AI/Fintech-дайджест: платежи из ERP, контракты решений (decision contracts) и скрытые регионы вывода моделей (inference regions)

№7

13 октября 2026 г.

За сутки до 08:00 по израильскому времени 13 октября выделились шесть событий. SAP вошла в регулируемый payment path внутри собственного Cloud ERP; AWS показала fixed-choice альтернативу свободному тексту модели; Google перенесла multivariate forecasting в BigQuery SQL; AWS объяснила, как региональный Bedrock endpoint может вызвать модель в другом регионе; Rapid назвала девять ERP-партнёров своей API-banking платформы; Google продемонстрировала agent-built pipeline для fraud data science.

Общая тема — evidence. По мере переноса финансовых workflows в ERP, foundation-model runtimes и сгенерированные data pipelines видимый интерфейс всё меньше говорит о том, где выполнилось действие, кто его разрешил и можно ли воспроизвести результат.

SAP становится регулируемым платёжным слоем внутри Cloud ERP

SAP заявляет, что SAP Pay стал generally available в США и Великобритании. После утверждения invoice платёж и reconciliation могут остаться внутри SAP Cloud ERP. Регулируемую услугу предоставляет Tereina — полностью принадлежащая SAP дочерняя компания. Поддерживаются EFT, wire transfers, чеки и stablecoin settlement для трансграничных операций.[1]

Это больше, чем ещё один коннектор к банку. ERP-провайдер теперь может находиться внутри регулируемого execution path, а не только готовить payment file.

Поэтому объектом интеграции должна стать evidence chain, объединяющая:

утверждённый invoice;
payment intent и account authority;
санкционные и policy-проверки;
выбранный rail;
ответ провайдера и settlement finality;
reconciliation, exceptions и ledger evidence.

Stablecoin settlement добавляет ещё одну границу: необходимо явно фиксировать token, issuer, wallet или custodian, conversion, legal entity, finality и восстановление после сбоя.

SAP подтверждает запуск и заявленные rails, но не раскрывает named production customers, объёмы, failure rates, funds-flow diagram, safeguarding, stablecoin counterparties или показатели reconciliation.[1]

Fixed-choice вывод модели становится decision contract

AWS опубликовала SageMaker-паттерн на базе llama.cpp и SemIf. Вместо свободного текста модель возвращает probabilities и raw logits для заданного вызывающей системой набора option IDs. Sample фиксирует model и container artifacts, сохраняет prompt и model identity, запрещает mutable image tags и оставляет deterministic rules и authorization вне модели.[2]

На 231 задаче JevBench AWS получила 77,5% accuracy, p50 1,715 секунды и p95 19,291 секунды на CPU. Для endpoint с NVIDIA L40S результаты составили 77,9%, 0,352 секунды и 0,599 секунды. Сборки разошлись в ответах на шести задачах. AWS корректно предупреждает: один дополнительный правильный ответ не доказывает более высокое качество GPU-варианта.[2]

Для банка паттерн полезен, когда системе нужен один разрешённый queue, policy outcome или next action, а не текст. Стабильные IDs позволяют применять thresholds, replay, fallback и deterministic denial. Но probability — это model score, а не calibrated operational confidence и не право действовать. Authorization должна оставаться во внешнем policy или execution layer.

TimesFM 3.0 переносит multivariate forecasting в BigQuery

Google выпустила TimesFM 3.0 в BigQuery preview. Модель на 330 млн параметров позволяет AI.FORECAST совместно прогнозировать несколько target columns и использовать исторические и известные будущие covariates. Результат содержит point forecast, границы prediction interval, confidence level и status. TimesFM 3.0 также доступна для univariate anomaly detection.[3]

Treasury, liquidity, payment-volume и collections forecasts по природе многомерны. SQL-native execution снижает перенос данных и operational complexity, но место в leaderboard не подтверждает банковский прогноз. Для production по-прежнему нужны:

rolling backtests с temporal splits;
leakage checks;
проверка покрытия prediction intervals;
ошибки по legal entity, currency и regime;
явные as-of timestamps и freshness limits;
fallback при опоздании или отсутствии covariates.

Опубликованный пример Google прогнозирует спрос на велосипеды, а не финансовые ряды. Интерфейс существует; банковская точность ещё не доказана.[3]

Региональный Bedrock endpoint не гарантирует data residency

AWS открыла global Bedrock profiles для GPT-6 Sol и Luna из Singapore, Jakarta, Malaysia, Thailand и Taipei; Astra доступна из Singapore. Bedrock может направить inference в поддерживаемый коммерческий destination Region, тогда как billing, quotas, CloudTrail и CloudWatch останутся в source Region.[4]

AWS также сообщает, что classifier-flagged traffic может храниться до 30 дней в destination Region. Global-вызовы используют aws:RequestedRegion=unspecified, поэтому обычный SCP allowlist регионов способен заблокировать их — либо потребовать специального исключения для profile. Фактический destination после вызова записывается в CloudTrail как additionalEventData.inferenceRegion.[4]

Для регулируемой нагрузки source endpoint, control-plane region, processing region и retention region — разные факты. Residency approval должна ограничивать inference profile и разрешённые destinations, а затем проверять фактический маршрут по telemetry. Обращение SDK к Singapore endpoint не доказывает, что inference остался в Singapore.

Rapid назвала девять ERP-интеграций, но текущий слой — read and reconcile

Rapid Tech назвала девять ERP- и business-software партнёров: IMS, Swastik, CMT Boss, RestroX, Synergy Tech, Inficare, Source Code, Crossover и Dolphin. Заявленные текущие функции — получение баланса и выписок, автоматическая reconciliation и единое отображение cash position по нескольким банкам.[5]

Request to Pay, API account opening, Direct Debit и virtual accounts относятся к следующим этапам. Это важная граница: сегодня наиболее убедителен read-and-reconcile layer, а не автономное движение денег.

Следующий порог доказательности — API specification, authentication и consent model, named bank coverage, error semantics, sandbox, SLA и подтверждённая production write transaction. Названные партнёры и точные операции делают анонс содержательнее, но независимого доказательства транзакций пока нет.[5]

Agent-built fraud pipeline не доказывает обнаружение fraud

В walkthrough Google Data Agent Kit IDE-agent создаёт Spark ingestion notebook, BigQuery tables, dbt transformations и uniqueness tests, Random Forest training/evaluation notebook, Spanner review queue и Airflow DAG. Записи с иллюстративным score выше 50% направляются человеку на проверку.[6]

Полезный результат — reviewable pipeline, а не утверждение, что AI обнаруживает fraud. Google опубликовала plugin, документацию и codelab, но не precision, recall, false-positive cost, leakage analysis или production results.[6]

Защищаемая банковская specification должна фиксировать source schemas, label definition, temporal split, leakage tests, владельца threshold, метрики по сегментам, версии кода и данных, deployment approval и rollback. Generated artifacts могут быть воспроизводимыми и одновременно реализовывать неправильный label или leaky join.

За чем следить дальше

SAP Pay: funds flow, safeguarding, settlement finality, named customers, stablecoin providers и reconciliation rates.
Decision models: calibration curves, concurrent-load tests, runtime reproducibility и bank-specific evaluations.
TimesFM: финансовые backtests, interval coverage, drift, regime shifts и missing-covariate behaviour.
Bedrock: destination allowlists, zero-data-retention eligibility, CloudTrail alerts и позиция регуляторов.
Rapid: API documentation, consent и authentication, sandbox, SLA и первая подтверждённая write-операция.
Data Agent Kit: leakage controls, artifact signing, approval gates, evaluation evidence и rollback.

Во всех шести историях практический вопрос один: может ли организация восстановить точный input, authority, место выполнения, версию модели или правила и окончательный финансовый результат?