 |
Как контролировать эффективность ИИ в банке? GMONIT рассказали на FINNEXT 2026

В этом году мероприятие собрало более 600 участников и включило около 50 докладов. Специалисты делились идеями, как финтех-рынку расти в условиях низкой маржи и жесткой конкуренции, искать новые точки роста внутри страны и на Глобальном Юге. Кроме того, эксперты обсудили оптимизацию платежного процесса и переход к автономным ИИ-системам. Если в прошлые годы участники конференции говорили преимущественно о внедрении технологий, то в этом году фокус сместился на главный вопрос — какую бизнес-ценность приносит искусственный интеллект.
Директор по развитию GMONIT Алексей Хамидуллин выступил с докладом и рассказал, как контролировать эффективность ИИ-ассистентов и использовать observability-подход для измерения результата, рисков и ROI. Участники узнали, по каким показателям компании могут оценивать фактический эффект внедрения помощников: снижение расходов, рост продаж и повышение управляемости процессов.
Особое внимание спикер уделил наблюдаемости (observability) искусственного интеллекта и тому, как подход помогает отслеживать доступность сервисов, время отклика, возникающие ошибки и нагрузку на ИИ-компоненты.
Алексей подчеркнул, что ключевое преимущество современных платформ наблюдаемости — связка технических и бизнес-показателей в едином контуре. Например, решение GMONIT использует сквозные трассировки для сбора данных на разных уровнях взаимодействия клиента с финансовой организацией и отображает их в понятных дашбордах, которые отображают бизнес-процессы в режиме реального времени.
FINNEXT 2026 стал центром обмена опытом и практических идей для специалистов финансового сектора и смежных отраслей. На форуме неоднократно поднимался вопрос необходимости объективной оценки эффективности внедряемых технологий, их влияния на клиентский опыт и стоимости использования. В решении этих задач могут помочь инструменты класса observability, такие как платформа GMONIT.
Контактное лицо: Отдел маркетинга
Компания: GMONIT
Добавлен: 21:24, 08.04.2026
Количество просмотров: 543
Страна: Россия
| Транспортные документы от Платформы ЭПД можно будет подписать в смартфоне, Платформа ОФД, 17:06, 17.08.2026, Россия625 |
| «Платформа ОФД» присоединилась к соглашению Минцифры России о развитии и внедрении мобильной электронной подписи «Госключ». Сотрудничество направлено на проработку новых сценариев использования сервиса, обмен технологической экспертизой и поддержку интеграции в продукты электронного документооборота. |
| UDV Group: банки столкнутся с ИБ-рисками из-за нейросетей без правил, UDV Group, 17:04, 17.08.2026, Россия615 |
| Российский разработчик решений в области киберустойчивости UDV Group прокомментировал рекомендации Банка России по безопасному использованию искусственного интеллекта финансовыми организациями. По оценке эксперта компании, ИИ постепенно становится для банков не только инструментом автоматизации, но и отдельным объектом управления информационной безопасностью. |
| ActiveCloud запустил в России услугу частного облака, ActiveCloud, 20:34, 16.08.2026, Россия693 |
| Облачный провайдер ActiveCloud запустил в России услугу частного облака для размещения критически важных систем, ресурсоемких приложений и инфраструктуры с повышенными требованиями к безопасности. |
| «НОБИЛИС» ПРЕДСТАВИТ ЦИФРОВУЮ ЭКСПЕРТИЗУ В СФЕРЕ КОРПОРАТИВНОГО ЗДОРОВЬЯ НА ВНОТ-2026, Нобилис ООО, 14:07, 14.08.2026, Россия794 |  |
| ООО «Нобилис», разработчик российской платформы управления корпоративным здоровьем TouchMED, объявляет об участии в ключевом отраслевом событии - XI Всероссийской неделе охраны труда (ВНОТ-2026). В фокусе презентации компании - практические инструменты цифровизации медосмотров, в том числе профилактических и предиктивной аналитики для снижения операционных рисков и повышения эффективности персонала. |
| Nexign: российский бизнес не спешит использовать ИИ для поиска аномалий, Nexign, 14:03, 14.08.2026, Россия136 |  |
| Почти 80% российских компаний уже применяют инструменты мониторинга своей ИТ-инфраструктуры, но лишь каждая шестая использует модели машинного обучения для обнаружения аномалий. Мешают нехватка внутренней экспертизы, низкое качество данных и сложность подсчета окупаемости инвестиций. |
|
 |