В задачах, связанных с риском, решение меняет не количество сигналов, а то, что именно они позволяют утверждать.

Когда я делал AI-ассистента для Transaction Monitoring в Finom, он собирал контекст подозрительной транзакции и определял степень подозрительности. В 65% случаев обработка проходила полностью автоматически. Это проверенный факт о конкретной системе и её результате.

Но из этого факта нельзя автоматически вывести универсальную архитектуру для любого финтех-продукта. Нельзя сказать, что в каждой такой системе одни и те же данные можно собрать, один и тот же результат закрыть без человека или применять один и тот же порог. Эти решения зависят от источников, правил и владельца процесса.

Чтобы показать разницу, возьмём синтетический пример. Пусть система видит перевод с необычной географией и резким изменением поведения клиента. Она может собрать сигналы, присвоить результату уровень риска и передать его на следующий шаг. Но сам результат ещё не говорит, что проверка завершена. Для этого нужно отдельно зафиксировать:

— какие источники были доступны на момент решения; — какие признаки сработали и какие альтернативы проверялись; — какой результат считается достаточным для автоматического маршрута; — при каком условии запись обязана вернуться человеку; — кто имеет право принять такой результат.

Это и есть граница между сигналом, решением системы и принятой ответственностью.

В финтехе green в техническом тесте — ещё не решение по риску. Модель могла ответить, сервис мог вернуть корректный формат, а вывод всё равно оказаться недостаточным для операции. Поэтому я разделяю как минимум четыре слоя: доступность источников, вычисленный результат, проверяемые критерии и право приёмки.

Если убрать последний слой, автоматизация просто прячет неопределённость за аккуратным интерфейсом. Если оставить его явным, видно, где модель помогает, где нужны дополнительные свидетельства и где ответственность всё ещё принадлежит человеку.