Группа российских ученых из Сбербанка, Института AIRI, Института системного программирования имени В. П. Иванникова РАН и Математического института имени В. А. Стеклова РАН разработала технологию, позволяющую повысить эффективность систем выявления мошенничества, подготовки персонализированных рекомендаций и оценки клиентских рисков. Об этом сообщили в пресс-службе Сбера.
Как отметили разработчики, ключевое отличие нового подхода заключается в том, что искусственный интеллект анализирует не отдельные действия пользователя, а совокупность его цифровых связей с товарами, категориями и другими пользователями.
По мнению авторов исследования, это позволит точнее выявлять признаки мошенничества, прогнозировать отток клиентов, определять их характеристики и формировать более релевантные продуктовые предложения.
Результаты исследования уже приняты к публикации на международной конференции The ACM Web Conference 2026 (WWW '26). Над статьей работали научный директор Центра практического искусственного интеллекта Сбербанка Андрей Савченко и глава группы «ИИ в промышленности» Института AIRI Илья Макаров.
По данным исследователей, традиционные модели машинного обучения зачастую рассматривают каждого пользователя изолированно, не учитывая взаимосвязи между объектами и участниками цифровой среды. Предложенная технология объединяет модели анализа последовательностей событий с графовыми представлениями данных, что расширяет возможности применения ИИ в финансовой сфере, электронной коммерции, скоринге и поведенческой аналитике.
Авторы сообщили, что технология уже протестирована на четырех крупных наборах данных из финансовой отрасли и электронной коммерции. По итогам испытаний максимальный прирост точности по метрике AUC составил 2,3%.
«Если раньше искусственный интеллект анализировал «одинокого» клиента, то теперь он видит картину целиком. Это означает качественно новый уровень безопасности», — отметил директор по AI-трансформации Сбербанка Сергей Рябов.
По его словам, разработка может повысить безопасность цифровых сервисов и качество персонализированных рекомендаций для пользователей, а также помочь банкам, финтех-компаниям и онлайн-платформам более эффективно выявлять мошеннические действия и оценивать риски.
