Кейсы R77

AI-сервис проверки банковских гарантий

Проблема бизнеса

Ручной анализ текстов банковских гарантий занимал от 30 до 60 минут на один документ. Это тормозило процесс выдачи гарантий, снижало скорость обслуживания клиентов и повышало риски ошибок из-за человеческого фактора.

Цель проекта

Сократить время обработки банковских гарантий, повысить точность и качество анализа условий договора, минимизировать риски и ускорить процесс согласования.

Что было сделано

Мы разработали внутренний AI-сервис, который автоматически извлекает ключевые реквизиты из гарантий и оперативно выявляет потенциально рискованные условия. Благодаря этому банк получил возможность быстрее принимать решения и снижать операционные издержки, переводя большую часть проверок в автоматический режим.

Техническое решение

  • Создан микросервис на Python с использованием FastAPI, запущенный в защищённом Docker-контейнере внутри инфраструктуры банка.

  • Внедрена гибридная ML-модель, основанная на трансформерах (BERT/GPT) и классических NLP-алгоритмах, для:
— Автоматического извлечения ключевых сущностей (бенефициар, принципал, сумма, сроки).
— Классификации и подсветки «некомфортных» условий.

  • Предоставлен REST API для интеграции с системами банка через HTTP, FTP или MQTT без хранения данных на стороне сервиса.

Команда проекта

  • Проджект-менеджер — 0.5 FTE
  • 2 специалиста по Data Science и NLP — 1.5 FTE
  • Backend-разработчик — 0.5 FTE

Экономический эффект

  • Время анализа одного документа сократилось с 30–60 минут до менее 1 минуты.

  • Более 70 % заявок теперь проходят автоматическое согласование без участия сотрудников.

  • Точность извлечения ключевых параметров превышает 85 %, recall по выявлению рискованных условий — свыше 90 %.

  • Уменьшены операционные риски и значительно ускорена выдача гарантий, что повысило качество клиентского сервиса и снизило издержки банка.
Финансы