Online-Програма розвитку: ШІ для банківської та фінансової сфери: аналітика, локальні моделі та власні AI-рішення

• Статус:Новий сезон стартує 23 листопада 2026 року, 5 занять по 2 години
• Тривалість:23 листопада - 07 грудня
• Мова: українська
• Час:17:00–19:00, щопонеділка та щосереди: 23, 25, 30 листопада та 02, 07 грудня час за Києвом
• Внесок для компаній Асоціації:11500 грн
• Рання реєстрація для компаній Асоціації:10000 грн до 23 жовтня 2026 року
• Місце проведення: Відбудеться онлайн
Скасувати реєстрацію Зареєструватися Зареєструвати колегу

Про програму

ШІ в банківській та фінансовій сферах давно не обмежується ChatGPT і написанням текстів.

Мовні моделі можуть аналізувати таблиці та документи, шукати відхилення у фінансових показниках, працювати з внутрішніми базами знань, допомагати створювати звіти й навіть писати код для невеликих внутрішніх застосунків.

Водночас є важливий аспект.

У фінансовій сфері не можна просто завантажити внутрішній документ у перший доступний чат і сподіватися, що все буде добре. Треба розуміти, де обробляються дані, яка модель використовується, що зберігається у хмарі, а що можна запустити локально.

Тому в програмі ми поєднаємо роботу з LLM, фінансову аналітику, локальні моделі, бази знань і вайбкодинг.

Тобто будемо не просто вивчати окремі інструменти. Будемо брати конкретну задачу і збирати під неї рішення.

Команда Центру Професійного Розвитку Європейської Бізнес Асоціації спільно з Оленою Четиріною запрошують вас взяти участь в новій Online-Програмі розвитку: ШІ для банківської та фінансової сфери: аналітика, локальні моделі та власні AI-рішення.

Цільова аудиторія:

• Фінансові аналітики.
• Працівники банків і фінансових установ.
• Керівники фінансових підрозділів.
• Спеціалісти з ризиків, комплаєнсу та внутрішнього контролю.
• Спеціалісти, які працюють зі звітністю, документами та великими масивами даних.
• Команди, які планують впроваджувати AI-рішення у внутрішні процеси.

Після програми учасники зможуть:

• Обирати модель під конкретну фінансову задачу.
• Розділяти задачі між хмарними та локальними моделями.
• Запускати open-source моделі локально.
• Аналізувати таблиці, звіти та документи за допомогою ШІ.
• Проєктувати AI-асистентів на базі внутрішніх документів.
• Розуміти, як мають зберігатися дані для AI-систем.
• Створювати прототипи внутрішніх фінансових застосунків за допомогою.
• Перевіряти результати роботи моделей і визначати, де потрібен контроль спеціаліста.

Програма:

Модуль 1. LLM для банківських і фінансових задач – 23 листопада

LLM – це вже не просто чати, у якому можна попросити написати листа чи скоротити документ.

Модель можна підключити до бази даних, внутрішніх документів, сайту, аналітичної системи або власного застосунку. Але спочатку треба розібратися, чим відрізняються сама модель, AI-платформа, API та готовий сервіс.

Обговоримо:

• Як працюють мовні моделі і чому вони можуть помилятися.
• Чим відрізняються ChatGPT, Claude, Gemini, open-source моделі та локальні рішення.
• Які моделі краще працюють із текстами, аналітикою, документами, логікою та кодом.
• Що таке контекстне вікно і чому модель може втрачати частину інформації.
• Як зменшувати кількість галюцинацій.
• Коли можна використовувати хмарну модель, а коли потрібен локальний контур.
• Як не переплачувати за складну модель там, де із задачею впорається простіша.

Практика:

Учасники складуть карту власних задач і визначать:

• Які дані використовуються.
• Наскільки вони конфіденційні.
• Яку модель можна підключати.
• Де потрібна локальна обробка.
• Як має перевірятися результат.

Результат модуля:

Готова матриця вибору AI-рішень під задачі свого підрозділу.

Модуль 2. Локальні моделі та робота з конфіденційними документами – 25 листопада

Локальна модель працює на комп’ютері або внутрішньому сервері. Дані не потрібно передавати у зовнішній AI-сервіс.

Але сам факт встановлення Ollama ще не робить систему захищеною. Треба також контролювати доступи, зберігання файлів, підключення до інтернету, логи та архітектуру застосунку.

Обговоримо:

• Що таке локальні й open-source моделі.
• Як обрати модель відповідно до задачі та характеристик комп’ютера.
• Які моделі можна використовувати для текстів, документів, аналітики та reasoning.
• Як працювати без підключення до інтернету.
• Як перевіряти якість відповідей локальної моделі.
• Де локальної моделі достатньо, а де потрібна складніша корпоративна інфраструктура.

Практика:

Запустимо локальну модель та протестуємо її на знеособленому фінансовому документі:

• Сформуємо запит.
• Отримаємо структуровані дані.
• Перевіримо факти.
• Порівняємо результат із хмарною моделлю.

Результат модуля:

Налаштована локальна модель та розуміння, для яких робочих задач її можна використовувати.

Модуль 3. Фінансова аналітика за допомогою ШІ – 30 листопада

Гарний дашборд ще не означає, що на його основі можна прийняти нормальне рішення.

Спочатку треба зрозуміти, де лежать дані, що ми хочемо порахувати, які показники треба порівняти і що означатиме кожне відхилення. І тільки потім малювати графіки.

Обговоримо:

• Як провести інвентаризацію джерел даних.
• Як працювати з Excel, CSV, PDF, CRM, ERP та іншими внутрішніми системами.
• Як очистити, структурувати й об’єднати дані.
• Як аналізувати доходи, витрати, динаміку та відхилення від плану.
• Як знаходити аномалії та нетипові операції.
• Як проводити сценарний аналіз.
• Як перевіряти формули й логіку розрахунків.
• Як створювати кастомні дашборди та аналітичні інтерфейси за допомогою ШІ.

Практика:

На знеособленому наборі даних учасники:

• Визначать потрібні показники.
• Підготують дані.
• Проведуть аналіз.
• Знайдуть відхилення.
• Сформують управлінський висновок.
• Зберуть просту візуалізацію.

Результат модуля:

Готовий флоу фінансового аналізу, який можна адаптувати під свою задачу та свої джерела даних.

Модуль 4. Локальний AI-асистент із внутрішньою базою знань – 02 грудня

Завантажити в чат 200 документів і назвати це базою знань не вийде.

Документи треба очистити, структурувати, розділити на фрагменти, додати джерела, дати, версії та права доступу. І тільки після цього підключати модель.

Обговоримо:

• Як працює асистент із власною базою знань.
• Що таке RAG, embeddings, chunks і семантичний пошук.
• Які дані треба зберігати у таблицях, а які у документах.
• Як організувати пошук у положеннях, інструкціях, процедурах і методологіях.
• Як змусити асистента відповідати на основі наданих джерел.
• Як додавати посилання на документ, сторінку, дату й версію.
• Як організувати оновлення інформації та розмежування доступів.
• Як тестувати базу знань і знаходити помилки у відповідях.

Кейси:

• Асистент із внутрішніх процедур.
• Асистент для комплаєнсу.
• Пошук у нормативних документах.
• Асистент із банківських продуктів.
• Помічник для онбордингу працівників.
• Система перевірки комплектності документів.

Практика:

Спроєктуємо локального асистента, який:

• Працює з внутрішніми документами.
• Знаходить потрібний фрагмент.
• Формує відповідь.
• Показує джерело.
• Повідомляє, якщо у базі немає достатньої інформації.

Результат модуля:

Архітектура локального асистента та підготовлені вимоги до бази знань.

Модуль 5. Створення власного фінансового застосунку за допомогою вайбкодингу– 07 грудня

Вайбкодинг дозволяє створювати цифрові рішення текстовими запитами: застосунки, дашборди, калькулятори, бази знань, автоматизації та внутрішні сервіси.

Але тут працює те саме правило: якщо ми нечітко описали задачу, ШІ напише нам багато коду, який невідомо що робить.

Тому починатимемо з логіки рішення.

Обговоримо:

• Як перетворити бізнес-задачу на технічне завдання.
• Як описати користувачів, дані, функції та обмеження.
• Як за допомогою ШІ створювати інтерфейс і код.
• Як підключити локальну модель.
• Як працювати з файлами та базами даних.
• Що таке CRUD, авторизація та розмежування доступу.
• Як зберігати ключі й не залишати їх у відкритому коді.
• Як перевіряти розрахунки та тестувати застосунок.
• Що потрібно врахувати перед передаванням прототипу в реальне використання.

Прототипи:

• Аналізатор фінансових документів.
• Генератор управлінського звіту.
• Інструмент звірки таблиць.
• Перевірка комплектності кредитного досьє.
• Локальний фінансовий калькулятор.
• Дашборд для аналізу показників.
• Пошук інформації у внутрішніх документах.

Практика:

Учасники зберуть прототип локального застосунку на синтетичних або знеособлених даних.

Тобто пройдемо шлях від опису задачі до інтерфейсу, логіки, підключення моделі та першого тестування.

Результат модуля:

Робочий прототип і план його подальшого доопрацювання та впровадження.

Просимо звернути увагу, що думки та погляди, висловлені тренером (спікером) під час заходу, є виключно його/її особистою позицією та інтелектуальною власністю і жодним чином не є офіційною позицією Європейської Бізнес Асоціації.

Ви можете поставити питання: