Многим, кто занимается машинным обучением, известно, что учить модель и применять ее нужно на одном и том же сегменте. Так можно добиться хорошей обобщающей способности модели и получить правильную оценку. У нас все ровно так и есть.

Я бы выделил два основных сегмента:

● Физические лица ● Юридические лица и ИП (наша команда работает как раз в этом сегменте)

Обычно в каждом из сегментов выделяется два крупных блока:

● Риски: самый стандартный пример - задача кредитного скоринга. Здесь как раз хотим оценить риски от того, что клиент не отдаст кредит. Это более строгое направление, так как если клиент не отдаст кредит, то банк понесет прямые потери ● Бизнес-моделирование: здесь может быть все что угодно - рекомендательные системы, LLM, computer vision (например, распознавание сканов документов), look-alike/uplift модели и так далее. Это не такое строгое направление, так как если модель вдруг перестанет работать хорошо, то потери будут небольшие (наша команда как раз работает в этом направлении) ● Дополнительный блок RnD: здесь все стандартно - занимаемся исследованиями, изучаем передовые подходы, разрабатываем свои алгоритмы

Сами проекты могут быть:

● Внутренние для заказчика. Это стандартные проекты для физических лиц, юридических лиц или ИП ● Внутренние «без заказчика». Это может быть сервис перевода звонка в текст и его суммаризация. Таким сервисом может пользоваться любой сотрудник банка ● Внешние проекты. Это может быть консалтинг от банка или коллаборация с каким-то институтом (например, МГУ). Внешний проект так называется потому, что в таком проекте часто не используются данные банка. Также здесь разрабатываются какие-то новые алгоритмы (как раз RnD)

Когда я в 2019 году приходил в банк, то основные модели были только в направлении рисков. Сейчас же все направления в банке и основные бизнес-юниты покрыты моделями или ведутся исследования для улучшения работы бизнеса с использованием моделей машинного обучения