Alfa Advanced Analytics

ИИ тоже стареет 👀 И чем умнее модели становятся, тем сложнее поддерживать их точность. Данные устаревают, а LLM всё чаще начинают галлюцинировать. Поэтому внедрить ИИ один раз и забыть о нём не получится, моделям нужно регулярное «техобслуживание». В новой статье разбираем, почему ИИ деградирует, как это проявляется на практике и какие инструменты помогают держать качество моделей под контролем.

«Если проводить аналогию с добычей золота, то раньше у отрасли была золотая руда, которую можно брать — и сразу выплавлять чистый металл. Теперь же для качественного обучения ИИ нужно работать с золотым песком: промывать всё больший объем данных, чтобы намыть что-то ценное»,

— Дмитрий Рузанов, директор департамента по разработке моделей в Альфа-Банке А ещё рассказываем, как в Альфе борются с деградацией моделей с помощью мониторинга, AutoML, стресс-тестов и работы с качеством данных. Читать статью #aaa_habr

🏆 Сразу два наших проекта стали победителями премии «Лидеры цифровизации». Один помогает новым клиентам малого бизнеса быстрее разобраться с продуктами банка и начать ими пользоваться. А второй с помощью AI подбирает продукт, контент и момент коммуникаций для миллионов клиентов. Показываем, как работают оба решения и каких результатов достигли 🔼 #aaa_hardposting

Остаётся несколько дней 🔥 Захотите на Яндекс Контест и решайте задачу до 3 июня.

Что стоит за быстрыми AI-сервисами, аналитикой и отчётностью в банке? Обычно все говорят про модели и алгоритмы, но без сильной data-платформы масштабировать это просто невозможно. Рассказываем про Big Data Platform 2.0, единую платформу данных Альфы, которая помогает быстрее запускать дата-решения, интегрировать новые системы и работать с данными почти в реальном времени. Кстати, этот проект недавно получил TECH & AI Awards 2026 в номинации «Платформа года» 🏆 А на карточках читайте, как устроена платформа и чум она помогает бизнесу 🔼 #aaa_experts #aaa_hardposting

Все говорят про AI, LLM и агентов 🧠 Но что происходит, когда нейросеть все-такие решили попробовать? В новой статье разбираем, как компании переходят от AI-экспериментов к промышленному внедрению, зачем бизнесу AI-платформы и почему без Feature Store уже никуда, как считают эффект от AI и где всё ещё выигрывает классический ML. А самое главное, почему главный фактор AI-трансформации — люди, а не модели. Cобрали ключевые мысли из материала на карточках 🔼 Читайте статью на РБК или Компьютерре. #aaa_hardposting

Ждём именно вас 🔥 Запускаем конкурс на Яндекс Контест и приглашаем Intern, Junior, Middle и Middle+ Data Scientists пройти ускоренный отбор. Кого ищем: Специалистов, которые умеют превращать данные в бизнес-результат, работать с ML-моделями и решать прикладные задачи на данных. Регистрируйтесь на сайте конкурса и решайте задачу до 3 июня ⚡ Авторов лучших решений пригласим на собеседование. #aaa_career

Внутри Альфы переизобрели AutoDL 👀 Ребята из команды автоматизации ML рассказали в новом материале на Хабр, как внутри банка полностью пересобрали библиотеку AutoDL. И вот почему 🔽

Раньше всё работало на отдельных RNN-моделях под разные источники данных. Но со временем система перестала масштабироваться, обучение занимало дни, добавлять новые модальности становилось всё тяжелее.

Поэтому в новой версии команда перешла на мультимодальную transformer-архитектуру, добавила automatic architecture search через DARTS, fusion-модули и полностью пересобрала data pipeline. В статье разбираем, зачем уходить от RNN, как трансформеры работают с банковскими данными, как боролись с memory issues, Spark и огромными sequence-данными. Если вам интересны AutoML, трансформеры и инфраструктура ML-систем, скорее читайте статью 🔗 #aaa_habr

AUF прокачали. Теперь это уже не просто библиотека... 👀 Выпустили вторую статью на Хабре про Automatic Uplift Framework — нашу open source AutoML-библиотеку для uplift-моделирования. Первую часть смотрите тут (рассказали, как ускорить разработку моделей в десятки раз). За год после выхода первой статьи библиотека заметно выросла:

▶️ Появилось автообновление uplift-моделей прямо в prod, добавили режим с множественными воздействиями, библиотеку начали использовать уже несколько команд, а внутри провели серьёзный рефакторинг.

▶️

А ещё расширили возможности работы с моделями. Теперь можно тонко настраивать обучение, сравнивать uplift-модель с моделью склонности, глубже анализировать результаты и даже строить аналитику без запуска полного пайплайна. Сильно улучшили документацию, добавили примеры и подробное описание.

🔗 Подробности читайте в новом материале #aaa_habr

Были на Data Fusion 2026 😎 А теперь делимся, о чём говорили! В апреля в Москве прошла конференция Data Fusion 2026 про анализ данных и ИИ, наши эксперты приняли в ней участие как спикеры. В кейс-сессии «Экономика ИИ: сходится или нет?» участвовал Дмитрий Рузанов, руководитель департамента по разработке моделей. Обсуждали, как компании превращают ИИ в реальный экономический эффект, как на ранних этапах оценить жизнеспособность решений и какие сигналы говорят о том, что проект может не окупиться. ▶️ Смотреть запись

«Мы сейчас наблюдаем некоторую коррекцию на рынке в части открытия новых инициатив в области генеративного ИИ по причине неоднозначности финансового эффекта. Высокая стоимость инфраструктуры и ограниченные бизнес-эффекты делают многие инвестиции нецелесообразными. При этом крупные банки и технологические компании продолжают внедрять ИИ, но делают это гораздо осторожнее, соотнося отдачу с затратами»,

— рассказывает Дмитрий Рузанов А Яна Чаруйская, руководитель дирекции по разработке моделей юридических лиц, выступила сразу в двух сессиях. В дискуссии «Жизнь в эпоху больших данных» говорили о том, как меняется повседневная работа, как сегодня принимаются решения в компаниях и где проходят границы ответственности и доверия к данным и моделям. ▶️ Смотреть запись Во второй сессии «ИИ-трансформация бизнеса пройдёт безболезненно?» обсуждали, насколько безболезненно проходит ИИ-трансформация бизнеса и не является ли массовое внедрение ИИ преждевременным. ▶️ Смотреть запись В комментариях рассказывайте, как вам доклады 🔽 #aaa_hardposting

Первыми в стране внедрили вайб-кодинг в энтерпрайз-разработку 💃 То, что ещё недавно использовали «для себя», теперь делаем частью рабочих процессов. Часть кода создаётся с помощью нейросетей, разработка превращается в диалог, а инженеры всё больше фокусируются на архитектуре и продукте. На карточках рассказываем, как это работает и какие результаты уже есть 🔼 🔥 — Где моя нейросеть, я готов! #aaa_hardposting

Как поймать мошенничество в потоке транзакций? 🕵️‍♂️ Ответ на этот вопрос уже готов у Никиты Трифонова, главного эксперта по интеллектуальному анализу данных! В Data Fusion Contest 2026 от ВТБ участникам нужно было решать задачу антифрода в реальном времени и находить подозрительные операции среди миллионов транзакций. Никита Трифонов взял 2 место среди 574 команд, а сейчас разбирает задачу и рассказывает о подходе к решению 🔼 #aaa_experts

Пришли хвастаться 👀 Забрали победу на FINNEXT 🏆 Стали победителем в номинации «Маркетинг» с проектом «AI-платежный прорыв: автоматизация обязательных платежей с динамическим ML-кэшбэком» Что сделали 👇 Во-первых, разобрались, кому вообще нужен кэшбэк, а кто готов и проводить оплату по бесплатному офферу. Во-вторых, научились по внешним данным находить реквизиты для подписки клиентов на выставление счетовода ЖКУ без участия клиента. А дальше команда разработала ML-модель, которая анализирует клиентскую базу и для каждого пользователя оценивает вероятность отклика и чувствительность к размеру кэшбэка. Она выделяет тех, кто активируется без оффера, исключает их из кампаний и направляет бюджет на целевых клиентов. В итоге модель рассчитывает персональный кэшбэк и управляет экономикой кампании на основе данных. Что изменилось 🔽 📈 Отклик вырос в 3,2 раза 💸 СРА снизился более чем на 10% 👥 База платящих клиентов +20% 📉 Отток снизился Гордимся проектом, спасибо команде за результат 🚀 #aaa_hardposting

Что ни день, то хакатон непростая задачка! Как найти нужную сцену в фильме за секунду? На хакатоне от ЦУ × ИТМО участникам нужно было разработать систему, которая по описанию пользователя находит конкретный фрагмент фильма или отвечает на вопросы по сюжету. Задача усложнялась тем, что работать нужно было сразу с видео и текстом, без готовых решений и с жёстким ограничением по времени ответа. Наши коллеги Андрей Мирошниченко и Тимофей Лисоченко вместе с сокомандниками — Тимуром Захаровым (МИСИС, CV-инженер в Х5) и Семёном Исаевым (РАНХиГС, DS в Сбере), предложили решение и забрали первое место 🏆 На карточках разбираем задачу, подход и стратегию, которая в итоге привела к победе 🔼 #aaa_experts

🎬🔍⚡️ 🤯📊🎥+📝 🚫📦 ⏱<1s 🧠💡🏆 🔼 Что хотел сказать автор?

Новый клип. 0 просмотров. 0 лайков. Кому его показать? Это и была задача на соревновании VK RecSys Challenge: найти 100 пользователей из 10 млн, которые с наибольшей вероятностью посмотрят новый клип и поставят лайк. Главная сложность — клипы появляются на платформе впервые, поэтому по ним нет данных о взаимодействиях. Наш коллега Никита Трифонов справился с заданием лучше всех и занял 1 место 🏆 Главный урок: иногда выигрывает не самая модная модель, а проверенная временем классика. На карточках разбираем постановку задачи, особенности датасета и подход, который привёл к победе 🔼 #aaa_experts

Хорошая летняя школа — это когда после неё выходит статья международного уровня 🤩 Этим летом мы выступили генеральным спонсором и партнёром летней школы SMILES, организованной Сколковским институтом науки и технологий в Харбине. В посте рассказывали про эту программу. В школе наши ребята работали в научных командах и участвовали в исследовательских проектах. Сотрудник Департамента по разработке моделей машинного обучения Руслан Насыров занимался исследованием по анализу высокоразмерных данных. По итогам работы Руслан стал соавтором научной статьи «Преодоление проклятия размерности с помощью синолитического ИИ / Overcoming the Curse of Dimensionality with Synolitic AI», опубликованной в международном журнале Technologies, который относится к первому квартилю (Q1) — это издания с высоким уровнем цитирования. На них смотрят как на ориентир в предметной области. Читайте статью по ссылке 🔗 А в комментариях рассказывайте, есть ли у вас статьи, в каких журналах их публиковали 🔽 #aaa_hardposting

Все помешались на LLM. А точно ли они нужны всем? 🤔 Про большие языковые модели сегодня говорят все, поэтому кажется, что они способны решить почти любую задачу. Но так ли это на самом деле?...

LLM — это лишь один из видов ИИ-моделей. Помимо них есть классические ML-модели, специализированные нейросети для изображений, аудио, табличных данных и прогнозирования. И в ряде задач, а иногда и по регуляторным требованиям, использовать LLM не всегда возможно или целесообразно. В Альфе сила LLM в автоматизации массовой работы с текстовой информацией, у нас на большие языковые модели приходится менее 20% всех ИИ-решений Альфы — там, где они действительно дают максимальный эффект.

Разбираемся в новой статье, где LLM действительно дают результат, где выигрывают классические ML-модели и почему прагматичный гибридный подход оказывается сильнее любой одной технологии. На карточках делимся ключевыми выводами 🔼 А полностью читайте статью на vc.ru или Forbes 🔗 #aaa_hardposting

В День святого Валентина думаем только о вас 😍 Ловите валентинку 🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨 Проведите хорошо этот день, выходной всё-таки! #aaa_fun

ИИ уже никого не удивишь... Мы и не будем пытаться, просто расскажем, как он помогает бизнесу выживать и развиваться 💡 Продолжаем рассказывать о научной работе Елизаветы Лашкевич. Одна из её статей про AI-based систему финансового консультирования для проблемных фирм принята в международный журнал IEEE уровня Q1 и уже доступна в early access. Работа выполнена совместно с научным руководителем при поддержке Высшей школы бизнеса НИУ ВШЭ. На карточках делимся, о чём исследование, какую задачу решает система и почему это важный шаг к поддержке управленческих решений 🔼 А если интересно изучить ещё статьи Елизаветы, оставляем ссылки:

🔴 Enhancing bankruptcy prediction efficiency using synthetic data Как генеративный ИИ помогает точнее прогнозировать финансовую несостоятельность компаний при сильном дисбалансе данных. 🔴 Counterfactual explanations based on synthetic data generation Статья предлагает новую методологию интерпретации «чёрных ящиков» на основе контрфактуальных объяснений. 🔴 Does information and communication technology really affect human development? Причинно-следственный анализ влияния цифровых технологий на человеческое развитие в разных странах. 🔴 Fuzzy regression model of the impact of technology on living standards Статья посвящена тому, как технологии и инновации связаны с уровнем жизни в странах с разным уровнем развития. 🔴 Влияние финансовых показателей на устойчивость компаний в разных странах Исследование посвящено связи финансовых показателей с устойчивостью компаний и построению моделей вероятности финансовой несостоятельности в разных странах.

#aaa_hardposting #aaa_experts