Массовое использование десятками российских банков одних и тех же глобальных ИИ-платформ создаёт скрытую угрозу для финансовой стабильности: непрозрачные алгоритмы могут синхронно ошибаться, а сбой у поставщика способен обрушить кредитные портфели сразу у многих игроков. Председатель комиссии по финансовой безопасности совета ТПП России Тимур Аитов предупреждает: «Мы не видим внутреннего устройства глобальной модели, ее логика для нас остается неизвестной, мы можем лишь догадываться о возможных рисках». Центробанк предлагает внедрить регулирование не самих моделей, а архитектуры данных, на которых они принимают решения. Как заявила на форуме Data Day 2026 заместитель директора юридического департамента ЦБ Екатерина Дёмкина, главная проблема — невозможность проверить данные, на которых обучаются глобальные платформы ИИ. «Новым предметом регулирования, как кажется, может стать та самая архитектура принятия решений, архитектура тех данных, на основании которых выстраиваются эти решения», — пояснила она. По оценке экспертов, при синхронном сбое потери кредитного портфеля в отдельных сегментах могут достигать 3–5% за квартал.
Как отмечают эксперты, основная опасность глобальных платформ ИИ — в их непрозрачности. Когда десятки банков используют одну и ту же платформу, возникает эффект синхронизации ошибок. «Сбой у поставщика или незаметное изменение параметров на стороне поставщика — и участники рынка сокращают лимиты, а это уже весомый регуляторный риск», — говорит Аитов.
Глава Ассоциации участников рынка электронных денег Виктор Достов соглашается: если много игроков синхронизируются таким образом, возникает эффект резонанса — система становится неустойчивой. Простой пример — операции на рынке ценных бумаг: одна и та же модель будет инвестировать в одни и те же бумаги, поднимая спрос и создавая иллюзию прибыльности.
Дополнительный риск — инфраструктурная зависимость. Как пояснил гендиректор компании Morizo Денис Царев, у глобальных вендоров вычислительные мощности, облака и модели вертикально интегрированы. Любое отключение или изменение условий лицензии превращается в операционный сбой. Кроме того, внешняя модель ИИ расширяет поверхность кибератаки: злоумышленник может через целенаправленное искажение входных данных заставлять модель систематически ошибаться. Если платформа общая, уязвимость работает против всех банков, а закрыть её оперативно своими силами нельзя — только ждать «заплатки» от вендора. «Время ожидания исчисляется часами, поэтому ущерб для банка может стать фатальным», — предупреждает Аитов.
Альтернатива — отечественные решения, которые, по словам Царева, обеспечивают полный вертикальный контроль и соответствуют требованиям безопасности на всех этапах: от обучения моделей до размещения серверов на территории России. Они обучаются на массиве российской отчётности, нормативной документации, типовых кредитных и депозитных договорах, учитывают специфику поведения российских клиентов. Это позволяет разворачивать модель внутри контура банка и обеспечивает предсказуемую юридическую ответственность вендора.
На практике регулирование, по мнению экспертов, может коснуться «паспорта ИИ-модели»: состава обучающей выборки, требований к обработке данных в российском контуре, контроля дрейфа модели и «галлюцинаций», назначения ответственного за принятие решений, лимитов на использование внешних моделей, а также требований к прозрачности, аудируемости и возможности смены поставщика. Виктор Достов, в свою очередь, полагает, что акцент стоит делать на тщательном анализе результатов с использованием жёстких ограничений, предустановленных правил и сравнения моделей.
