← Все статьи
ИИ на практике · Пример решения · Проверка клиентов
Сценарии автоматизации

Пять проверок клиентов и компаний с ИИ: прототип AWS KYC/KYB

AWS показала прототип проверки клиентов и компаний: программа получает сведения из документов и реестров, ИИ сопоставляет их и готовит выводы, а аналитик принимает решение. Разбираем пять отдельных проверок, их ограничения и результаты, которые сообщает AWS.

Источник
AWS for Industries
Сценарий применения
Проверка физических лиц (KYC) и компаний (KYB)
Дата публикации источника
11 сентября 2026
Тип решения
Прототип для проверки идеи
Проверка клиента · факты → анализ → решение аналитика
01 / факты Документы + реестры
02 / анализ ИИ для отдельных проверок
03 / подтверждения Правила + история проверок
04 / решение Решает аналитик
01

Сложнее всего проверить владельцев компании и происхождение денег

Перед началом обслуживания банк проверяет клиента: физическое лицо (KYC) или компанию (KYB). Во время дальнейшей работы проверку повторяют. По описанию AWS, обычных клиентов и малый бизнес часто можно проверить по заранее заданным правилам. Сложные случаи требуют анализа: кто владеет компанией, откуда получены деньги, есть ли публикации о возможных нарушениях или совпадения с санкционными списками. Для этого аналитик сравнивает документы, реестры и открытые источники. Источник

На сложный случай опытный аналитик может потратить несколько дней. Он собирает сведения, сравнивает их и проверяет, объясняют ли они ситуацию клиента. Источник

ИИ может подготовить сведения и выводы для проверки. Аналитик оценивает их обоснованность и отвечает за окончательное решение.
02

Пять отдельных проверок помогают аналитику оценить клиента

AWS создала демонстрационный прототип, в котором для одного клиента предусмотрено пять отдельных проверок. В каждой работают ИИ-агенты — программы с отдельными задачами: найти сведения, сопоставить их или проверить вывод. У каждой проверки свои источники, правила оценки качества и история действий. Аналитик видит результаты на общей панели и принимает решение. Для демонстрации AWS использует синтетические, то есть искусственно созданные, данные. Источник

Проверка негативных публикаций

Ищет публикации по заданным темам, объединяет найденные сведения и применяет правила организации. Итоговый статус показывает, найдены ли проблемы, достаточно ли сведений и нужна ли проверка сотрудника.

Санкционная проверка

Проверяет похожие имена и названия в санкционных списках. Второй агент оценивает, подтверждён ли вывод первого, прежде чем проверка продолжится.

Проверка данных компании

Сверяет заявленные клиентом сведения с реестрами компаний, сайтами и другими подтверждающими материалами.

Анализ структуры компании

Выясняет, кому принадлежит компания, кто ею руководит и кто является конечным владельцем. Затем проверяет, есть ли необходимые документы.

Происхождение состояния

Проверяет объяснение клиента о происхождении состояния. Для этого сопоставляет деятельность компании, финансовые документы, отраслевые риски и заявленные источники денег.

03

Сведения из документов извлекают один раз и используют во всех проверках

Сначала система извлекает сведения из документов и сохраняет их в JSON — формате для обмена данными между программами. Этими сведениями пользуются все пять проверок, поэтому повторно извлекать их из документов не нужно. Во время проверки агент обращается к базе знаний за нужным правилом организации. Источник

Порядок запуска проверок задаёт программа. По описанию AWS, ИИ не может самостоятельно одобрить дело. Система отдельно сохраняет выводы, выполненные действия и текущий статус, чтобы аналитик мог восстановить ход проверки. Источник

01 Документы Извлечь данные один раз
02 Общие сведения Одни данные для всех проверок
03 Проверки клиента Пять отдельных задач
04 Поиск правил в базе знаний Получение актуальных правил
05 Подтверждения и выводы Сводка для аналитика
06 Передача на рассмотрение Без замечаний / нужна проверка / мало данных
07 Решение человека Окончательное решение аналитика
04

Программа, ИИ и аналитик выполняют разные задачи

01 / ФАКТЫ

Однозначные проверки выполняет программа

Программа получает запись из реестра, рассчитывает доли владельцев или находит значение в справочнике. AWS поручает ей такие однозначные операции. ИИ используют для сопоставления сведений из разных источников и анализа их смысла. Источник

02 / СПЕЦИАЛИЗАЦИЯ

Каждому агенту поручена одна задача

Проверка санкций и проверка происхождения денег требуют разных источников и способов анализа. Поэтому AWS поручила пять задач KYC/KYB отдельным агентам. По оценке компании, такое разделение работает лучше, чем один агент, которому поручили все задачи сразу. Источник

03 / РАЗДЕЛЕНИЕ ЗАДАЧ

Сбором данных и их оценкой занимаются разные агенты

Одни агенты ищут сведения, другие оценивают их. При передаче между этапами система проверяет формат данных. Это помогает заметить неподходящие или неверно оформленные материалы до того, как они повлияют на вывод. Источник

04 / ОГРАНИЧЕНИЕ ДОСТУПА

Агент получает только нужные ему инструменты

Агент получает только инструменты, разрешённые для его задачи. Если программа уже собрала материалы для анализа, ему не дают дополнительных инструментов для поиска или других действий. Источник

05

AWS сообщает об ускорении проверок в прототипе и в одном банке

Первые два показателя относятся к запускам демонстрационной системы AWS. Третий описывает отдельное внедрение в европейском банке, название которого не раскрыто. Результаты сообщает AWS; M2B2 не проверяла их независимо.
Поиск негативных публикаций
30 → 3 МИН

По данным AWS, параллельный поиск несколькими агентами занял около 3 минут. На сопоставимый ручной поиск негативных публикаций уходило примерно 30 минут.

Демонстрационная система · по данным AWS
Проверка человеком
5 МИН

В примере AWS сотрудник тратит около пяти минут на проверку подготовленной рекомендации по негативным публикациям. Подробная ручная проверка занимала примерно 45–60 минут.

Подготовленные материалы → проверка экспертом
Внедрение в банке
< 2 ЧАСОВ

По данным AWS, крупный европейский банк совместно со специалистами AWS сократил повторную комплексную проверку клиента с нескольких дней работы аналитика до менее двух часов на дело. Название банка в статье не указано.

Банк не назван · по данным AWS
06

Окончательное решение всегда остаётся за аналитиком

В модели AWS агенты готовят рекомендации, а люди принимают решения. Например, один агент изучает совпадение с санкционным списком, другой проверяет обоснование. Если оно не проходит проверку, материалы передают человеку. При поиске негативных публикаций статус дела определяется фиксированной таблицей решений; ИИ не выдаёт окончательное одобрение. Источник

Перед постоянным использованием AWS рекомендует проверить систему на делах с уже известным результатом. Затем некоторое время вести обычную проверку и проверку с ИИ параллельно, сравнивать ответы с решениями специалистов. После запуска нужно следить за затратами и распределением итоговых статусов: сколько дел прошло без замечаний, сколько передано человеку и сколько осталось без достаточных данных. Источник

Чтобы аналитик мог проверить рекомендацию, система должна показывать вывод вместе с подтверждающими материалами. Тогда он сможет оценить доводы по источникам.
07

Факты → подтверждения → анализ → правила → проверка → решение человека

01 Факты
02 Подтверждения
03 Анализ
04 Правила
05 Проверить
06 Решает человек
Проверка договоров

Прочитать данные договора → поручить ИИ отдельные проверки → найти нужные правила → собрать выводы → передать спорные пункты юристу или ответственному сотруднику.

Проверка технического соответствия

Определить требования → найти подтверждающие документы → выполнить отдельные проверки → показать противоречия и недостающие сведения → передать эксперту для решения.

Комплексная проверка поставщиков

Получить сведения из реестров → проверить владельцев, санкции и публикации → собрать подтверждения → передать закупщику или специалисту по проверкам.

Контроль качества предложений

Получить факты из утверждённых источников → отдельно проверить техническую, коммерческую и правовую часть → проверить выводы → передать сотруднику для одобрения.

08

Каждый шаг можно объяснить и проверить

Независимый анализ
Для каждого этапа нужно заранее задать условия передачи дела аналитику.

В прототипе AWS программа выполняет расчёты и проверки по однозначным правилам. ИИ-агенты отдельно собирают сведения, анализируют их и проверяют выводы друг друга. Аналитик оценивает подготовленные материалы и принимает окончательное решение.

Так можно проверить каждый этап: откуда взят факт, чем подтверждён вывод и какое правило применено. Специализация ограничивает задачу каждого агента, а отдельная проверка помогает заметить ошибки до принятия решения.

Тот же порядок можно рассмотреть для проверки поставщика, договора или технического предложения. Это возможные применения подхода: в каждой из этих задач нужно собрать сведения, применить обязательные правила и передать спорные вопросы специалисту.

09

Что выяснить перед автоматизацией проверки

01 / ТОЧНЫЕ АЛГОРИТМЫ

Какие проверки можно выполнить по точным правилам, без ИИ?

02 / АНАЛИЗ

Где нужно сравнить документы и разобраться в неоднозначных сведениях?

03 / ГРАНИЦЫ

Как разделить поиск сведений, их анализ и проверку ответа?

04 / РЕШЕНИЕ

Какое решение должно остаться за ответственным специалистом?

10

ИИ для проверки соблюдения требований и аудита

Практическая автоматизация с ИИ

Специалисты долго собирают документы перед проверкой?

Расскажите, какие документы команда собирает и что проверяет вручную. Вместе опишем этапы, определим задачи для обычной программы и ИИ и заранее установим, что проверяет специалист и какие решения остаются за ним.

Источник и пояснения

Независимый разбор команды M2B2 по публикации AWS от 11 сентября 2026 года. M2B2 не участвовала в разработке. AWS показывает прототип проверки клиентов и компаний на искусственно созданных данных. Результат европейского банка, название которого не раскрыто, приведён со слов AWS и не проверен M2B2 независимо. Материал не заменяет юридическую консультацию и проверку обязательных требований специалистом.