Почему слабым местом кредитного конвейера может оказаться не только ставка, но и плохой OCR
Привет, Хабр! Кредиты и все, что с ними связано – тема для многих весьма чувствительная. Мы в Smart Engines выступаем за то, чтобы сделать самые раздражающие процессы удобными и быстрыми. И в этом смысле распознавание документов – это редкий пример технологии, где интересы банка (сократить издержки), сотрудника (меньше рутины) и клиента (не ждать решение неделями) действительно совпадают. Под катом рассказываем, как автоматическое распознавание документов может трансформировать процесс кредитования в банках и как такие технологии становятся ключевым звеном кредитного конвейера.
Я собрал конвейер аналитики банков на LLM-агентах. Показываю, где он остановил 7 из 31
У проекта есть работающий сайт: ortant.net. На нём 24 принятых исследования, десять досье банков, карта покрытия данных и раздел с методикой. Исследование можно не только прочитать, но и заказать: конструктор собирает вопрос из готовых блоков (банк, окно, фокус), система бесплатно показывает паспорт данных с ценой, и после подтверждения идёт прогон. Медиана прогона $0,132 и 12,8 минуты; результат открывается своей страницей.
Уолл-стрит платит $25 000 в день консультантам по ИИ
Компания Wall Street Prompt, которую основали в июле 2025 года бывшие управляющие фондами SoftBank Фелипе Синистерра и Дэйв Ван, взимает с банков и инвестиционных фондов до $25 000 в день за обучение старших сотрудников использованию ИИ-инструментов. По
Зачем банки тратят миллиарды на науку (спойлер: не благотворительности ради)
ИсточникАмериканский банк собрал в свой фонд 650 миллионов долларов, чтобы скупить доли в биотех-стартапах. Финансисты получили прямой доступ к лабораториям, которые занимаются генной инженерией.
От NLU-бота к ИИ-агенту: как мы пробили потолок автоматизации в поддержке крупного банка
Привет, Хабр! На связи команда Just AI.Когда NLU-сценарий вырастает до нескольких сотен веток, а процент автоматизации все равно не двигается — это не проблема настройки, это потолок технологии. Рассказываем, как мы помогли крупному банку его пробить: перевели поддержку по кешбэку на LLM-агентов, добавили агента-судью против галлюцинаций и улучшили понимание семантики и контекста пользовательских запросов.Потолок NLU-ботов и цели автоматизации в банковском сервисе
АИС «Налог-3»: что на самом деле видит о вас налоговая?
Меня зовут Дмитрий Кудряшов. За моими плечами 12 лет службы в структуре ФНС, из которых последние годы я занимал должность заместителя начальника отдела анализа и планирования налоговых проверок в региональном Управлении ФНС. С недавнего времени я веду свой Telegram-канал «Налоговый инсайдер», где показываю как на деле осуществляется налоговый контроль, отвечаю на вопросы и разбираю ситуации из комментариев. Сегодня на площадке Хабра я хочу поделиться ответом на комментарий, в котором читатель искренне усомнился в реальных возможностях баз данных ФНС и написал следующее:
