Московская биржа внедряет ИИ-комплаенс Мосбиржи для поиска сделок с признаками манипулирования рынком и инсайдерской торговли. Для IT-аудитории здесь важна не только сама новость, но и сценарий применения: алгоритмы теперь заходят в одну из самых чувствительных зон финтеха, где ошибка стоит дорого, а ручная проверка давно уперлась в потолок.
О запуске нового инструментария сообщает Habr / Новости. По сути, речь идет не о красивом чат-боте для презентаций, а о рабочем слое внутри комплаенс-процессов: система должна участвовать во всем цикле проверки, от первичного скрининга подозрительных операций до помощи в сборе материалов для дальнейшего разбирательства.
Что именно запускает биржа
В опубликованном сообщении Московская биржа описывает ИИ-инструментарий как часть расследований по операциям с признаками манипуляций и инсайда. Старший управляющий директор по комплаенсу и этике бизнеса Мосбиржи Ирина Грекова говорит о горизонте в один-два года, за который глубокая автоматизация должна высвободить ресурсы экспертов. Логика понятна: машины забирают рутину, люди переключаются на сложные схемы, где мало просто найти аномалию, нужно еще восстановить цепочку событий и доказать умысел.
Для рынка это важная формулировка. Регуляторные и комплаенс-системы обычно автоматизируют либо мониторинг, либо отчетность. Здесь акцент сделан на полном маршруте расследования. То есть ИИ-комплаенс Мосбиржи претендует не просто на роль еще одного фильтра в очереди событий, а на роль инструмента, который помогает разбирать кейс дальше: подсветить подозрительные связи, ускорить отбор эпизодов и, вероятно, сократить время между обнаружением схемы и реакцией на нее. Для инфраструктурной площадки такого масштаба это уже не лабораторный эксперимент.
Биржа приводит и вполне земной пример того, зачем все это нужно. В одном из кейсов сеть телеграм-каналов с публичными инвестиционными рекомендациями была связана с более чем 55 тысячами операций с акциями и депозитарными расписками 19 крупных российских компаний. Именно такие распределенные, массовые и внешне «шумные» истории особенно тяжело разбирать вручную. Если схема завязана на публичные сигналы, десятки аккаунтов, повторяющиеся паттерны поведения и короткие временные окна, аналитикам нужен не просто опыт, а инструменты, которые умеют быстро связывать разрозненные следы.
И тут начинается самое интересное для разработчиков и архитекторов данных. В подобных системах ценность создает не сам факт использования ИИ, а качество входного контура: полнота торговых данных, нормализация событий, разметка кейсов, связка с внешними источниками, контроль ложноположительных срабатываний. Любой, кто строил антифрод или anomaly detection в банке, маркетплейсе или adtech, узнает знакомую картину. Модель может отлично выглядеть на слайде и провалиться в проде, если у нее нет нормального пайплайна сигналов, объяснимости и внятной процедуры эскалации на человека.
Почему биржа делает это сейчас
Новость хорошо ложится в более широкий тренд: финансовый сектор перестал относиться к ИИ как к витринной технологии. Московская биржа уже тестировала торги с участием ИИ-агентов и заявляла о планах по фьючерсам на ETF, ориентированные на полупроводники и ИИ. На этом фоне перенос ИИ в комплаенс выглядит даже более логичным, чем очередной продукт для инвесторов. Торговые интерфейсы и аналитические подсказки приносят маркетинговый эффект, но именно контроль и расследования дают инфраструктуре шанс масштабироваться без бесконечного роста ручной команды.
Есть и другой фактор: рынок становится розничнее, а значит, шумнее. По оценке ВТБ, к 2026 году частные инвесторы могут составить 34% взрослого населения России. Чем больше на рынке людей, которые принимают решения по сигналам из соцсетей, телеграм-каналов и полуавтоматических рекомендаций, тем выше нагрузка на системы, которые должны отличать обычную волну интереса к бумаге от скоординированной схемы раскачки. На словах это звучит просто, на практике граница тонкая: публичный совет сам по себе не преступление, а вот массовые действия вокруг него уже могут стать предметом расследования.
С технической стороны это еще и интересный сдвиг в требованиях к финтех-разработке. Если раньше в таких задачах хватало rule-based мониторинга и набора жестких триггеров, теперь явно растет спрос на гибридный стек: классические правила, модели для поиска аномалий, графовый анализ связей, обработка неструктурированных источников, а затем слой объяснений для комплаенса и юристов. Иначе система будет либо пропускать сложные схемы, либо заваливать команду фальшивыми алармами. Второй вариант тоже плох: перегруженный аналитик начинает относиться к сигналам как к фоновому шуму, а это прямой путь к пропущенным инцидентам.
Для бизнеса здесь тоже есть прикладной вывод. ИИ в чувствительных процессах перестает быть историей только про сокращение издержек. В комплаенсе ключевая метрика не в том, сколько человек удалось заменить, а в том, насколько быстрее и точнее компания может выявлять риск, документировать его и запускать меры воздействия. Если Мосбирже удастся действительно нарастить число расследований и сократить сроки, этот кейс быстро станет аргументом для банков, брокеров и крупных платформ, у которых есть собственные зоны регуляторного контроля.
Но есть и неудобная сторона. Чем активнее рынок вооружается ИИ для анализа и советов, тем выше шанс, что те же технологии будут использоваться и по другую сторону баррикад: для упаковки сигналов, маскировки паттернов, автоматизации сеток рекомендаций, создания правдоподобного информационного шума. Получается гонка инструментов, где одной стороне нужен хороший детектор, а другой уже достаточно дешевого генератора контента и дисциплинированной схемы исполнения сделок. Поэтому главная интрига не в самом факте запуска, а в том, сможет ли ИИ-комплаенс Мосбиржи работать не как витрина про цифровую трансформацию, а как реальная система раннего обнаружения в среде, где манипуляции тоже становятся технологичнее.