ИИ-антифрод в Беларуси: как банки снижают риски

Конец декабря — пик цифровой активности: выплаты, подарки, онлайн-покупки, переводы «на стол» к праздникам. И ровно в этот момент мошенники обычно чувствуют себя увереннее всего. Поэтому новость о том, что белорусские банки усиливают антифрод-подходы и готовят единый стандарт на 2026 год, звучит не как бюрократическая формальность, а как ответ на реальную боль рынка.

Глава Нацбанка Роман Головченко прямо обозначил приоритет: кибермошенничество — самый актуальный риск, и часть атак удаётся пресекать за счёт автоматизированной обработки инцидентов и антифрод-систем. Для нашей серии «Як штучны інтэлект трансфармуе вытворчасць і прамысловасць у Беларусі» это важный сигнал: зрелые практики ИИ в банках — это не «отдельная история про финансы», а эталон того, как строится промышленная цифровая безопасность и управление рисками.

Банки в Беларуси фактически становятся полигоном, где отрабатываются подходы к данным, автоматизации и контролю качества решений. А затем эти же подходы мигрируют в производство: в логистику, закупки, расчёты с контрагентами, контроль доступа, внутренний аудит.

Что Нацбанк меняет в антифроде и почему это важно

Ключевой сдвиг — переход от разрозненных правил к стандартизации и лучшим практикам. По словам главы Нацбанка, сейчас антифрод-системы есть в каждом банке, но они работают по разным алгоритмам. В 2026 году планируется внедрение единого стандарта для антифрод-систем.

Это важно по двум причинам.

Во‑первых, мошенничество давно перестало быть «локальным». Сценарий может начаться в одном банке, продолжиться в другом, а вывод средств уйти через третий инструмент. Когда у участников рынка разные «правила тревоги», часть цепочек остаётся незамеченной.

Во‑вторых, стандартизация — это основа для ИИ. Машинное обучение, графовые модели и поведенческая аналитика работают лучше, когда:

• одинаково трактуются события (что считать подозрительной операцией);
• унифицированы признаки (feature set) и словари;
• понятно, какие решения допускаются автоматически, а какие требуют человека;
• есть единые метрики качества (ложноположительные, пропуски, время реакции).

Отдельно прозвучало, что регулятор готовит ещё один инструмент «кардинального характера» на программно-аппаратном уровне, но без анонса деталей. Сам факт такого заявления означает: борьба с мошенничеством закрепляется как инфраструктурная задача, а не «фича» мобильного приложения.

Как ИИ реально ловит мошенников: не магия, а дисциплина данных

ИИ в антифроде — это система раннего предупреждения, которая работает на скорости платежей. Традиционные правила (например, «сумма больше X», «страна другая») полезны, но мошенники умеют обходить шаблоны. Поэтому современный антифрод держится на комбинации подходов.

Поведенческая аналитика: когда «нормально» важнее суммы

Самый сильный признак риска — не размер перевода, а то, что операция не похожа на привычное поведение клиента. ИИ ловит такие отклонения по множеству сигналов:

• новое устройство/браузер или резкая смена географии;
• нетипичное время активности;
• необычная последовательность действий (например, сначала смена номера/пароля, затем крупный перевод);
• «дрожание» поведения: быстрые клики, копирование реквизитов, повторные попытки.

На практике это означает простую вещь: даже небольшая сумма может быть опасной, если контекст «ломается».

Графовые модели: поиск связей между «несвязанными» людьми

Мошенники редко действуют в одиночку: есть дропы, цепочки кошельков, перекладки между картами, повторяющиеся получатели. Графовый анализ помогает видеть структуру:

• один получатель получает деньги от десятков людей;
• совпадают устройства/адреса/поведенческие паттерны;
• цепочка переводов «размазывает» сумму за минуты.

В промышленности графовые подходы применяются почти так же: выявление аффилированности контрагентов, серые схемы в закупках, аномальные цепочки поставок.

Автоматизированная обработка инцидентов: скорость как фактор качества

Головченко отметил, что благодаря внедрённой системе автоматизированной обработки инцидентов удаётся пресекать большой объём транзакций, когда мошенники пытаются вывести деньги.

Смысл здесь в одном: время реакции измеряется минутами и секундами. Если процесс устроен так, что клиент приходит «слишком поздно», то даже идеальная модель не спасёт. Поэтому антифрод — это всегда связка:

• модели + правила;
• мониторинг + алерты;
• сценарии блокировки/паузы;
• понятные «ручные» процедуры для спорных случаев.

Единый стандарт антифрода: что он даст бизнесу и клиентам

Единый стандарт — это меньше «дырок» между банками и больше предсказуемости для рынка. Но у стандартизации есть важный побочный эффект: она повышает доверие к цифровым каналам.

Для клиентов это означает:

• меньше вероятности потерять деньги из‑за социальной инженерии;
• более понятные реакции банка (пауза, подтверждение, звонок);
• быстрее возврат к нормальному доступу после инцидента.

Для бизнеса — особенно производственного и экспортно-ориентированного — эффект ещё шире:

• безопаснее зарплатные проекты и выплаты подрядчикам;
• меньше рисков компрометации бухгалтерии и «подмены реквизитов»;
• проще масштабировать дистанционные финансовые операции.

Я сторонник жёсткой позиции: цифровизация без стандартизированной безопасности — это ускоритель проблем. Можно автоматизировать платежи, закупки, согласования. Но если не автоматизировать контроль рисков, цена ошибки растёт быстрее, чем эффективность.

Почему банковский ИИ — прямой мост к ИИ в промышленности Беларуси

Банки и заводы решают одну и ту же задачу: управляют потоками — денег, материалов, решений. Разница лишь в «носителе». Поэтому то, что Нацбанк двигает антифрод как системную функцию, полезно читать шире.

Цифровые процессы становятся общими для финансов и производства

Белорусская промышленность всё больше зависит от цифровых контуров:

• электронные закупки;
• интеграции ERP/CRM/склад;
• расчёты с поставщиками и логистикой;
• дистанционные сервисы для клиентов.

Каждый такой контур — точка атаки. А значит, навыки банковского антифрода (анализ аномалий, контроль доступа, мониторинг событий) легко переносятся в:

• предотвращение мошенничества в B2B-платежах;
• контроль корпоративных карт и командировочных расходов;
• выявление злоупотреблений на складе и в логистике;
• обнаружение «рисковых» изменений в справочниках (реквизиты, договоры, лимиты).

Антифрод как «контроль качества» управленческих решений

В нашей серии про ИИ в производстве мы часто говорим про компьютерное зрение и контроль качества продукции. Но есть ещё один слой — контроль качества решений.

Антифрод‑логика, по сути, отвечает на вопрос: «это действие похоже на нормальное или нет?» В производстве тот же вопрос задаётся к:

• списаниям материалов;
• корректировкам в техкартах;
• изменениям в графиках смен;
• отклонениям по нормам расхода энергии.

ИИ в этих задачах — не про красивые презентации. Он про снижение потерь.

Практический чек‑лист для компаний: как использовать банковский опыт

Лучший способ подготовиться к 2026 году — начать с процессов и данных, а не с покупки “коробочного ИИ”. Ниже — прикладной список, который я бы рекомендовал производственным и логистическим компаниям в Беларуси.

1. Картируйте финансовые сценарии риска

   • подмена реквизитов поставщика;
   • фишинг бухгалтерии;
   • несанкционированные платежи;
   • мошенничество с авансами.

2. Включите «паузы безопасности» в критические операции

   • подтверждение на втором канале;
   • лимиты по новым контрагентам;
   • задержка для операций вне типичных сценариев.

3. Соберите базовые сигналы для аналитики

   • кто и когда изменил реквизиты/лимиты;
   • какие устройства и роли используют доступ;
   • последовательность действий перед платежом.

4. Договоритесь о метриках, а не о “точности модели”

   • время реакции;
   • доля предотвращённых потерь;
   • стоимость ложных блокировок;
   • нагрузка на службу безопасности.

5. Подготовьте людей: инструкции важнее модели

   • сценарии звонков и верификации;
   • обучение против социальной инженерии;
   • правила эскалации в спорных случаях.

Если вам нужен ориентир: банки уже прошли этап «поставили систему — и забыли». Сейчас выигрывают те, кто выстроил цикл данные → модель → контроль качества → обновление.

Что будет дальше: 2026 как год “инфраструктурного” ИИ

Самое интересное в новости Нацбанка — не текущие блокировки, а курс на единый стандарт и новые инструменты на программно-аппаратном уровне. Это означает, что ИИ в финансовой безопасности закрепляется как инфраструктура. А инфраструктура со временем начинает обслуживать больше задач, чем планировалось.

Для Беларуси это логичная траектория: зрелые ИИ‑подходы сначала появляются там, где цена ошибки максимальна (платежи и мошенничество), а затем перетекают в производство и промышленность — в виде стандартов работы с данными, мониторинга, автоматизации контроля и управляемых рисков.

Если вы руководите производственной компанией, полезный вопрос на стыке 2025/2026 звучит так: какие потоки в вашем бизнесе уже цифровые — и где вы до сих пор полагаетесь только на “внимательность людей”?

Чем быстрее идут процессы, тем дороже становится человеческая задержка. ИИ хорош именно там, где скорость — это безопасность.

Если хотите, можем разобрать вашу ситуацию на практике: какие данные уже есть, где стоят основные риски и какой «антифрод‑подобный» контур даст самый быстрый эффект для финансов и операций.