Искусственный интеллект в управлении финансовыми рисками: глобальные тренды, XAI и регуляторные подходы Казахстана

Интеграция методов искусственного интеллекта (ИИ) и машинного обучения (МО) в управлении финансовыми рисками ускоряется как глобально, так и в Казахстане. Эти технологии повышают точность прогнозирования и позволяют автоматизировать ключевые процессы, одновременно создавая вызовы для прозрачности моделей, этичности решений и регуляторного надзора. По данным Национального банка Республики Казахстан, около 31% финансовых организаций уже применяют ИИ, при этом среди банков второго уровня доля пользователей достигает 60%. В то же время лишь небольшая часть организаций интегрировала ИИ во все ключевые бизнес-функции, что свидетельствует о начальной стадии цифровой зрелости большинства участников рынка [1]. Настоящее исследование представляет систематический обзор литературы за 2015– 2025 гг., выполненный по принципам PRISMA, и объединяет международный опыт с казахстанским контекстом применения ИИ/МО к различным видам финансовых рисков (кредитным, рыночным, операционным, мошенничества/AML). Библиометрический и тематический анализ фиксируют резкий рост публикаций после 2015 г., распространение сложных архитектур (глубокие нейронные сети, ансамблевые методы) и возрастающее внимание к объяснимому ИИ (XAI). Выявлено, что современные алгоритмы МО обеспечивают существенные улучшения точности, скорости и надежности прогнозов по сравнению с традиционными подходами [2] при сохраняющихся ограничениях интерпретируемости и внедрения на уровне производственных систем. Практическая устойчивость решений требует применения практик MLOps (контроль версий, автоматизированный ввод программ или модели в рабочую среду, где ей реально пользуются бизнес-процессы, мониторинг и валидация моделей). Научная новизна статьи заключается в комплексной систематизации методов ИИ по видам финансовых рисков (кредитный, рыночный, операционный, мошенничество/AML) с учетом XAI, а также в разработке структурированной дорожной карты внедрения ИИ для банков и регуляторов. Практическая значимость заключается в наборе конкретных рекомендаций по развитию инфраструктуры данных, процессов управления модельным риском, XAI-инструментов и SupTech-решений, предназначенных для использования финансовыми организациями и надзорными органами Казахстана.

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)