Агентный кредитный конвейер на Ragify: опыт пилота в банке из топ-5 РФ

Банк из топ-5 РФ проводит пилот агентного кредитного конвейера, собранного на Ragify — продукте в составе Restart AI Platform. Название банка мы не раскрываем; в статье нет ни его внутренних цифр, ни результатов пилота. Пилот идёт, и здесь мы описываем инженерную сторону: что и почему пришлось построить.

Задача типична для кредитования юридических лиц. По каждой заявке приходит пакет документов компании: учредительные документы, бухгалтерская и налоговая отчётность, выписки по счетам, договоры с покупателями, документы поручителей и связанных компаний. Обычно это два-три десятка файлов, часть — сканы. Дальше кредитный менеджер сверяет комплект с перечнем, аналитик вручную переносит показатели в расчётные таблицы, сверяет одни и те же значения между документами, проверяет их по кредитной политике и пишет заключение, а затем собирает формуляры для кредитного комитета.

Из этого вырастают знакомые руководителю кредитного блока проблемы:

• ручной ввод пакета занимает часы, и всё это время сделка стоит в очереди к аналитику;
• одинаковые проверки разные аналитики выполняют по-разному;
• отступления от регламента — число взято из другого документа, норматив нарушен по решению комитета — теряются по дороге к формуляру;
• история «кто, что и на каком основании изменил» собирается по переписке.

Отдельный ИИ-проект под кредитование заново строит интеграции, защиту данных, ролевую модель и журнал. Следующий проект — закупки или проверка договоров — стоит почти как первый. Мы пошли другим путём: собрали конвейер на Ragify, где процесс описывается настройками.

Главный архитектурный принцип: решение считает детерминированный движок по методике банка. Языковая модель извлекает данные из документов, цитирует правила и пишет черновики. Решение по сделке принимают сотрудник и движок банка.

Для банка это означает, что процесс меняется с той же скоростью, что и регламент: методолог правит норматив сам, без очереди в разработку. А контур, ролевая модель и правила маскирования, которые согласует ИБ, затем используются и другими процессами.

Платформа считает показатели по методике банка: обороты, концентрацию покупателей и поставщиков, текущие кредиты, расходы и прибыль, прогноз движения денежных средств и максимальную рекомендуемую сумму кредита. У каждого показателя видно, как он получен; если для расчёта чего-то не хватает, это видно сразу. Аналитик может спросить агента «что если» — как изменится сумма при другом сроке или ставке, — и агент пересчитает по той же методике, не меняя заявку.

Заключение аналитика собирается из рейтингов, характеристик бизнеса, сильных и слабых сторон, рисков. Часть разделов пишет агент черновиком, аналитик правит, и правка человека не затирается следующим черновиком. Заключение и формуляры собираются по шаблонам банка в Word и Excel.

Этапы заявки, сроки и кнопки переходов тоже задаются настройками. Очередь выдаёт заявки по порядку, за заданное число дней заявка помечается «горит», после срока — «просрочено», и на эти события срабатывают уведомления и агенты.

Ниже — ориентиры, полученные на тестовых пакетах. Это не результаты пилота: на документах конкретного банка цифры уточняются в пилоте.

Последний пункт для нас важнее скорости: формуляр не уходит на комитет с пустой ячейкой или с числом, взятым не из того документа, — после сборки платформа сама перечисляет такие места.

Формат пилота — теневой режим. Конвейер обрабатывает реальные заявки параллельно с аналитиками, а выводы конвейера сравниваются с решениями людей по каждой заявке. На решения банка конвейер в этом режиме не влияет.

В таком формате критерии успеха и пороговые значения согласуются с банком до старта. От банка нужны владелец процесса, методолог и аналитики для сравнения результатов, методика, нормативы и шаблоны заключения и формуляров, а также серверы в контуре банка для платформы и локальных моделей.

Пилот продолжается. Его результаты в статье не приводятся — только ориентиры на тестовых пакетах.