Научное исследование принято на конференцию The ACM Web Conference 2026 (WWW ’26) с рейтингом A*. Подготовку статьи лидировали научный директор Центра практического искусственного интеллекта Сбербанка Андрей Савченко и руководитель группы «ИИ в промышленности» Института AIRI Илья Макаров.
Главный результат работы — искусственный интеллект теперь анализирует не изолированные действия человека, а всю совокупность его цифровых связей, что, например, позволяет точнее выявлять признаки мошенничества, определять характеристики клиента, предсказывать отток, готовить персонализированные рекомендации банковских продуктов.
Современные цифровые сервисы ежедневно обрабатывают колоссальные объёмы данных о действиях пользователей, однако традиционные модели часто рассматривают каждого клиента по отдельности, упуская из виду критически важную информацию. Российские учёные доказали: для высокой точности прогнозов необходимо учитывать не только последовательность шагов человека, но и его скрытые связи с товарами, категориями и, что особенно важно, с другими людьми.
Предложенный подход органично объединяет модели последовательностей событий с графовыми данными. Это открывает новые возможности сразу в нескольких областях: выявление мошенничества, совершенствование рекомендательных систем, скоринг и поведенческая аналитика. Технология успешно прошла испытания на четырёх крупных массивах данных из финансовой сферы и электронной коммерции, стабильно повышая качество работы моделей. Максимальный зафиксированный прирост точности по показателю AUC составил 2,3%.
Сергей Рябов, старший управляющий директор, директор по AI-трансформации Сбербанка:
«Эта разработка принесёт пользу каждому человеку, который пользуется маркетплейсами, онлайн-платформами и другими цифровыми площадками. Решение поможет сделать сервисы безопаснее, удобнее и точнее для людей. Для банков и финтех-компаний это способ поможет точнее выявлять мошенничество и оценивать риски. Для электронной коммерции и цифровых платформ — лучше понимать интересы пользователей, делая рекомендации и персональные предложения действительно полезными. Для науки эта работа демонстрирует, что сочетание контрастивных методов обучения с графовыми представлениями позволяет создавать гораздо более информативные модели поведения. Если раньше ИИ анализировал "одинокого" клиента, то теперь он видит картину целиком. Это означает качественно новый уровень безопасности».