Национальная платежная корпорация Индии (NPCI) представила банковскую финансовую модель «FiMi Banking». Разработчики позиционируют новинку как «суверенную компактную модель», предназначенную для применения в сфере розничного банкинга внутри страны. Одновременно с запуском корпорация опубликовала ориентиры, оценочные наборы и техническую документацию, которые используются для проверки производительности банковских агентов на базе искусственного интеллекта.
Известно, что в дальнейшем NPCI будет сотрудничать с «HDFC Bank» для совершенствования этого решения. Партнерство объединит технологическую базу корпорации с обширным опытом банка во внедрении искусственного интеллекта. Модель «FiMi Banking» прошла специальное обучение для выполнения задач индийского розничного банкинга. Она призвана справляться со сложными поручениями, требующими обработки длинных контекстов в рамках действующих банковских правил и систем.
В основе новинки лежит открытая архитектура «Gemma» от корпорации «Google», которую индийские специалисты дополнительно обучили на сценариях местного розничного банкинга. Представители NPCI подчеркивают, что модель нацелена именно на выполнение конкретных действий в банковской среде. Искусственный интеллект должен уметь рассуждать, использовать инструменты и совершать операции, а не просто отвечать на запросы клиентов.
Выпущенный пакет включает открытую систему оценки, позволяющую разработчикам, банкам, финтех-компаниям и исследователям тестировать своих ИИ-агентов на стандартизированных сценариях. Все тесты опираются исключительно на синтетические данные и не содержат реальной информации о клиентах, их счетах или учреждениях. В сопровождающем техническом отчете подробно описаны структура оценки, методы подсчета баллов и результаты, что позволяет другим специалистам использовать этот опыт в своей работе.
Вместе с моделью были выпущены два специализированных инструмента тестирования: «IndicBank Bench» и «Tau Agentic Banking Benchmark». Первый включает 799 скриптовых тестовых сценариев, охватывающих основные направления розничного банковского обслуживания, и оценивает агентов по параметрам безопасности, действий и уместности ответов. Второй содержит тысячу задач и построен на базе системы двойного моделирования, где другая модель играет роль клиента, что позволяет тестировать ИИ в условиях динамичного многоэтапного диалога.
