Когда у тебя не «папка с PDF», а архив на 400 миллионов документов

Если у банка лежат сотни миллионов файлов, то ручная проверка уже не выглядит добросовестной осторожностью. Она начинает выглядеть как очень дорогая пауза на годы.

И вот тут Huntington National Bank сделал ход, который трудно назвать хайпом: он собрал на AWS систему, которая автоматически находит и редактирует чувствительные данные — PII и PCI. Если по-человечески, это персональные данные и платёжные данные: имена, номера, карточные следы и всё, что лучше не оставлять в тексте “как есть”.

Для людей, которые отвечают за compliance, IT-архитектуру и риски, это не абстрактная AI-новость. Это вопрос: как не утонуть в наследии из старых документов и не превратить защиту данных в вечную ручную каторгу.

Через три минуты тут можно понять простую вещь: где в такой автоматизации реальная польза, где уже начинается красивая упаковка, и почему «95% точности» — это не то же самое, что «ну всё, можно расслабиться».

Что банк вообще сделал — без магии и без театра

Huntington хранит документы на своей собственной инфраструктуре, on-premises — то есть не в облаке, а у себя. И речь не о паре тысяч файлов, а о более чем 400 миллионах документов, накопленных с 2015 года.

В 2025 году банк решил пройтись по этому архиву и вычистить чувствительные фрагменты. Для этого собрали конвейер из четырёх AWS-сервисов.

Amazon Textract — это, по сути, OCR плюс разметка текста: сервис “читает” сканы и документы и вытаскивает из них текст и структуру. Amazon SageMaker — платформа для обучения и запуска ML-моделей. AWS Step Functions — оркестратор, который связывает шаги процесса в цепочку. AWS Lambda — безсерверные функции, которые запускаются по событию и не требуют отдельного сервера под каждый чих.

Смысл всей конструкции не в том, что “ИИ всё понял”. Смысл в том, что банк выстроил поток: достать документ, распознать, определить, где PII/PCI, замаскировать, а потом вернуть результат обратно в on-premises-хранилище.

И вот это уже похоже не на демонстрацию возможностей, а на индустриальную сборку.

Почему это не очередной AI-шум

Меня тут зацепило не слово “AI”, а масштаб старой боли. Потому что у финсектора есть очень скучная, очень дорогая и очень реальная проблема: архивы живут дольше, чем любые внутренние проекты, а требования к данным только ужесточаются.

В 2025 году это особенно заметно на фоне PCI DSS и CCPA. Если совсем по-простому: PCI DSS — это правила для работы с платёжными данными, а CCPA — калифорнийский закон о персональных данных. Для банка это не декоративные рамки, а условия игры.

И вот тут автоматизация выглядит не как модный эксперимент, а как способ вообще не застрять в ручном аудите на годы.

По оценке Huntington, без такой системы задача заняла бы годы. С ней — месяцы. Разница, честно, почти неприличная.

Но, конечно, надо смотреть и на вторую сторону. Потому что банку важно не просто “ускорить”, а ускорить так, чтобы не создать новую дыру прямо в процессе ускорения.

Где тут польза, а где уже начинается осторожная зона

Польза очевидна: меньше ручного труда, быстрее обработка, меньше шансов, что кто-то пропустит чувствительный фрагмент просто потому, что устал и уже видел этот PDF в девятьсот восемнадцатый раз.

Для банка это снижает операционный риск. Для клиентов — теоретически уменьшает вероятность того, что в старых документах останутся лишние данные, которые там не должны лежать.

Но теперь неприятная, зато честная часть.

Авторы кейса пишут про точность редактирования выше 95%. Звучит бодро, но это не финальный вердикт. Нам не показывают, сколько было ложных срабатываний, сколько пропусков, сколько документов всё равно ушло на ручную проверку, и как система вела себя на самых кривых и грязных форматах.

То есть “95%+” — это хорошо. Но это не “идеально”, и уж точно не “можно выключить людей”.

Вот тут и прячется главный смысл подобных кейсов: ИИ здесь не отменяет контроль, а меняет его форму. Вместо ручного пролистывания — надзор за качеством пайплайна, метриками и исключениями. Не менее скучно, но намного масштабнее.

Почему архитектура важнее красивого пресс-релиза

Мне нравится, что в этом кейсе есть именно архитектура, а не просто “мы внедрили ИИ”.

Потому что для организаций с большими архивами реальная задача почти всегда одна и та же: как принять старые данные, обработать их безопасно, не сломать compliance и не потерять контроль над результатом.

И тут важны детали:

  • данные должны быть зашифрованы и при хранении, и при передаче;
  • доступ к хранилищам и сервисам должен быть строго ограничен;
  • используемые сервисы должны попадать в зону PCI DSS;
  • результаты нужно вернуть обратно в исходные on-premises-системы.

Вот это и есть взрослая часть истории. Не “AI нашёл всё”, а “мы построили цепочку, в которой можно вообще работать с такими объёмами”.

И, если честно, это уже ближе к дорожной карте для других банков и fintech-команд, чем к вдохновляющему кейсу для презентации.

Что это значит для читателя — без корпоративной пены

Если у вас в компании тоже лежат тонны старых документов, этот кейс говорит очень простую вещь: ручная проверка на больших архивах больше не выглядит единственным “надёжным” вариантом. Иногда она просто становится слишком медленной, слишком дорогой и слишком человеческой.

Но вывод не в том, чтобы срочно “переехать на ИИ”. Вывод в том, что автоматизация в таких задачах имеет смысл только тогда, когда вы заранее понимаете:

  • какие именно данные ищете;
  • где будет контроль качества;
  • что делать с ошибками модели;
  • как вернуть результат в существующую инфраструктуру;
  • и кто потом отвечает за то, что ИИ промахнулся.

Вот это, между прочим, и есть настоящая взрослость подобных внедрений. Не в слове “генеративный”, а в скучной, но важной способности не развалить процесс на пути к ускорению.

И да, немного забавно: в 2025 году самый полезный AI-кейс для банка — это не чатик, а система, которая методично вычёркивает лишнее из миллионов документов. Очень скромно. Очень по делу. Очень без фейерверков. А вот вопрос, кто теперь будет проверять, что ИИ не вычеркнул лишнего, остаётся вполне человеческим.

Материалы