AI rješenja za bankarstvo
Compliance-first scoring i real-time AML monitoring koji prolaze regulatorni audit i ubrzavaju odluke od minuta do milisekundi.
Operativni izazovi u industriji
- ● Regulatorna eksplikabilnost svake odluke - ECB i centralna banka BiH zahtijevaju SHAP-level obrazloženje za svaki odbijeni kredit, retroaktivno do 7 godina.
- ● Real-time AML monitoring na 1.500+ transakcija/sekundi bez blokiranja autorizacije plaćanja preko 200ms granice.
- ● Integracija sa legacy core banking sistemima (Temenos T24, Asseco) gdje API ugovori nisu standardizovani i COBOL slojevi ne podržavaju event streaming.
- ● Bias monitoring po protected groups (pol, godine, geografija, etnička pripadnost) sa automatskim alertima kada model drift prelazi 5% u 30-dnevnom prozoru.
- ● Audit trail za regulatora - immutable log svake odluke, modela, feature value i SHAP doprinosa, sa dokazom integriteta (hash chain) za 7 godina retencije.
Demo case studies
Compliant scoring engine sa explainability layerom za consumer i SME kredite
Banka srednje veličine sa portfeljom od 800M EUR i ~3.000 aplikacija mjesečno trebala je zamijeniti rule-based scorecard koji je underwriter manuelno ovjeravao. Postojeći sistem je generisao 38% false negatives (kvalitetni klijenti odbijeni) i nije imao SHAP eksplanacije, što je sprječavalo regulatornu validaciju.
Trebali smo izgraditi scoring engine koji daje odluku u manje od sekunde, sa potpunom explainability za regulatora i adverse action notice koji klijent dobija u roku od 24h. Model je morao biti pravičan po protected groups, sa kontinuiranim bias monitoringom. Champion-challenger A/B infrastruktura je morala omogućiti paralelni rad starog i novog modela bez rizika za production. Sve se moralo deployovati on-premise zbog data residency zahtjeva i integrisati sa CCKR (Centralni Kreditni Registar) i EBR podacima preko legacy SOAP API-ja.
Izgradili smo XGBoost ensemble model treniran na 5 godina internih i CCKR podataka, sa SHAP TreeExplainer slojem koji za svaku odluku računa per-feature doprinos i serijalizuje ga zajedno sa odlukom u immutable PostgreSQL audit tabelu sa hash-chained zapisima. FastAPI gateway servira inference uz gRPC pozive ka MLflow model registry-ju, a Kafka event sourcing snima cijeli decision flow (input features, model version, SHAP vrijednosti, odluku, override-e underwriter-a). Bias monitoring radi nightly job preko Aequitas biblioteke i alertira na Slack/email kada disparity prelazi konfigurisani prag. Champion-challenger infrastruktura koristi shadow mode (challenger vidi traffic ali ne donosi odluku) i postupni traffic shift preko feature flagova. Adverse action notice generator koristi top-3 negative SHAP doprinosa, mapira ih na regulatorne razloge odbijanja iz BiH zakona i generiše PDF kroz LaTeX template. Deployment je on-premise OpenShift sa Vault-om za secret rotation i ELK stack-om za centralizovane audit logove sa 7-godišnjom retencijom.
Python, XGBoost, SHAP, MLflow, FastAPI, PostgreSQL, Apache Kafka, Aequitas, OpenShift, HashiCorp Vault, ELK stack, LaTeX, CCKR SOAP integracija
Demo primjer baziran na stvarnoj inženjerskoj praksi. Identitet klijenta povjerljiv prema NDA.
Real-time AML transaction monitoring sa graph analytics-om i SAR auto-generacijom
Banka sa 1.2M aktivnih računa procesuirala je oko 1.500 transakcija/sekundi u peak satima. Postojeći AML sistem je radio batch overnight i generisao ~400 false positive alerta dnevno, što je stvaralo zaostatak od 3 sedmice u compliance timu. Detekcija struktuiranih transakcija (smurfing) i layering preko više računa bila je oslonjena na fiksne rule-based pragove koji su lako zaobilaženi.
Sistem je morao analizirati svaku transakciju u realnom vremenu sa sub-200ms scoring latencijom da ne blokira autorizaciju plaćanja. Trebali smo graph analytics nad cijelom mrežom računa i UBO (Ultimate Beneficial Ownership) lancima za detekciju klastera sumnjivog ponašanja. Sankcijska lista (OFAC, EU, UN) i PEP screening su morali raditi sa fuzzy matchingom za tolerisanje transliteracije ćirilice/latinice i različitih spelling varijanti. SAR (Suspicious Activity Report) izvještaji za regulatora morali su se auto-generisati sa kompletnim audit trailom, dokazima i graf vizuelizacijom.
Apache Flink streaming pipeline konzumira transakcije iz Kafka topic-a koji je hookovan na core banking (Temenos T24) preko CDC bridge-a. Svaka transakcija prolazi kroz tri sloja: (1) deterministička pravila (limiti, sankcijske liste sa Levenshtein fuzzy matchingom), (2) feature-based ML model (LightGBM treniran na 18 mjeseci historical SAR slučajeva), (3) graph-based GNN model (PyTorch Geometric) koji u Neo4j-u traži suspicious clustere - cycle detection, motif matching za smurfing patterne, beneficial ownership traversal do dubine 6 hops. Sankcijska lista se sinhronizuje 4x dnevno sa OFAC, EU i UN feedovima i indeksira u Elasticsearch sa phonetic analyzerima. ClickHouse drži aggregated metrike za behavioral baseline po računu (entity profiling). PEP detection koristi WorldCheck integraciju plus custom transliteracijski normalizer za bosanska imena. Kada agregirani score pređe prag, sistem automatski otvara case u compliance UI-ju sa snapshot-om grafa, top SHAP feature-ima i predloženim SAR template-om koji compliance officer samo verifikuje. Deployment je on-premise sa Vault-om za API ključeve i mTLS između servisa.
Apache Flink, Apache Kafka, Neo4j, PyTorch Geometric, DGL, LightGBM, Elasticsearch, ClickHouse, Python, Temenos T24 CDC, HashiCorp Vault, OFAC/EU/UN sankcijski feedovi, WorldCheck
Demo primjer baziran na stvarnoj inženjerskoj praksi. Identitet klijenta povjerljiv prema NDA.
Tehnologije koje koristimo
Kako radimo
Discovery
Compliance review postojećih modela, mapiranje regulatornog okvira (Basel III/IV, AML/CFT, FATF, GDPR, PSD2, ECB SREP), tehnički audit core banking integracija i identifikacija data gaps u CCKR i internim sistemima.
Pilot
Shadow deployment na 10-15% production traffica sa champion-challenger setupom. Validacija modela na holdout setu koji compliance tim ručno pregleda. Bias i fairness audit prije produkcije.
Implementacija
On-premise deployment na Kubernetes/OpenShift, integracija sa core banking-om preko Kafka CDC bridge-a, postavljanje Vault-a, ELK audit pipeline-a i MLflow model registry-ja sa formalnim model approval workflow-om.
Operacija
Kontinuirano model monitoring (drift, bias, performance), kvartalni model retraining sa A/B validacijom, regulatorni reporting paket (model cards, SHAP samples, fairness metrics) i 24/7 SRE on-call za AML pipeline.
Razgovarajmo o pilotu za vašu firmu
Discovery sesija je 60 minuta - razumijemo vaš problem i predlažemo konkretan pilot pristup.
Kontaktirajte nas