Финансы
Модель нетипичного поведения клиента
Гибридная модель смотрит на цепочки прошлых операций клиента и признаки текущей операции: нетипичное поведение отличается от обычного, а хорошие операции не блокируются.
Гибридная LLMКлассический MLЦепочки операцийАнтифрод
÷2ложных срабатываний (False Positive rate)
≈ 0,90HitRate@3
≈ 0,85NDCG@3
меньшенагрузка на сотрудников, проверяющих срабатывания
Финансы
Иллюстрация интерфейса. Данные на экране условные.
Финансы
Модель нетипичного поведения клиента
Гибридная модель смотрит на цепочки прошлых операций клиента и признаки текущей операции: нетипичное поведение отличается от обычного, а хорошие операции не блокируются.
Для когоБанки, платёжные сервисы, департаменты рисков и безопасности.
ТехнологииГибридная LLM · Классический ML · Цепочки операций · Антифрод
Задача
Правила и классические модели часто «отбивают» хорошие операции: клиенты недовольны, сотрудники перегружены проверкой срабатываний.
Локальная установка во внутренний контур банка.
Что мы сделали
- Обучаем гибридную LLM на цепочках операций клиента из прошлого.
- Добавляем метрики классической ML-модели на правилах.
- Учитываем признаки клиента, операции и процесса транзакции.
- Модель работает в локальном контуре департамента рисков.
Начнём с разговора
Похожая задача у вас?
Расскажите, что нужно автоматизировать. Покажем, как это можно сделать, и оценим эффект.