Малайзийские банки масштабируют ИИ-решения

Крупные банки Малайзии завершили этап тестовых проектов и в последние месяцы начали массовые внедрения искусственного интеллекта в операционные процессы. Работы ведутся в кредитовании, мониторинге транзакций и клиентском обслуживании.

Решения переводят из пилотов в продакшен под давлением необходимости сокращать операционные расходы, повышать скорость принятия решений и отвечать конкуренции со стороны финтехов. Одновременно выросла готовность технологической инфраструктуры выдерживать промышленные нагрузки.

Банки увеличили вложения в платформы данных, сформировали внутренние команды по машинному обучению и начали интеграцию моделей в рабочие системы. Ранее тестировавшиеся проекты охватывают фронт- и бэк-офис: скоринг для кредитов, мониторинг транзакций на предмет подозрительной активности, виртуальные ассистенты в кол‑центрах и автоматизация рутинных операций бухгалтерии и комплаенса.

Техническая миграция включает унификацию и хранение данных в единых репозиториях, стандартизацию наборов для обучения и запуск процессов непрерывного мониторинга качества моделей в продакшне. Для связи с устаревшими ядрами применяют API-слои и контейнеризацию, что позволяет обновлять алгоритмы без остановки основных сервисов.

Риски остаются: неполнота исторических данных, требование объяснимости решений по кредитам и уязвимости моделей к внешним атакам. Банки вводят процедуры валидации моделей, сохраняют логи принятия решений и готовят документы для аудита.

Регуляторы и отраслевые ассоциации акцентируют требования к прозрачности и управлению рисками при использовании ИИ в критичных сервисах.

Кадровая политика меняется: банки нанимают дата-специалистов и инженеров машинного обучения, обучают сотрудников работе с новыми инструментами и переводят часть персонала на взаимодействие с автоматизированными системами. Сокращение ручной работы наблюдается в отделах рутинных операций, массовых увольнений не фиксируется.

Технологические партнёры и провайдеры облачных сервисов поставляют готовые модели и инфраструктуру. При этом банки наращивают внутренние компетенции для адаптации решений к локальным требованиям и регуляторным стандартам.

На практике ИИ уже применяется для динамического ценообразования кредитов, предиктивной аналитики оттока клиентов, автоматической проверки документов и систем раннего предупреждения по неплатежам. В планах — проекты по оптимизации управления ликвидностью и прогнозированию рисков на уровне портфеля.

Предыдущие пилоты выявили узкие места в данных и бизнес-процессах. Текущая задача банков — масштабировать те решения, которые показали устойчивую эффективность, сохраняя контроль и документирование принятия ключевых решений.