// 04 CASE · collection · light scene
кейс · AI в взыскании

AI-агент для взыскания, который повышает возврат на +3–5 п.п. и не нарушает 230-ФЗ

Для федеральной МФО с собственной коллекторской организацией разработали стратегию и концепцию MVP AI-агента для взыскания на ранней стадии (pre-collection). Комплаенс 230-ФЗ зашит в архитектуру, данные — в контуре РФ (152-ФЗ). На выходе — дорожная карта, финансовая модель и go/no-go критерии пилота.

Клиент
Федеральная МФО (ПКО)под NDA
Формат
Стратегия + MVP-концепция
Срок
~1 месяц
Целевой возврат
+3–5 п.п.
//01 ключевые цифры

Что заложено в концепцию агента

+3–5 п.п.
Целевой рост возврата (Recovery Rate)
целевой uplift на пилоте против контрольной группы 20% с идентичным профилем
0 нарушений
230-ФЗ (Legal Safety Score 100%)
Decision Policy Engine с лимитами и автоматический стоп — агент не может отправить сообщение с нарушением
≤4 сек
Ответ агента (p95)
целевая задержка в текстовом канале; точность по базе знаний — ≥85%

Команда strategai разработала для федеральной МФО с собственной коллекторской организацией стратегию и концепцию MVP AI-агента для взыскания на ранней стадии (pre-collection, 1–30 дней просрочки). Агент спроектирован compliant-by-design: Decision Policy Engine с лимитами 230-ФЗ и трёхуровневая фильтрация с Legal Safety Score на каждом сообщении. Данные — в контуре РФ (Yandex Cloud с миграцией on-prem, 152-ФЗ). На выходе — дорожная карта внедрения, финансовая модель и go/no-go критерии пилота: целевой рост возврата +3–5 п.п. при нуле нарушений 230-ФЗ.

//02 задача

Повысить возврат, не увеличив регуляторный риск

Взыскание на ранней стадии — это тысячи однотипных диалогов в день. Ручной обзвон операторами контакт-центра дорог и плохо масштабируется: рост нагрузки — это найм. При этом любое лишнее касание должника — риск нарушить 230-ФЗ (закон о взыскании): частота и время контактов жёстко ограничены, а нарушения — это штрафы и репутационные потери.

Мы работали как стратегический партнёр: не «внедрить модель», а сначала посчитать, где эффект и где риск — до старта разработки. Формат — консалтинг: диагностика, стратегия, дорожная карта и финансовая модель, зафиксированные на стратегической сессии с командой заказчика.

было

Ручной обзвон pre-collection операторами; масштабирование = найм; соответствие 230-ФЗ контролируется вручную, задним числом.

стало

Концепция AI-агента с автоматическим стопом по лимитам 230-ФЗ, дорожная карта и фин-модель — готовые под пилот с контрольной группой.

//03 как делали

Сквозная диагностика по шести блокам

Метод — диагностика инициативы по шести блокам. По каждому фиксируем: где заказчик сейчас, что нужно и чего это стоит. На выходе — единая дорожная карта и финансовая модель, а не набор разрозненных рекомендаций.

//блок 1
Стратегия и управление
ролевая модель, стримы, ответственные, целевые бизнес- и тех-метрики
//блок 2
Люди
кадровый ресурс по ролям, целевые компетенции, план найма и обучения
//блок 3
Процессы и безопасность
трансформация процессов Collection, ModelOps, соответствие 230-ФЗ и 152-ФЗ
//блок 4
Данные
источники, полнота и качество, DataOps, оценка подключения новых данных
//блок 5
Инфраструктура и модели
целевая архитектура, выбор LLM, подход к адаптации и дообучению
//блок 6
R&D
направления улучшений и их приоритизация по эффекту и реализуемости
//04 концепция MVP

Комплаенс зашит в архитектуру

Ядро концепции — конвейер, где каждое сообщение проходит контроль ещё до отправки должнику. Не модерация постфактум, а физическая невозможность нарушить лимит.

//01
Strategy Builder
ML-скоринг вероятности оплаты (PtP) и uplift: кому, когда и в каком канале писать
//02
Decision Policy Engine
жёсткие лимиты 230-ФЗ по частоте и времени контактов; автостоп при пороге
//03
LLM-агент
open-source модель (self-hosted): ответ на естественном языке, tool-use, длинный контекст
//04
RAG по регламентам
ответы по 230-ФЗ, шаблонам и политикам — со ссылкой на источник, без выдумок
//05
Фильтр + аудит
трёхуровневая проверка (промпт → валидатор → аудит-лог) и Legal Safety Score

Каналы — WhatsApp и Telegram; согласие должника на ИИ-коммуникацию фиксируется в стартовом сообщении (152-ФЗ). Контрольная группа 20% заложена на уровне сегментации — чтобы измерять честный uplift, а не совпадение. Данные и модель — в контуре РФ: старт на Yandex Cloud, целевая миграция on-prem без привязки к вендору (open-source LLM).

//05 go/no-go пилота

Пороги, по которым принимается решение о масштабировании

Эффект и безопасность доказываются на данных до промышленного внедрения. Пилот считается успешным только при одновременном выполнении всех порогов на управляемой выборке.

МетрикаЦелевой порогКак измеряем
Recovery Rate (30 дн.)+3–5 п.п.контрольная группа 20% с идентичным профилем
Self-cure Rate+2 п.п.погашение без оператора в течение 7 дней
Response Rate≥25%доля должников, вступивших в диалог
Legal Safety Score100%ни одного сообщения с нарушением 230-ФЗ
Время ответа (p95)≤4 секзадержка в текстовом канале
Точность по базе знаний≥85%500 тестовых вопросов по регламентам

Go/no-go: переход к промышленному внедрению — только при одновременном выполнении всех порогов на пилоте. Это принцип strategai: сначала доказать эффект и безопасность на данных, потом масштабировать.

В взыскании нельзя повышать возврат ценой риска 230-ФЗ. Поэтому комплаенс мы зашили в архитектуру: агент физически не может отправить сообщение, нарушающее лимит.Никита Худов, Управляющий партнёр /strategai
//06 результат

Пакет, с которым пилот стартует сразу

На выходе заказчик получил дорожную карту внедрения, финансовую модель проекта и концепцию MVP с готовыми go/no-go критериями — пакет, с которым пилот запускается без повторной стратегической проработки. Решение спроектировано на open-source модели с миграцией on-prem — без привязки к вендору и с данными в контуре РФ.

Дальше — пилот на управляемой выборке с контрольной группой и измерением финэффекта. Это и есть полный цикл strategai: стратегия → MVP → внедрение → финэффект.

//что почитать дальше

Кейсы и исследования

Все материалы

Много ручных операций и высокий регуляторный риск в вашем процессе?

Спроектируем AI-решение, которое считает эффект и риск до старта — и доказывает их на пилоте с контрольной группой. Под NDA, без обязательств.
Обсудить потенциал AI