Проект «Лента быстрых переводов по номеру телефона с предсказанием релевантного получателя, способа перевода, банка и суммы перевода» обслуживает около 75 млн клиентов ежемесячно, обеспечивая 80% успешных переводов. Для клиентов сервис ускоряет и упрощает переводы благодаря персонализации, а для банка — повышает конверсию и лояльность, снижая риски отказа.

В основе — ML-модели, предсказывающие четыре ключевых параметра перевода (получатель, банк, способ и сумма). Модели интегрированы в UI мобильного приложения и прошли тестирование под высокой нагрузкой.

Сейчас более 5,4 млн переводов ежемесячно совершаются с полностью предзаполненными данными. Проект демонстрирует, как глубокая интеграция ML переосмысливает клиентский опыт, предугадывая потребности пользователя. Успех обеспечен тесным сотрудничеством бизнес- и ML-команд и использованием отечественного технологического стека.

GigaChat — российская нейросетевая модель от Сбера, предназначенная для эффективного решения бизнес-задач. Сервис позволяет оптимизировать обработку текстов, проводить глубокий анализ больших объемов данных, создавать качественный контент, автоматизировать рутинные операции и повышать качество обслуживания клиентов.

Благодаря возможностям GigaChat компания может модернизировать существующие решения и разрабатывать инновационные продукты на основе технологий генеративного искусственного интеллекта (GenAI). Линейка моделей GigaChat (MAX, Pro, Lite) доступна как в облаке, так и в инфраструктуре предприятия («контур заказчика»), обеспечивая максимальную защиту и конфиденциальность корпоративной информации.

Проект «Оплата улыбкой» предлагает уникальную бесконтактную оплату с помощью биометрической идентификации лица. После ухода иностранных сервисов интерес к бесконтактным платежам остался, и Сбербанк создал технологию с высокой безопасностью: оплата по биометрии невозможна кражей или подделкой, а для подтверждения вводится PIN при неправильном распознавании.

Сервис обрабатывает транзакции менее чем за 5 секунд с точностью 99,9%, работает без карты и телефона, благодаря развитию терминальной инфраструктуры.
Команда разработчиков провела тестирование системы с масками, париками и разными условиями освещения, разработала экономичную технологию распознавания реальных лиц по двумерному изображению, эффективно защищающую от подделок.
Проект успешно запущен с аудиторией свыше 1,3 млн пользователей и продолжает расти.

Если у вас остались вопросы — напишите нам на почту support@future-hub.io

Вы получили это письмо, потому что регистрировались на нашем сайте, в боте или принимали участие в прошлых мероприятиях

Не получать письма от REFORUM