ИИ-агент «Пайплайн-сканер»: как ГигаЧат находит сделки с акционерным риском в потоке кредитных досье

Главное о кейсе

Сбер ежегодно обрабатывает ~10 000 запросов от крупных клиентов на инвестиционное финансирование. Вручную просмотреть их все на предмет мезонинного и акционерного финансирования невозможно: банк не успевает найти подходящие сделки, а клиент не получает оптимальной структуры финансирования — или ждёт слишком долго.

Мы построили ИИ-агента «Пайплайн-сканер» на базе ГигаЧат. Он в реальном времени отслеживает появление и обновление документов в кредитном досье, читает неструктурированную информацию в десятках разных форматов и идентифицирует признаки акционерного риска — ковенанты в кредитном соглашении, конвертируемые элементы в структуре финансирования, опционные условия. Отобранные сделки автоматически попадают в рабочее место аналитика Департамента инвестиционной деятельности.

Результат: +20% к воронке релевантных сделок для департамента и 4–5% всего эффекта от ГенИИ в корпоративно-инвестиционном блоке Сбера. Агент уже тиражирован на сектор недвижимости, в планах — другие индустрии и операции на рынках капитала: долговом, акционерном, M&A.

Как проект изменил жизнь пользователей

Аналитики департамента перестали вручную просеивать тысячи досье в поисках редкого сигнала. Вместо сплошного просмотра потока они получают на вход уже отобранные сделки — воронка релевантных сделок выросла на 20%, а внимание команды сместилось с поиска на саму работу со сделкой.

Клиенты банка — компании, которые приходят за финансированием. Раньше подходящая структура с мезонинным или акционерным элементом могла просто не дойти до нужного человека внутри банка: сделка терялась в общем потоке. Теперь больше компаний получают доступ к формам финансирования за пределами обычного кредита, и быстрее. Это, кстати, прямо совпадает с задачей ЦБ по развитию небанковских форм финансирования бизнеса.

Бизнес-задача и ее решение

Задача: увеличить долю сделок с мезонинным и акционерным финансированием в портфеле КИБ, не увеличивая штат аналитиков. Из ~10 000 годовых запросов вручную обрабатывалась только часть, и отбор шёл по случайному принципу — что успели посмотреть, то и нашли.

Решение: непрерывный ИИ-скоринг всего входящего потока вместо выборочного ручного просмотра. Агент встроен в существующий процесс: триггером служит событие добавления или обновления документа в кредитном досье, выходом — карточка сделки в рабочем месте аналитика. Никакого нового интерфейса, который нужно осваивать.

Эффект: +20% к воронке релевантных сделок; 4–5% совокупного эффекта от ГенИИ в корпоративно-инвестиционном блоке.

Крафт (мастерство), реализация, технические детали

Задача выглядит как классификация документов, но ей не является. Три причины, по которым простая автоматизация и классический ML/NLP не дают результата:

1. Акционерный риск — это не поиск по словарю, а понимание сути сделки. Признаки разбросаны по разным документам: ковенанты живут в кредитном соглашении, конвертируемые элементы — в структуре финансирования, опционные условия — в акционерном соглашении. Ни один из них по отдельности не является сигналом. Сигналом является их сочетание, и распознать его можно только читая смысл, а не ключевые слова.

2. Сигнал редкий и зашумлённый, а цена ошибки асимметрична. Из ~10 000 сделок акционерный риск содержит малая часть. При этом ложноположительное срабатывание стоит дороже пропуска: если агент вытащил сделку клиента, который не строил жилой комплекс, — потрачено время клиента и падает доверие к инструменту. Поэтому агент настраивался на точность, а не на полноту.

3. Документы неоднородны и постоянно меняются. Кредитное досье — это не файл, а десятки документов в разных форматах, которые обновляются в течение жизни сделки. Агент работает не по разовому batch-прогону, а событийно: реагирует на каждое добавление и обновление документа и переоценивает сделку заново.

Всё построено на ГигаЧат — российской LLM, что критично для контура банковской тайны: документы не покидают периметр Сбера.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Акционерный и мезонинный риск — узкая компетенция небольшого департамента инвестиционной деятельности. А сделки заходят в банк совсем в другом месте: запрос на финансирование заводит клиентский менеджер, для которого это просто очередная заявка. И проблема не во внимательности. Человек, который заводит сделку, физически не может распознать признак акционерного риска — потому что признака как такового не существует. Есть ковенанта в кредитном соглашении, конвертируемый элемент в структуре финансирования, опционное условие в акционерном соглашении. По отдельности ни один из них ничего не значит. Значение имеет только сочетание, и увидеть его может человек с многолетней насмотренностью в структурировании сделок.

Отсюда главный вывод: людьми это не масштабируется ни при каком бюджете. Нельзя научить сотни клиентских менеджеров редкой структурной экспертизе — это годы опыта, а не двухдневный тренинг. И нельзя посадить департамент вручную вычитывать 10 000 досье в год. До проекта отбор шёл руками и по остаточному принципу: разбирали то, до чего дотягивались, а остальное просто не попадало в поле зрения — не потому, что сделки были плохие, а потому, что их некому было заметить.

Поэтому мы перестали проектировать агента как ускоритель аналитика. Агент — это способ поставить редкую экспертизу в точку, где её никогда не могло быть: на входе потока, в момент появления документа в досье. Он не работает быстрее человека. Он смотрит туда, куда человек не доходил. Именно отсюда +20% к воронке — это не ускорение существующего процесса, это сделки, которые раньше не находились вовсе.

Прочая информация о кейсе

1

Текущая доступность работы

1