Kaspi и Halyk внедряют ИИ-скоринг: почему решения стали быстрее

В апреле 2026 года два крупнейших банка Казахстана объявили о переходе на обновлённые модели кредитного скоринга на базе LLM и продвинутого машинного обучения. Для клиента это означает более быстрые решения, но не всегда более понятные объяснения.

Что анализирует новый скоринг

Классический скоринг смотрит на доход, возраст, кредитную историю, долговую нагрузку и базовые анкетные данные. Новые модели могут учитывать до тысяч косвенных поведенческих факторов: скорость заполнения заявки, структуру расходов, регулярность платежей, цифровые привычки и другие сигналы.

Такая модель не обязательно «читает» личную жизнь клиента в бытовом смысле, но она ищет статистические связи между поведением и вероятностью дефолта. Чем больше данных, тем точнее прогноз, но тем сложнее объяснить каждое решение простым языком.

Почему банки идут в эту сторону

Для банков главный плюс — скорость и качество портфеля. Надёжный клиент может получить решение за секунды, а рискованные заявки отсекаются до выдачи. Это снижает долю невозвратных займов и позволяет точнее управлять лимитами.

Для клиента плюс тоже есть: меньше ручной проверки и меньше ожидания. Но если система отказала, понять конкретную причину бывает трудно. Формулировка «не прошли скоринг» редко объясняет, какой фактор стал решающим.

Главный риск — непрозрачность

«Чёрный ящик» ИИ может усиливать ощущение несправедливости: клиент не видит, что именно не понравилось модели. Поэтому регуляторное внимание к объяснимости скоринга будет расти.

Пока же заёмщику стоит относиться к цифровому скорингу прагматично. Быстрое одобрение не означает, что кредит стоит брать без расчёта, а быстрый отказ не всегда говорит о плохой репутации — иногда система просто видит повышенный риск по совокупности признаков.