Очередь сигналов о подозрительных операциях, разобранная к утру
Такая очередь часто растет быстрее, чем аналитики успевают ее разбирать, и настоящая подозрительная операция ждет в общей очереди наравне с ложными срабатываниями.
Применение
ИИ-агент антифрода и противодействия отмыванию денег
- Антифрод-подразделение нередко получает тысячи сигналов в день, и на ручной разбор у аналитиков не хватает времени. Агент сверяет случай с базами и готовит черновик отчета, но блокировку и подачу отчета подтверждает человек.
Что готово
Что готово к запуску и что делаем под вас
На платформе SvayaВ каталоге платформы это техническое решение «Очередь сигналов о подозрительных операциях, разобранная к утру».
Под вас настраиваются документы, правила задачи и подключения к вашим системам. Это делает ваша команда инструментами платформы в пилоте, а интеграции сверх готовых коннекторов к 1С и системам с протоколом MCP оцениваются и оплачиваются отдельно.
Ситуация
Как эта работа идет сейчас
У банка и страховщика поток подозрительных операций и заявлений с признаками мошенничества разбирают вручную аналитики и комплаенс-офицеры (сотрудники, которые отвечают за соблюдение требований регулятора по противодействию отмыванию денег). Каждый сигнал тревоги нужно проверить, то есть сверить с внутренними базами и отраслевыми источниками, оценить риск, собрать материалы и подготовить отчет. Когда клиентская база растет, растет и поток таких сигналов, аналитики тратят на разбор большую часть рабочего времени, а доля разобранных сигналов падает.
Отдельная сложность в ложных срабатываниях, когда часть сигналов после проверки оказывается безобидной, но время на их разбор уже потрачено. В страховании добавляется рост дорожных происшествий с признаками инсценировки по ОСАГО и КАСКО. Банк России при этом предъявляет требования к качеству и срокам подачи отчетов о подозрительных операциях.
Состав
Из чего состоит это применение
Применение - это рабочий процесс, в котором ИИ-агент доводит действие до записи в вашей системе. Ниже его компоненты.
Мы собираем ИИ-агента, который снимает с аналитика рутину первичного разбора и подготовки, но сам не блокирует и не принимает решение. На одной инфраструктуре работают следующие компоненты:
Сверка с базами
Агент сверяет транзакцию или страховое заявление с Национальной страховой информационной системой (НСИС), базой Российского союза автостраховщиков (РСА) и внутренними базами известных мошеннических случаев.
На базе языковой модели и выполнения действий в системах
Оценка подозрительности
Агент рассчитывает оценку риска мошенничества и собирает воедино тревожные признаки по случаю.
На базе классического машинного обучения и языковой модели
Подготовка отчета
Агент готовит для аналитика черновик отчета о подозрительной операции или черновик материалов по расследованию.
На базе языковой модели
Первичное реагирование
Агент запускает первые шаги, то есть передает случай аналитику и запрашивает недостающие документы.
На основе правил, без языковой модели
Финальное решение, блокировка операции и подача отчета о подозрительной операции остаются за человеком. Это требование Банка России, по которому в платежных операциях и при блокировках человек обязателен, а агент не блокирует автономно. Подача отчетов и их оформление идут под контролем комплаенс-функции (115-ФЗ, противодействие отмыванию денег). Агент снимает рутину первичного разбора и подготовки, но не заменяет комплаенс-офицера. Внедряем в теневом режиме, без влияния на реальные блокировки, пока не убедимся, что оценки агента совпадают с решениями аналитиков.
Рынок
Что известно о таких внедрениях
Часть цифр взята из публикаций самих компаний и деловых СМИ с указанием года, часть из отраслевой практики без названной компании. Оговорки о том, что цифра не переносится на другой случай напрямую, стоят в тех же пунктах.
- По публичным данным Ингосстраха о проектах с Zunami при участии GlowByte (2022-2024) антифрод на машинном обучении и языковых моделях работает в страховании.
- Это узкие контуры обнаружения, а не сквозной разбор.
- По публичным данным СОГАЗ (по данным компании, 2025) контроль в добровольном медицинском страховании (ДМС) обрабатывает около 17 миллионов событий в год.
- Это узкий контур, а не полное противодействие отмыванию денег.
- Для ориентира.
- За рубежом, где регуляторика мягче, агенты, которые сортируют сигналы тревоги и готовят черновики отчетов о подозрительных операциях, стали устоявшейся практикой.
- Это ориентир верхней планки, а не обещание таких же результатов в России.
Пилот
Как проходит пилот и по чему меряем результат
Перед пилотом обязательно проходит юридическая проверка с директором по комплаенсу (CCO) клиента, без этой проверки пилот не запускается. Затем мы проводим диагностику, на которой выбираем один тип мошенничества или сигналов тревоги и фиксируем исходный уровень показателей, то есть текущее время расследования, долю ложных срабатываний и долю выявленных случаев. Пилот идет от 8 до 16 недель. Начинаем со сверки с базами, оценки подозрительности и черновика отчета на выбранном типе сигналов в теневом режиме, без реальных блокировок.
Результат измеряем по следующим показателям:
- Снижение доли ложных срабатываний.
- Рост доли выявленных случаев.
- Время расследования на один сигнал тревоги.
Все показатели сравниваем с исходным уровнем, который замерили до пилота. На всем протяжении пилота финальное решение и блокировку подтверждает человек, а автономных блокировок не происходит.
Условия
Когда внедрение оправдано и что учитывает закон
Внедрение оправдано, когда аналитики тратят на разбор сигналов тревоги большую часть времени, а доля разобранных сигналов остается низкой. Также внедрение оправдано, когда есть предписание Банка России по качеству и срокам подачи отчетов о подозрительных операциях, или когда после роста клиентской базы выросло число мошеннических заявлений. В страховании сигналом служит рост дорожных происшествий с признаками инсценировки по ОСАГО и КАСКО, а также запуск антифрод-сервиса Национальной страховой информационной системы (НСИС) как повод обновить контур антифрода.
Техническое решение работает на разрешенном в России технологическом стеке и учитывает требования по защите данных. Финальное решение и блокировку подтверждает человек, потому что этого требует Банк России в платежных операциях и при блокировках. Подача отчетов о подозрительных операциях идет под контролем комплаенс-функции (115-ФЗ, противодействие отмыванию денег), обработка персональных данных требует согласия клиента (152-ФЗ). Оценка риска должна быть объяснимой, а все рассуждения агента записываются в журнал действий.
Навигация
Все десять применений ИИ-агентов
У каждого применения своя страница, текущая помечена. Расшифровка пометок о том, где мы собираем применение, стоит на странице автономных ИИ-агентов.
01
Урегулирование страховых убытков
У страховщика среднего размера урегулирование убытка - это длинная ручная цепочка.
На платформе Svaya02
ИИ-агент для андеррайтинга
Когда портфель растет, а андеррайтеров больше не становится, заявки выстраиваются в очередь, и время на каждую становится узким местом.
На платформе Svaya03Эта страница
Антифрод и ПОД/ФТ
Антифрод-подразделение нередко получает тысячи сигналов в день, и на ручной разбор у аналитиков не хватает времени.
На платформе Svaya04
Мультиагентная автоматизация
Сложные документоемкие процедуры проходят через много рук и повторный ввод данных.
Частично на платформе Svaya05
ИИ-агент закупок
Когда круг поставщиков большой и разрозненный, ручной поиск и сравнение предложений занимают дни или недели.
На платформе Svaya06
Устаревшие системы и порталы
Когда у нужной системы нет нормального интерфейса, обычная интеграция невозможна или обходится дороже.
Частично на платформе Svaya07
ИИ-агент исходящих продаж
Большой рынок, который текущая команда продаж охватить не успевает.
Вне платформы08
Клиентский сервис с действием
Клиенту часто нужно не объяснение, а конкретное действие.
На платформе Svaya09
ИИ-агент подбора персонала
При большом объеме найма поиск кандидатов и отбор резюме отнимают у рекрутеров много времени, а входящий поток откликов велик при низкой доле подходящих.
Вне платформы10
Финансовое планирование
Закрытие периода идет долго и вручную, а на анализ у финансовой команды не остается времени.
На платформе Svaya
Для технического директора
Что прочитать техническому директору
Четыре материала, с которых стоит начать знакомство с платформой.
Требования к серверуПроцессоры, память, диски и видеокарты для установки в закрытом контуре
Модули платформы14 модулей платформы, от обработки запроса до выпуска обновлений
Как устроена платформаОбзор механизмов платформы и того, где проходят границы ее самостоятельности
Презентация платформыPDF на 30 страниц с помодульным разбором платформы
Заявка
Обсудить пилот
Опишите в двух словах процесс, который хотите отдать ИИ-агенту, и назовите систему, куда он должен дописывать результат. Руководитель ИИ-направления БизнесМатики ответит предложением, где названы объем пилота (один процесс и один тип документов или заявок), метрика пилота с ее исходным значением и срок.
Хотите сначала запустить техническое решение сами? Заведите учетную запись на витрине и запустите техническое решение на своем файле. Для заявки учетная запись не нужна.