Статья посвящена анализу и оценке роли данных и их интеграции в распределенной информационной банковской сфере в ходе решения задач формирования баз данных, поддержки принятия решений на основе интеллектуального анализа данных. Цель работы: оценка возможностей моделей представления данных в распределенных информационных средах и базах данных на основе интеллектуального анализа данных с привлечением нейро-сетевых инструментов для поддержки принятия решений в банковской сфере. Методы: компаративный анализ научных публикаций в области интеграции больших языковых моделей, включая возможности интеллектуальных агентов и многоагентного представления динамики информационного взаимодействия. Результаты: предложен концептуальный подход применения интеллектуальных агентов в ходе формирования и интеграции данных в банковской сфере для повышения обоснованности принимаемых решений, за счет повышения качества информационного взаимодействия на основе ролевого представления интеллектуальных агентов в ходе обучения доменно-специализированных языковых моделей.

The article is devoted to the analysis and assessment of the role of data and their integration in the distributed information banking sector in solving the problems of database formation, decision support based on data mining.Purpose of the paper: to evaluate the capabilities of data representation models in distributed information environments and databases based on data mining using neuro-network tools to support decision-making in the banking sector.Methods of study: comparative analysis of scientific publications in the field of integration of large language models, including the capabilities of intelligent agents and multi-agent representation of the dynamics of information interaction.Study findings: a conceptual approach to the use of intelligent agents in the formation and integration of data in the banking sector is proposed to increase the validity of decisions made by improving the quality of information interaction based on the role representation of intelligent agents during the training of domain-specific language models.