Científicos de Sber, AIRI, ISP RAS y el Instituto de Matemáticas Steklov de la RAS han desarrollado un enfoque que ayuda a la IA a ver no una acción individual del usuario, sino la imagen completa de sus conexiones digitales. Esto puede hacer que la detección de fraudes, las recomendaciones de productos y servicios bancarios, así como la evaluación de riesgos, sean más precisas.

Los modelos tradicionales a menudo analizan a un cliente individualmente: qué compró, dónde hizo clic, cuánto tiempo hace que usó el servicio. La nueva tecnología agrega a esto las conexiones con otras personas, productos y categorías. De esta manera, el algoritmo puede detectar patrones sospechosos que no son visibles al analizar una sola cuenta.

El método se probó en cuatro grandes conjuntos de datos de los sectores financiero y de comercio electrónico. El aumento máximo de precisión en la métrica AUC fue del 2,3%.

El desarrollo será útil para los bancos en la lucha contra el fraude, para los mercados en línea para recomendaciones más precisas y para las plataformas digitales para predecir la rotación de clientes. La investigación fue aceptada en The ACM Web Conference 2026, una de las principales conferencias internacionales sobre tecnologías web e IA.