Архив Финансовые услуги и страхование · Банки

Альфа-Банк: ИИ-агенты сократили время разработки ML-моделей более чем на треть

По данным Альфа-Банка, инструменты AgenticML на основе агентного ИИ сокращают время разработки ML-моделей более чем на треть; подготовка документации занимает часы вместо нескольких дней. В 2026 году банк планирует довести автоматизацию работы DS-специалистов до 29%.

Стадия
Промышленная эксплуатация
География
Россия
Год
2026
Источники
1
CB-001077
проверено 18.10.2026

/01 · ключевые результаты

  • результат

    более 1/3 от прежнего времени

    сокращение срока создания ML-моделей

    ИА «БанкИнформСервис», статья, 30.06.2026

    по данным на июнь 2026 года · разработка ML-моделей в Альфа-Банке с инструментами AgenticML

    данные компании

оценка strategai

Оценку не приводим: не раскрыты численность DS-команд и базовые сроки разработки моделей

По данным Альфа-Банка, инструменты AgenticML на основе агентного ИИ сокращают время разработки ML-моделей более чем на треть; подготовка документации занимает часы вместо нескольких дней. В 2026 году банк планирует довести автоматизацию работы DS-специалистов до 29%.

Стадия
Промышленная эксплуатация
География
Россия
Год
2026
Источники
1
CB-001077
проверено 18.10.2026

/02 · паспорт кейса

/ паспорт кейса · CB-001077Альфа-Банк

Бизнес

Компания
Альфа-Банк
Отрасль
Финансовые услуги и страхование · Банки
Функция
ИТ, разработка ПО и кибербезопасность
Задача
Генерация кода и модернизация ПО

Технология

Класс AI
ИИ-агенты и мультиагентные системы
Тип решения
Собственная разработка

Внедрение

Стадия
Промышленная эксплуатация, на 30.06.2026
География
Россия

/03 · описание кейса

Бизнес-задача

Модели машинного обучения лежат в основе многих сервисов Альфа-Банка: они помогают быстрее принимать решения, выявлять мошеннические операции, делать персональные предложения и улучшать клиентский сервис. Значительная часть работы с моделями выполнялась вручную: анализ материалов по моделям, подготовка документации, проверка корректности кода и обновление моделей в промышленном контуре. Банк поставил задачу ускорить разработку, вывод в промышленную эксплуатацию и сопровождение моделей и освободить время специалистов по машинному обучению для сложных задач, работы с заказчиками и создания новых решений.

Решение

AgenticML — следующий этап развития AutoML-инструментов Альфа-Банка: набор сервисов на основе агентного ИИ для автоматизации жизненного цикла ML-моделей. Агенты анализируют материалы по моделям, готовят документацию, проверяют корректность кода и автоматически обновляют модели в промышленном контуре с поддержанием их качества. Решение ускоряет этапы работы с данными, моделирования, внедрения и обновления моделей, а также подготовку модельных артефактов. По словам директора департамента по разработке моделей Дмитрия Рузанова, банк переходит от автоматизации отдельных этапов разработки и внедрения моделей к автоматизации процессов и применяет агентов там, где раньше требовалась значительная ручная экспертная работа.

Внедрение

Банк создал и внедрил инструменты AgenticML собственными силами. По данным банка, они уже сокращают время разработки ML-моделей более чем на треть, а подготовка документации занимает часы вместо нескольких дней. Решение также помогает снижать модельные риски и повышать производительность DS-специалистов. В 2026 году Альфа-Банк планирует нарастить уровень автоматизации работы DS-специалистов до 29% за счёт дальнейшего развития и масштабирования инструментов. В июне 2026 года проект стал победителем премии Generation AI Awards в номинации за лучшее применение генеративного ИИ для разработки и тестирования; об этом со ссылкой на пресс-службу банка сообщил «БанкИнформСервис».

/04 · источники и проверка

Что подтверждено

  • По данным Альфа-Банка, AgenticML сокращает время разработки ML-моделей более чем на треть.
  • Подготовка документации по моделям с AgenticML занимает часы вместо нескольких дней.
  • Агенты анализируют материалы по моделям, проверяют код и автоматически обновляют модели в промышленном контуре.

Ограничения

  • Сокращение времени разработки более чем на треть — оценка банка; базовые сроки, число моделей и период измерения не раскрыты.
  • 29% — плановый уровень автоматизации работы DS-специалистов на 2026 год, достигнутый результат он не показывает.
  • Цифры не показывают денежного эффекта и влияния ускоренной разработки на качество моделей или доходы банка.
  1. [1] ИА «БанкИнформСервис»

    Альфа-Банк получил премию Generation AI Awards за применение генеративного ИИ в разработке

    СМИ · 30.06.2026

    Открыть источник

Архив Сообщить о неточности

АрхИИВ /strategai · CB-001077 · Версия 1 · 18.10.2026 · /c/CB-001077/