AI Credit Scoring — ML-модель скоринга физлиц

Банк использовал rule-based скоринговую модель 5-летней давности, которая не учитывала современные паттерны поведения заёмщиков. Высокий уровень дефолтов и одновременно избыточная консервативность приводили к потерям: банк отклонял платёжеспособных клиентов и одобрял рискованных.

ITQuick разработал ML-модель кредитного скоринга на базе XGBoost с использованием расширенного набора признаков. Модель обучена на исторических данных банка и интегрирована в конвейер принятия решений через MLflow. Внедрение проведено поэтапно: параллельный запуск со старой системой, A/B-тестирование, постепенный переход на новую модель.

уровень дефолтов снизился на 14%, при этом одобрение заявок выросло на 8% без увеличения общего риска портфеля. Экономия для банка составила 34,2 млн ₽.