В статье рассматриваются особенности модели машинного обучения, которые помогают банкам и иным кредитным учреждениям более точно оценивать кредитный риск. Научная статья отражает проблемы классических методов обработки информации, которые в сегодняшних реалиях всё хуже справляются с растущими объёмами данных и быстрыми изменениями в поведении клиентов. Авторами статьи раскрывается вопрос: «Почему банки начали переходить к более гибким алгоритмам, и что мешает им использовать ИИ без ограничений». В работе представлены заключения по использованию современной модели машинного обучения, включающего в себя новое поколение инструментов управления кредитным риском. Данное направление позволяет банковскому сектору гибко адаптироваться к усложняющемуся финансовому пространству и быстро растущим требованиям рыночной системы. На основе исследований и практических примеров показано, какие модели применяются чаще всего и как они влияют на работу денежно-кредитного анализа. Также в статье обсуждаются требования регуляторов и основные трудности, которые возникают при внедрении сложных моделей. Кроме того, авторами подчёркиваются особенности и способы получения положительного результата, который достигается тогда, когда новые технологии сочетаются с прозрачными правилами использования цифровых технологий и понятной системой ведения контроля.