State Bank of India использовал ИИ и цифровые данные для андеррайтинга почти ₹1 трлн кредитов малому и среднему бизнесу в 2026 финансовом году, пишет LiveMint. Это уже не банковский пилот и не помощник для составления писем: алгоритмы забрали у менеджеров сбор данных и предварительный анализ, то есть работу, от которой напрямую зависит доступ компании к деньгам.
Но формулировка «ИИ выдаёт кредиты» пока была бы рекламой. SBI не раскрыл ни долю автоматических решений, ни сроки рассмотрения, ни статистику отказов, ни частоту пересмотра выводов модели человеком.
Что именно передали системе
Через этот процесс SBI оценивал кредиты до ₹5 крор каждый как для новых, так и для действующих клиентов. Система использует данные GST Network и налоговой отчётности, информацию по банковским счетам, оценки кредитных бюро, а также другие структурированные и неструктурированные сведения. Затем business rule engine, BRE, объединяет их для оценки заёмщика.
Раньше значительную часть времени relationship managers тратили на поиск информации и первичный анализ. Теперь их роль, по словам управляющего директора SBI Рамы Мохана Рао Амары, смещается к проверке результатов модели и стресс-тестированию.
Банк также утверждает, что просрочка в портфеле, прошедшем андеррайтинг через BRE, ниже. Это сильный сигнал, но пока только сигнал: LiveMint не приводит абсолютные показатели, сравниваемые группы и период наблюдения. Без них нельзя понять, улучшила ли модель отбор заёмщиков или через неё просто проходит более предсказуемый сегмент.
В необеспеченном кредитовании SBI применяет ИИ к клиентам с тонким кредитным профилем, включая небольшие компании и индивидуальные бизнесы, для которых доступны в основном данные по счетам и UPI. Для действующих заёмщиков модели ищут признаки уязвимости до появления традиционного индикатора просрочки DPD, используя рыночную, отраслевую и публичную информацию.
Почему это больше, чем автоматизация бэк-офиса
Банки давно используют ИИ для экономии времени сотрудников. В июне Computer Weekly писал, что ING расширяет его применение при обработке ипотечных заявок, а Santander ожидал получить €200 млн годового эффекта от ИИ за счёт снижения затрат и дополнительной выручки. У SBI тоже есть привычные сценарии: проверка чеков до ₹10 000, анализ инфраструктурных логов, поиск сбоев и автоматизация клиентских звонков.
Кредитование МСП устроено жёстче. Здесь результат модели не просто сокращает handling time, а влияет на то, получит ли бизнес капитал и на каких условиях. Масштаб почти в ₹1 трлн показывает, что скоринг на цифровом следе уже можно встроить в крупный кредитный конвейер, а не держать в лаборатории рядом с вечным чат-ботом для FAQ.
Для российских финтехов и B2B-сервисов интересна сама архитектура: собрать налоговые, транзакционные и кредитные данные, автоматизировать предварительную оценку, а людям оставить проверку спорных случаев и стресс-тесты. На мой взгляд, именно так ИИ способен удешевить небольшие бизнес-кредиты: не пытаться изображать всезнающего кредитного директора, а убрать дорогой ручной сбор фактов.
Цена такой эффективности тоже понятна. Чем больше стадий проходит без человека, тем труднее предпринимателю выяснить, какой сигнал ухудшил оценку и как исправить ошибку. Модель не отменяет кредитный риск, а перераспределяет его: банк платит за пропущенный дефолт, бизнес платит за ошибочный отказ потерянным доступом к капиталу. В публикации нет данных о механизме апелляции, объяснимости решений или контроле отказов по группам клиентов.
SBI сохраняет человеческий контроль в других AI-процессах: подразделение контроля рисков выборочно проверяет обработанные алгоритмом чеки и решает, нужно ли дообучение. Но LiveMint не сообщает, действует ли сопоставимая процедура именно для кредитных решений. Это главный пробел кейса.
Что смотреть дальше
Проверкой промышленной зрелости будут не новые суммы, проведённые через BRE. Нужны четыре показателя: время от заявки до решения, уровень просрочки относительно сопоставимого ручного портфеля, доля решений, изменённых сотрудником, и число успешных апелляций после отказа.
Если SBI начнёт раскрывать эти данные и сохранит преимущество по просрочке, рынок получит рабочее доказательство, что ИИ снижает стоимость кредитования МСП без ухудшения риска. Если останутся только объём портфеля и слова об освобождённом времени менеджеров, перед нами эффективная автоматизация сбора данных, но ещё не доказанный автоматический андеррайтинг.