Самый безопасный AI для банка — тот, которому не отдали данные

Когда обсуждают AI в банках, разговор обычно быстро сводится к выбору модели.

GPT? Gemini? Claude? Своя?

Мне кажется, это уже не самый интересный вопрос.

Гораздо важнее другой: Где вообще должна выполняться каждая AI-задача?

Новые Android-инструменты постепенно позволяют выбирать между локальной моделью на устройстве и облаком.

И вот здесь архитектура становится интересной.

Представим запрос клиента: Найди тот платеж за гостиницу в Турции. Кажется, около 80 тысяч.

Совсем необязательно отправлять историю операций в LLM.

На телефоне можно разобрать запрос: страна = Турция категория = гостиница сумма = 70–90 тыс.

А поиск выполнить обычным банковским API.

Получается:

User ↓ On-device LLM ↓ Structured query ↓ Bank API

Историю платежей модель вообще не увидела.

И это хороший принцип.

Я бы разделял AI-задачи примерно так:

PII extraction → ONLY ON DEVICE

Классификация транзакций → PREFER ON DEVICE

Поиск по истории → PREFER ON DEVICE

FAQ → CLOUD

Сложный reasoning / RAG → BANK AI CLOUD

То есть вместо одной большой LLM появляется AI Router:

On-device <- AI Router -> Bank

И внезапно качество AI-архитектуры определяется не только тем, что модель умеет.

Но и тем, какие данные мы сумели ей не показать.

Для банков это особенно важно. Потому что самый дешевый способ защитить чувствительные данные — не отправлять их туда, где они вообще не нужны.

Мы долго жили с принципом: API-first.

Возможно, следующим архитектурным принципом станет: Local-first AI.