Қаржылық тәуекелдерді басқарудағы жасанды интеллект: ғаламдық үрдістер, XAI және қазақстанның реттеушілік тәсілдері

Жасанды интеллект (ЖИ) пен машиналық оқытуды (МО) қаржылық тәуекелдерді басқаруға интеграциялау әлемдік деңгейде де, Қазақстанда да қарқын алуда. Бұл технологиялар болжаудың дәлдігін арттырып, негізгі процестерді автоматтандыруға мүмкіндік береді, сонымен қатар модельдердің ашықтығы, шешімдердің этикасы және реттеуші қадағалау бойынша жаңа сын-қатерлер туындатады. Қазақстан Республикасының Ұлттық Банкі жүргізген сауалнамаға сәйкес, қаржы секторы ұйымдарының шамамен 31%-ы (оның ішінде банктердің 60%-ы) ЖИ қолданады, алайда тек 4%-ы оны ішкі тәуекелдерді басқару үрдістерінде толық операцияландырған [1]. Бұл зерттеу PRISMA қағидаттарына негізделген 2010–2025 жылдардағы жүйелі әдеби шолу болып табылады және ЖИ/МО-ды қаржылық тәуекелдердің сан алуан санаттарына (несиелік, нарықтық, операциялық, алаяқтық/AML) қолдану жөніндегі халықаралық дәлелдемелерді Қазақстан контекстімен ұштастырады. Библиометриялық және тақырыптық талдау 2015 жылдан кейін жарияланымдардың күрт өскенін, күрделі архитектуралардың (терең нейрондық желілер, ансамбльдік әдістер) кең тарағанын және түсіндірмелі ЖИ-ға (XAI) қызығушылықтың артқанын көрсетеді. Қазіргі МО алгоритмдері дәстүрлі тәсілдермен салыстырғанда тәуекел болжамдарының дәлдігін, жылдамдығын және сенімділігін айтарлықтай жақсартатыны анықталды [2], алайда интерпретациялану және өндірістік деңгейде енгізу мәселелері сақталуда. Шешімдердің операциялық орнықтылығы MLOps тәжірибелерін талап етеді (нұсқаларды басқару, бағдарламалық қамтама мен модельдерді продакшн ортаға автоматтандырылған енгізу, модельдерді мониторингілеу және валидациялау). Зерттеудің ғылыми құндылығы – жаһандық практикаларды жергілікті ерекшеліктермен ықпалдастыру; практикалық маңызы – пәнаралық AI governance комитеттерін құру, шешімдердің ашықтығын арттыру үшін XAI құралдарын енгізу және ұлттық реттеуді халықаралық стандарттармен үйлестіру жөніндегі ұсынымдар.

1. Искусственный интеллект на финансовом рынке Казахстана: текущее состояние, перспективы и анализ регуляторных подходов. АО «Национальная платежная корпорация»; Национальный банк Республики Казахстан. URL: https://aifc.kz/wp-content/uploads/2024/08/1.2-iskusstvennyj-intellekt-nafinansovom-rynke-kazahstana-tekushhee-sostoyanie-perspektivy-i-analiz-regulyatornyh-podhodov.pdf (дата обращения: 14.10.2025)

2. Nallakaruppan M.K., Chaturvedi H., Grover V. Credit risk assessment and financial decision support using explainable artificial intelligence // Risks. 2024. No. 12(10). P. 164.

3. Theodorakopoulos L., Theodoropoulou A., Bakalis A. Big data in financial risk management: evidence, advances, and open questions: a systematic review // Frontiers in Artificial Intelligence. 2025. No. 8. Art. 1658375.

4. Hess V.L., Damásio B. Machine learning in banking risk management: mapping a decade of evolution // International Journal of Information Management Data Insights. 2025. No. 5. Art. 100324. Фамилия первого автора неверно написана?

5. Bussmann N., Giudici P., Marinelli D., Papenbrock J. Explainable AI in Fintech Risk Management // Frontiers in Artificial Intelligence. 2020. No. 3. Art. e00026.

6. Филоненко Е. Поддержка клиентов и риск-менеджмент: как финучреждения Казахстана используют ИИ // Digital Business. 23 апреля 2024. URL: https://digitalbusiness.kz/2024-04-23/kak-finuchrezhdeniyakazahstana-ispolzuyut-ii/ (дата обращения: 14.10.2025)

7. Нуруллин Э. Токаев об ИИ: речь иде т о нашем суверенитете // Tengrinews. 1 октября 2025. URL: https://tengrinews.kz/kazakhstan_news/tokaev-ob-ii-rech-idt-o-nashem-suverenitete-582126/ (дата обращения: 14.10.2025)

8. Regulation (EU) 2024/1689 of the European Parliament and of the Council on harmonised rules on artificial intelligence. Artificial Intelligence Act. 2024.

9. Nakispekova A. Kazakhstan Sets Stage for AI Regulation with New Draft Law. // The Astana Times, 2025. URL: https://astanatimes.com/2025/06/kazakhstan-sets-stage-for-ai-regulation-with-new-draft-law/ (accessed: 14.10.2025)

10. Waltman L.R., van Eck N.J.P. Software survey: VOSviewer, a computer program for bibliometric mapping // Scientometrics. 2010. No 84(2). P. 523–538.

11. Aria M., Cuccurullo C. Bibliometrix: An R-tool for comprehensive science mapping analysis // Journal of Informetrics. 2017. No 11(4). P. 959–975.

12. Khan F.S., Mazhar S.S., Mazhar K. et al. Model-agnostic explainable artificial intelligence methods in finance: a systematic review // Artificial Intelligence Review. 2025. No. 58. P. 232.

13. Tian X., Tian Z., Khatib S.F.A., Wang Y. Machine learning in internet financial risk management: a systematic literature review // PLOS ONE. 2024. No. 19. Art. e0300195.

14. Sethi M., Bohra N.S., Johri A., Asif M. Emerging dimensions in Fintech: Insights from bibliometric analysis // Digital Business. 2025. No. 5. P. 100113.

15. Экономическое обозрение НБК: применение регулятором машинного обучения и искусственного интеллекта, анализ зарубежных инвестиций в РК. Национальный банк Республики Казахстан. – 2024. URL: https://www.nationalbank.kz/ru/news/informacionnye-soobshcheniya/16417 (дата обращения: 15.10.2025)

16. Регулятивное руководство по использованию искусственного интеллекта в AIFC. Astana International Financial Centre. – 2024. URL: https://aifc.kz/wp-content/uploads/2024/10/regulatory-guidanceon-using-ai-in-the-aifc-2024.pdf (дата обращения: 15.10.2025)

17. Токаев поручил создать исследовательский университет в области искусственного интеллекта // Informburo.kz 1 октября 2025. URL: https://informburo.kz/novosti/tokaev-porucil-sozdat-issledovatelskiiuniversitet-v-oblasti-ii (дата обращения: 15.10.2025)

18. Transforming Paradigms: A Global AI in Financial Services Survey. Cambridge Centre for Alternative Finance. World Economic Forum. 2020. URL: https://www3.weforum.org/docs/WEF_AI_in_Financial_Services_Survey.pdf (accessed: 15.10.2025)

19. Scopus User Guide // Quick Reference. Analyze search results. Elsevier, 2025. URL: https://supportcontent.elsevier.com/RightNow%20Next%20Gen/Scopus/Files/Scopus_User_Guide.pdf (accessed:12.10.2025)

20. Page M.J., McKenzie J.E., Bossuyt P.M. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews // BMJ. 2021. No. 372. P. 71.

21. Kitchenham B. Procedures for Performing Systematic Reviews: Joint Technical Report TR/SE-0401 // Department of Computer Science. Keele University. National ICT Australia Ltd. Keele, UK. Sydney, NSW, Australia. 2004.

22. Kraus A., Küchenhoff H. Credit Scoring and the Optimization Concerning Area Under the Curve // University of Edinburgh Business School, Centre for Economic Research. 2017. URL: https://cer.businessschool.ed.ac.uk/wp-content/uploads/sites/55/2017/02/Credit-Scoring-and-the-Optimization-Concerning-AreaUnder-the-Curve-Anne-Kraus-and-Helmut-K%C3%BCchenhoff.pdf. (accessed:12.10.2025)