«Альфа-Капитал» получил две награды REXAwards 2026
Управляющая компания «Альфа-Капитал» стала обладателем двух наград Russian Employee Experience Awards 2026. Компания получила золото в номинации «Лучшая ИИ-экосистема1 для сотрудников», а программа обучения «Инвестиционный консультант» была отмечена серебром в номинации «Лучший инструмент для обучения и развития сотрудников».
«Альфа-Капитал» последовательно интегрирует искусственный интеллект в рабочие процессы. Сегодня экосистема компании объединяет более 20 взаимосвязанных ИИ-сервисов для работы с клиентами и решения внутренних задач. Сотрудники используют корпоративную платформу «Альфа-Чат», а также специализированных ИИ-помощников для работы с документами, подготовки текстов, анализа встреч и поиска информации в корпоративных базах знаний.
Для разных профессиональных задач созданы отдельные инструменты. ИИ-суфлер помогает операторам контакт-центра готовить ответы клиентам. Инвестиционные консультанты используют искусственный интеллект при подготовке к встречам, а также для поиска и систематизации информации о продуктах. Руководителям доступны аналитические отчеты о работе команд, а специалисты контакт-центра получают персональную обратную связь на основе диалогов с клиентами.
Программа «Инвестиционный консультант» формирует единый стандарт профессиональной подготовки специалистов. Она охватывает финансовые рынки, инвестиционные инструменты, продукты компании и практику работы с клиентами. Онлайн-курсы объединяют короткие видео, учебные материалы, аудио и тестирование. Участники проходят обучение по индивидуальным дорожным картам при поддержке наставников и HR-кураторов2, поэтапно подтверждая знания сертификатами.
В развитии обоих проектов активно участвуют сами сотрудники: они предлагают идеи, тестируют решения, помогают адаптировать инструменты к реальным рабочим задачам, а эксперты разных подразделений участвуют в создании учебной программы и передают коллегам практический опыт. Такой подход объединяет инициативу команд, обучение и поддержку со стороны руководства.
«Мы пересобираем рабочие места с учетом того, что рядом с человеком теперь есть ИИ-помощник. Для меня главный результат — когда у консультанта появляется больше времени на клиента, а у руководителя — на работу с командой. Особенно ценно, что сотрудники сами предлагают идеи и участвуют в создании инструментов: они лучше всех знают, на что уходит время и что можно улучшить. Эта награда — заслуга нашей команды, которая сделала ИИ частью повседневной работы. Наш принцип остается прежним: искусственный интеллект усиливает человека, а профессиональное суждение, финальное решение и ответственность остаются за специалистом», — отметил Антон Граборов, руководитель блока «Цифровой бизнес» УК «Альфа-Капитал».
Russian Employee Experience Awards, или Международная премия по цифровому опыту сотрудников REXAwards, — профессиональная премия России, посвященная цифровому опыту сотрудников. В состав жюри вошли более 30 российских экспертов и практиков с опытом более 15 лет в развитии цифровых сервисов, опыта сотрудников, внутренних коммуникаций и HR Tech3.
1 ИИ — искусственный интеллект.
2 HR (с англ. Human Resources) — управление персоналом.
3 HR Tech (с англ. Human Resources Technology) — технологии для управления персоналом.
ББР Банк помогает бизнесу получить отсрочку платежа до 120 дней
ББР Банк совместно с партнером запустил новый инструмент финансирования внешнеэкономической деятельности. Теперь импортеры могут закупать товары в Китае с отсрочкой платежа на 90–120 дней за счет ресурсов китайского поставщика.
Банк выступает проводником и интегратором этого решения, помогая получить доступ к государственной системе экспортно–кредитного страхования Китая. Совместно с партнером он структурирует сделку без оформления кредитного договора, поручительств или залога: способствует в получении лимита, ведёт переговоры с поставщиком и согласовывает все условия.
«Наличие лимита — это не просто отсрочка платежа, а признание компании надёжным партнёром, которое открывает новые возможности и даёт стратегическое преимущество перед конкурентами. Мы берем на себя всю сложную работу с китайскими контрагентами и бюрократию, чтобы клиент получил готовый финансовый инструмент для масштабирования бизнеса», — поделился Александр Зуев, начальник Департамента продуктов Корпоративного блока ББР Банка.
Инструмент подойдет импортерам потребительских товаров, электроники и оборудования, а также среднему бизнесу, стремящемуся снизить кассовые разрывы при длинных цепочках поставок.
Чтобы узнать условия и получить бесплатный расчет финансовой модели, свяжитесь с вашим клиентским менеджером.
Петербургские ученые создали инструмент для быстрого обнаружения уязвимостей в нейросетях беспилотного транспорта
Сегодня в системах для автоматического или полуавтоматического ведения транспортного средства по заданному маршруту применяются модели компьютерного зрения. Они позволяют снизить нагрузку на оператора в авиации, в морском транспорте и в современных автомобилях.
Принцип работы таких нейросетей основан на распознавании и классификации объектов по входящему изображению. Главным препятствием для их безопасного использования являются атаки со стороны злоумышленников, которые накладывают на входное изображение специальные фильтры. Они незаметны для человеческого глаза, но заставляют модель ошибочно классифицировать объект. В критических системах даже небольшие ошибки при распознавании пешехода или дорожного знака могут привести к катастрофе.
На данный момент оценка устойчивости моделей проводится вручную: специалисты подбирают параметры и затем выбирают, какой способ лучше подойдет для конкретной модели. Однако такой метод не позволяет систематически и автоматически исследовать все пространство возможных атак, из-за чего значительная часть уязвимостей остается необнаруженной, а результаты оценки зависят от субъективного опыта конкретного специалиста, а не от воспроизводимой методологии.
«Мы создали единую базу данных, содержащую все существующие инструменты для поиска уязвимостей в моделях компьютерного зрения, и разработали эволюционный алгоритм оптимизации, который автоматически перебирает комбинации методов, настраивает параметры и подбирает конфигурацию, наиболее эффективно выявляющую уязвимости конкретной модели. Такой способ требует только запуск алгоритма вместо ручного подбора, что позволяет обнаружить все возможные «слабые места» в нейросетях, используемых в автопилоте». – Руководитель лаборатории фундаментальных основ построения интеллектуальных систем (ФОИС), доцент кафедры информационной безопасности (ИБ) СПбГЭТУ «ЛЭТИ» Алла Борисовна Левина
Сначала исследователи разбили поиск уязвимостей на шесть модулей, включая инициализаторы (метод, который задает начальное значение для переменной), функции потерь (формула, которая определяет насколько сильно ответ программы отличается от правильного ответа), планировщики и градиент моделей (вектор частных производных функции потерь по всем параметрам). Каждый из них может быть собран из взаимозаменяемых инструментов. На этой основе был создан программный комплекс и общая база инструментов, а подбор конфигураций был переведен в задачу оптимизации «черного ящика», где для поиска эффективных сочетаний применялись байесовская оптимизация и специально разработанный эволюционный алгоритм.
Для проверки подхода ученые обучили собственную модель компьютерного зрения на сверточной нейросети для распознавания и классификации изображений, которая решает проблему затухания градиента в глубоких моделях за счет передачи сигнала в обход слоев, а также на крупномасштабной базе данных изображений. После этого исследователи сравнили устойчивость модели с помощью ключевых методов и стандартов в области машинного обучения, которые необходимы для создания и тестирования «враждебных примеров», а также посредством конфигураций, синтезированных предложенным алгоритмом.
Оценка велась по двум параметрам: доле изображений, на которых модель ошибалась, и заметности внесенных изменений для человеческого глаза, которую измеряли по метрике, отражающей среднее отклонение по всем пикселям изображения.
«Результаты показали, что созданная композиционная структура находит более скрытые способы обмана нейросетей. Если обычный алгоритм смог обмануть нейросеть лишь в 13% случаев из тысячи картинок, то новый подход, подобранный программой, сработал в 58%. При этом искажения, вносимые в изображения удалось снизить примерно на 15% по сравнению с обычным методом. Визуально они выглядят просто как легкий шум на несколько раз пересохраненной фотографии, а не как грубая подделка. Таким образом мы создаем инструмент аудита безопасности, который позволит разработчикам до выпуска модели в открытый доступ проверить ее, выявить наиболее серьезные уязвимости и заранее устранить их». – Младший научный сотрудник лаборатории ФОИС, аспирант кафедры ИБ СПбГЭТУ «ЛЭТИ» Роман Радионов
В дальнейшем исследователи планируют перейти от моделей «белого ящика», где доступен полный доступ к параметрам модели, к моделям «черного ящика», в которых виден только вход и выход системы без внутренней архитектуры. Цель состоит в том, чтобы алгоритм мог автоматически подбирать эффективные и малозаметные способы поиска уязвимостей и в таких условиях. Также они расширят подход на большие языковые модели, работающие с текстом, так как логика разложения проверки на модульные компоненты и автоматического подбора инструментов теоретически применима и к ним.
Результаты представлены в научном журнале Nature (Q1). Исследование профинансировано Министерством науки и высшего образования Российского научного фонда в рамках проекта «Госадание» № 075-00003-24-02, FSEE-2024-0003.
