При увеличении количества регистраций клиентов мы столкнулись с возросшей нагрузкой на отдел KYC. В связи с этим увеличилось время ожидания клиентом верификации. Заявки на верификацию стали образовывать очередь из нескольких тысяч, она росла быстрее, чем разгребалась. Часть заявок была очевидно невалидной или плохого качества, в том числе из-за различного уровня грамотности людей в разных странах. К тому же постоянно требовалось увеличивать штат сотрудников, отойдя от темпов запланированного найма. В связи с этим увеличивались прикладные издержки на обучение, оснащение и оплату труда.

В качестве решения этих проблем мы внедрили предварительную верификацию отправляемых фотографий при формировании заявки. Это позволило повысить качество заявок и срезать невалидные на этапе их формирования, количество которых по некоторым регионам могло достигать более половины. Технически решение представляет собой микросервис для классификации изображений, имплементированный в нашу инфраструктуру.

Мы ориентировались на основную метрику соотношения количества принятых верификаций к отклоненным. Учитывали размер очереди на конец рабочего дня и время, необходимое для верификации клиента. Также мы смотрели на метрики по причинам отклонения, чтобы оценивать точность и качество конкретных этапов ML пайплайна.