полезнее для практики. Почти везде модель готовит данные и черновик, а решение остаётся за правилами и людьми. Разбираем пять примеров по открытым материалам самих банков и отраслевых изданий.

TD Bank: заявка на ипотеку за минуты вместо часов

В мае канадская группа TD запустила первого ИИ-агента для ипотеки и кредитных линий под залог жилья. Агент сортирует документы клиента, извлекает из них данные, рассчитывает доход, сверяет показатели с частью требований кредитной политики, проверяет согласия и отмечает расхождения. Итог — сводная записка для андеррайтера. По первым результатам, подготовка такой записки сократилась в среднем с 15 часов до менее чем трёх минут.

Банк описал каждый шаг ипотечного процесса — от подачи документов до выдачи средств — и собирается добавлять агентов на каждом из них. Перед запуском модели проверяет отдельная команда по ответственному ИИ: на конфиденциальность, безопасность, справедливость и объяснимость.

ING: 65% решений по потребкредитам — мгновенно

В презентации для инвесторов в марте 2026 года ING сообщил, что в Нидерландах 65% решений по потребительским кредитам принимаются мгновенно, и этот подход банк собирается масштабировать на другие страны. Там же запущен пилот ИИ-ассистента для ипотеки, который сам планирует шаги обработки заявки; цель — полностью мгновенные ипотечные решения, запуск в Германии ожидался в течение года.

Synchrony: 9 тысяч показателей и решение за шесть секунд

Американский банк Synchrony, выпускающий карты вместе с крупными ретейлерами, принимает решения с помощью собственной модели PRISM. По данным American Banker, она обрабатывает около 9 тыс. показателей по заявке и выдаёт ответ за шесть секунд или быстрее. С согласия клиента модель учитывает его доходы и расходы по счёту — данные, которых нет в обычном кредитном скоринге. В 2025 году это позволило одобрить почти 50 тыс. клиентов, которым иначе отказали бы, а в 2026 году банк ждёт около 150 тыс. таких одобрений.

DBS: 80 агентов на одну кредитную записку — и обязательная проверка человеком

Сингапурский DBS в августе расширил ИИ-инструменты для оценки корпоративных заёмщиков с пилотной группы из 150 сотрудников до примерно 1,5 тыс. клиентских менеджеров и риск-менеджеров. Цепочка из нескольких десятков агентов — до 80, по данным Computer Weekly, — собирает черновик кредитной записки, а банкир дорабатывает его. По оценке банка, такие записки занимают до 40% времени клиентского менеджера; цель — сократить его минимум на 30%.

Самостоятельно действовать агентам в DBS не позволяют: инструменты контроля за агентами, по словам представителя банка, пока заметно отстают от инструментов их создания.

Société Générale: вдвое быстрее анализ и модель под ежедневным контролем

Французская группа описывает два показательных проекта. Stella превращает неструктурированные данные из годовых отчётов крупных корпоративных клиентов в готовые таблицы для кредитных аналитиков: время анализа сократилось с 8–34 до 2–20 часов, в среднем примерно вдвое, а охват вырос с ~2 тыс. до ~15 тыс. контрагентов. Nacre обрабатывает превышения разрешённого овердрафта в розничной сети во Франции с помощью модели градиентного бустинга. Банк отдельно подчёркивает ежедневный контроль качества входных и выходных данных, отслеживание дрейфа модели и её проверяемость.

Что общего

  • Больше всего выигрывает подготовка, а не само решение. Сортировка документов, извлечение данных, расчёт дохода, черновик записки — именно здесь часы превращаются в минуты.
  • Решение — за правилами и людьми. TD отдаёт записку андеррайтеру, DBS — банкиру; мгновенные решения ING и Synchrony работают внутри заданной кредитной политики.
  • Новые данные расширяют одобрения. Synchrony одобряет больше клиентов за счёт данных о доходах и расходах, а не за счёт смягчения политики.
  • Контроль модели — постоянная работа. Проверка данных, отслеживание дрейфа и объяснимость упоминаются у всех, кто рассказывает о проектах подробно.
  • Сначала карта процесса. TD начал с того, что описал каждый шаг, и только потом стал встраивать агентов.

Что это значит для российского рынка

Российские банки движутся в том же направлении: по данным, которые приводил «Коммерсантъ», 11 из 12 системно значимых банков применяют ИИ в кредитном скоринге и управлении рисками. Обязательных требований к ИИ в кредитовании нет, но в июне 2026 года Банк России выпустил Методические рекомендации № 3-МР по безопасности ИИ: в процессах с высоким риском рекомендуется подтверждение операции сотрудником, а данные для обучения и работа модели должны контролироваться. На Финансовом конгрессе представители регулятора назвали регрессию отраслевым стандартом для регуляторных моделей, а участники дискуссии сошлись на том, что генеративная модель не должна выносить финальное решение по заёмщику, писал ComNews.

Иначе говоря, схема «ИИ готовит — правила и человек решают», к которой пришли TD, DBS и другие, совпадает с тем, чего ждёт российский регулятор. Для МФО и банков это хороший ориентир: начинать с автоматизации подготовки заявки и проверок, а модели встраивать как один из входов в решение.

Как это делает SPTNK

Основу для такого процесса — настраиваемые сценарии одобрения, проверки и интеграции с источниками данных — даёт платформа «SPTNK» для автоматизации кредитования. Автоматическое решение по заявке и полный цикл займа доступны в решениях для микрофинансовых организаций, банковского кредитования и кредитования бизнеса. Сведения о займах в бюро передаёт сервис выгрузки данных в БКИ, а собственные модели и интеграции можно подключить через индивидуальную разработку.

Редакция SPTNK