ДОМ.РФ, Ассоциация ФинТех и «Сбер» использовали машинное обучение для оценки стоимости недвижимости в регулятивной песочнице Банка России. Рыночная цена определялась сравнительным методом.

 
 Цель проекта — отказ от услуг оценщиков. Обычно к ним обращаются для получения одобрения ипотеки. Директор дивизиона «Домклик» Сбербанка Алексей Лейпи считает, что ML ускорит выход на сделку, снизит трудозатраты и расходы заемщиков. Машинное обучение также снизит риски кредитных организаций, связанные с человеческим фактором при оценке недвижимости.

 
 Банк России концептуально <a href="https://www.interfax-russia.ru/realty/news/bank-dom-rf-aft-i-sber-ocenili-stoimost-nedvizhimosti-s-pomoshchyu-ii" target="_blank" rel="nofollow">поддержал</a> ML-решение, но для его запуска потребуется изменение законодательства. Банк Россиипредложил апробировать решение в экспериментальном правовом режиме на площадке Минэкономразвития.

 
 Альфа-Банк тестирует аналогичную систему, рассказала глава дирекции развития ипотечного кредитования Анастасия Якупова. Кредитная организация применяет собственные модели на основе рыночных данных, фото- и видеоотчетов, чтобы сократить время оценки объекта.

Известия

Российские банки тестируют ML-решение для отказа от услуг оценщика недвижимости

Объединенная компания Wildberries и Russ запустила собственный платежный сервис WB Pay, который предназначен для оплаты покупок на сторонних сайтах и в приложениях.

 
 В настоящее время сервис тестируется на нескольких площадках. Техническое и платежное обеспечение работы сервиса осуществляет Вайлдберриз Банк. В компании уточнили, что WB Pay не передает интернет-магазинам платежные и иные данные пользователей.

 
 В будущем компания планирует реализовать оплату с помощью WB Pay на кассах офлайн-магазинов.

ТАСС

Wildberries запустил собственный платежный сервис

У 30% банков ИТ-инфраструктура не готова к приему цифрового рубля. К таким выводам пришли аналитики «Фланта» и «Диасофта» в результате опроса более 150 технических директоров, ИТ-директоров, архитекторов, руководителей цифровой трансформации и DevOps-инженеров банков.

 
 Только 20% участников опроса сообщили, что их системы, процессы и внутренние правила полностью соответствуют требованиям для приема цифрового рубля.

 
 Половина респондентов (50%) отметили частичную готовность, указывая на необходимость дальнейших доработок перед полным переходом. Кроме того, 14% опрошенных выразили опасения относительно рисков информационной безопасности, связанных с высокими требованиями защиты данных в финансовой сфере.

 
 Для успешного внедрения цифрового рубля банкам потребуется обновить свои ИТ-системы и обеспечить масштабируемость инфраструктуры, способную справляться с увеличивающимися нагрузками от транзакций. Важным аспектом является обработка больших объемов данных, что повышает риски кибератак и требует усиления мер безопасности.

 
 Заместитель директора департамента «Цифровые решения» компании «Диасофт» Сергей Добриднюк, подчеркнул, что для обращения цифрового рубля финансовым организациям нужно внедрить информационную систему, которая сможет взаимодействовать с существующими банковскими системами, а также обмениваться данными с госорганами, корпоративными системами, мобильными приложениями клиентов и другими внешними ресурсами.

<hr />
 
 В феврале стало известно, что Банк России <a href="https://www.rbc.ru/finances/27/02/2025/67c016ec9a7947d63247bd9f" target="_blank" rel="nofollow">отложил</a> массовое внедрение цифрового рубля.

<hr />

Ведомости

«Флант», «Диасофт»: инфраструктура трети российских банков не готова к приему цифрового рубля

Исследователи из Лаборатории искусственного интеллекта Сбербанка и «Сколтеха» разработали метод обучения нейросетей, благодаря которому алгоритмы могут учитывать одновременно локальные и глобальные уровни данных по банковским операциям.

 
 Авторы предложили методологию оценки нейросетевых моделей для задач обработки последовательностей событий. Задачи были разделены на три типа: глобальные, локальные и динамические.

 
 Глобальные требуют оценки некоторой общей характеристики последовательности, которая почти не меняется за рассматриваемый промежуток времени: возраст клиента, платежеспособность, удовлетворенность услугами банка. Локальные и динамические опираются на некоторую характеристику, которая постоянно меняется во времени, например, предсказание следующего события, требуют, чтобы нейросеть могла быстро реагировать на резкие изменения поведения клиента, к примеру, детекция смены страны жительства.

 
 На всех вышеперечисленных задачах был протестирован широкий набор передовых методов. Исходя из результатов, была разработана новая методика анализа последовательных данных. Такой подход улучшает метрики моделей на всех предложенных задачах, в некоторых случаях с отрывом в 20%.

Сбербанк

«Сбер» и «Сколтех» разработали ИИ-метод для повышения точности нейросетей для финсектора на 20%

ICT.Moscow сравнил технотренды 14 зарубежных аналитических отчетов

ICT.Moscow

ИИ, но не только. Обзор мировых технотрендов на 2025 год

Платформа гибридного блокчейна для корпораций

Web3_Tech

Waves Enterprise

Компания называет четыре ключевых преимущества для создания корпоративного блокчейна:

<ul>
	<li>высокая производительность (упрощение и ускорение решения задач);</li>
	<li>конфиденциальность;</li>
	<li>возможность подстраиваться под корпоративные и государственные требования;</li>
	<li>совместимость с другими корпоративными сервисами.</li>
</ul>

Отдельно рассказывается о корпоративной экономике&nbsp;Waves Enterprise Mainnet, которая построена на базе валюты WEST (Waves Enterprise System Token). Она используется для:

<ul>
	<li>оплаты различного рода комиссий;</li>
	<li>приобретение и аренду лицензий;</li>
	<li>лизинга токенов для пассивного дохода.</li>
</ul>

Английский

Подробное описание возможностей блокчейн-платформы для корпораций на примере Waves Enterprise Mainnet