Внедрение искусственного интеллекта в деятельность кредитных организаций

Повсеместное использование машин коренным образом изменило жизнь современного человека, его восприятие действительности, окружающего мира.

Порой машина и программное обеспечение в ней более тонко реагирует на изменения, происходящие в мире, чем человек, на решения которого влияют настроение, самочувствие, опыт в различных областях. Машины, анализирующие информацию без личностного оттенка, могут справляться с некоторыми видами деятельности лучше, чем человек.

Применение инструментальных средств обработки информации – это новый шаг в повышении эффективности бизнеса.

Бизнес-модели, существующие сегодня, подводят нас к дальнейшему использованию собранной информации для принятия управленческих решений, для выхода бизнеса в цифровую экономику и виртуальную среду.

Применение систем искусственного интеллекта в банковской сфере актуально на сегодняшний день, но не многие банки могут воплотить в реальность проекты, связанные со столь дорогостоящими наукоемкими технологиями.

Термин «искусственный интеллект» может рассматриваться с двух позиций:

1) как самостоятельная наука, изучающая создание машин, оснащенных программами, имитирующими интеллектуальную деятельность;

2) как способность программного обеспечения осуществлять действия, схожие с деятельностью мозга человека.

Исторический экскурс в применение систем искусственного интеллекта можно представить так:

· Предпосылки для развития систем искусственного интеллекта в их сегодняшнем виде появились в 1830 г., когда Ч. Бэббидж предложил концепцию сложного цифрового калькулятора для расчета игры в шахматы, далее в 1914 г. его разработка была переработана испанцем Л.Т. Кеведо в устройство для простейших шахматных эндшпилей.

· Летом 1956 г. была организована первая рабочая конференция, в которой принимали участие Маккарти, Минский, Шеннон, Тьюрин – эту дату можно считать началом развития искусственного интеллекта в сегодняшнем его качестве.

· В 80-е гг. прошлого века – применение ветвей искусственного интеллекта для организации принятия решений на уровне эксперта-человека (пример: Инвестиционный Банк Ситибанка (Citibank)).

· В 1987 г. произошел запуск рабочей группы по организации противодействия мошенничеству в сфере дебетовых карт в банкоматах и магазинах посредством применения систем искусственного интеллекта (пример: Security Pacific National Bank). Коренных изменений в обработке информации и принятии управленческих решений не произошло в связи с большими затратами, обширными временными потерями и общей малоэффективностью исследований. Тем не менее первые наработки в сфере искусственного интеллекта придали новый вектор развития банков в части использования искусственного интеллекта, в частности при поиске нестандартных движений средств на счетах клиентов и оповещения о них человека-специалиста для дальнейшего контроля.

· 1990-е гг. можно охарактеризовать как период застоя в области искусственного интеллекта и его применения в банковской сфере.

· В 2010 г. началось применение систем искусственного интеллекта для моделирования торговой конкуренции на финансовых рынках.

На сегодняшний день интерес к искусственному интеллекту значительно вырос, а следовательно, увеличились и финансовые вложения в эту область.

Расходы на внедрение когнитивных систем и технологий искусственного интеллекта в 2015–2020 гг., млрд долл. США

Рост затрат на технологии искусственного интеллекта, связан в первую очередь с физической возможностью реализации проектов этой в сфере:

– ростом мощностей и быстродействия аппаратного и программного обеспечения;
– широким развитием облачных технологий;

– широким применением оптоволоконной связи и технологии Wi-Fi;

– распространением Интернета вещей;

– уменьшением стоимости компьютеров;

– повышением образования в сфере искусственного интеллекта;

– коренными изменениями в качестве обслуживания клиентов и способов работы с ними – применение средств программного сбора информации о пользователях посредством приложений и сайтов, выход в которые обеспечивается с планшетов и смартфонов, которые приобрели широкую популярность.

Исходя из сказанного можно отметить, что 2010-е гг. характеризуются широким интересом и активным внедрением систем на основе искусственного интеллекта как в Интернет-компаниях (пример: Google, Facebook, Яндекс) так и выходом этих систем в бизнес-среду (пример: МТС, Мегафон, Газпром Нефть), и банковскую в том числе (пример: Сбербанк, Райффайзенбанк).

Гистограмма с прогнозными оценками доходов от внедрения и использования систем искусственного интеллекта представлена на рисунке:

Прогноз доходов рынка искусственного интеллекта (2016–2025 гг.), млн долл. США

Классификация систем искусственного интеллекта по направленности использования в банковском секторе, мировой опыт.

Клиентское обслуживание

Касисто – помощник по финансам – работает как ассистент Siri от Apple. Работа может быть организована с любого устройства в текстовом или голосовом варианте.

Moneystream – инструмент для анализа движений по счетам клиента с предвидением предстоящих трат и организацией оповещения о них.

Кошелек ИИ – тестовый вариант помощника, который при открытии ему доступа может тестировать траты клиента, давая советы, стоит ли организовывать встречу или выход в магазин или лучше сэкономить средства для более нужной для клиента транзакции.

Кредитный сектор

Лендинг Клаб (Lending Club) – интернет-платформа для поиска инвестора или заемщика и проверки их на добросовестность.

Кэбейдж (Kabbage) – организованная система кредитования малого бизнеса и физических лиц.

ЛендАп (LendUp) – организованная система микрокредитования физических лиц в виде аванса до заработной платы.

Зест Финанс (ZestFinance) – автоматическая подготовка кредитных рейтингов.

Афирм (Affirm) – организаця моментального кредитования при покупке в магазинах.

Проспер Дейли (Prosper Daily) – сервис для учета личных финансов, оповещение о мошенничестве со счетами клиента и движение средств в режиме реального времени.

Качественные изменения ждут в первую очередь клиентский сервис, который в перспективе позволит адаптировать банковские инструменты под клиентские пожелания. Также банки могут использовать системы искусственного интеллекта для оценки и управления рисками, при инвестировании в ценные бумаги, при организации роботизированных онлайн консультаций и др.

Направления использования систем искусственного интеллекта в сфере финансовых организаций мы оцениваем следующим образом:

Клиентское обслуживание

Системы на основе естественного языка. Главным и неоспоримым преимуществом использования подобных систем будет нивелирование языкового аспекта проблемы общения с клиентом. Если географический аспект не важен уже сейчас (с помощью использования Интернета и предложения услуг в цифровом виде), то проблема языкового барьера остается. Кроме того, что использование естественного языка клиента (в том числе диалектов) облегчает работу с клиентом, повышает уровень комфорта, а соответственно уровень доверия к банку, охватывается часть клиентов-инвалидов с различными видами нарушенной функции (перевод на шифр Брайля, дактильная азбука).

Чат-боты – имитация речевого поведения человека при общении. Такие системы могут быть внедрены в автоматизированных колл-центрах, центрах-поддержки клиента онлайн на сайте и посредством мобильного приложения. Могут быть реализованы в виде СМС-сообщений или в текстовом формате в виде переписки на сайте.

Роботизированные помощники. Такие системы могут быть внедрены в центрах поддержки клиента: информирование о продуктах и услугах, проведение платежных операций, рекомендации по вложению средств, предоставление выписок и прочей документации в филиалах и офисах банка, при анализе кандидатов и их качеств при приеме на работу, а также могут быть использованы как сервис для управления инвестиционным портфелем.

Альтернативные финансовые консультанты – робоэдвайзеры или алготрейдинг. Основное направление этого вида искусственного интеллекта – интернет-трейдинг. Они могут обеспечивать консультацию в режиме реального времени, проводить мониторинг, открытие/закрытие счетов, оценку рисков, обработку большого количества сделок единовременно, без ущерба для качества обработки информации и таким образом вырабатывать оптимальную инвестиционную стратегию. Такие системы могут работать в формате мобильных приложений, установленных на смартфон или планшет клиента.

Внутрибанковские операции

Поиск в пространстве состояний – применение математических методов расчета задач искусственного интеллекта. Метод может быть использован при алгоритмизации заполнения документов, проверки клиентской базы, проведения операций по счетам, когда есть возможность разбить основную задачу на несколько подзадач и отрабатывать каждую отдельно (теория графов), выделяя конечную гипотезу и двигаясь к ней двумя способами: полным перебором или эвристическим поиском.

Машинное обучение – совершенствование статистических методов, когда уже известные статистические методики применяются для поиска закономерностей и создания на их основе более точных прогнозов. Системы многослойного глубинного обучения стало возможно использовать на основе нейронных сетей больших размеров. Такие системы обеспечивают итерационный подбор коэффициентов с перебором функций и анализируют результаты с уменьшением среднеадекватного отклонения.

Эвристика – применение метода анализа экономических процессов принятия решений, основанного на опыте (взаимосвязь логических приемов), полученном машиной за определенный период. Он применяется, когда невозможно решить задачу точными математическими подсчетами. Несмотря на сложность интерпретации полученных решений экономических задач, эвристические методы (мозгового штурма, фокальных объектов, инверсии и т.д.) могут применяться для принятия управленческих решений в финансовых организациях в будущем.

Сложные математические подсчеты могут применяться для расчета фьючерсов. Машина, оснащенная системой искусственного интеллекта, способна в режиме онлайн или же с минимальными временными потерями с большим количеством ограничений и любой величиной параметров, дать точный расчет по фьючерсному контракту. Чем сложнее расчет, тем ниже риски, в том числе при расчетах различных финансовых инструментов и биржевых индексов.

Комплексную структуру систем искусственного интеллекта в банках можно представить графически:

Искусственный интеллект в банках

Все эти наработки в области искусственного интеллекта применяются или будут применены и в российском банковском секторе. Эксперты сходятся во мнении о том, что за искусственным интеллектом – будущее финансового сектора.

Сегодня применяются методы построения обучающихся алгоритмов, строятся нейросети огромных размеров: глубокие нейронные сети, сверточные нейронные сети, глубокие сети доверия, рекуррентные нейронные сети.

Системы на основе естественного языка и его обработки в будущем – это технологии, которые будут имитировать общение с людьми. Их назначение – чтение и анализ текстов, машинный перевод, антиспам, генерация текстов для размещения на сайтах или типовых письмах.

Применение предиктивной аналитики распространяется на сферу принятия решений, прогнозирования дальнейшей деятельности, для маркетинговой деятельности, для банковского кредитного обслуживания (скоринг), для Business Intelligence – перевода транзакционной деловой информации в человекочитаемую форму.

Применение биометрики в банковской сфере возможно в части распознавания и идентификации по физиологическим и поведенческим данным: голосу, отпечаткам пальцев, сетчатке глаза, ДНК. В то же время возможно развитие в сфере распознавания машиной лиц и жестов, изображений, и видеоинформации, рукописной информации с последующей ее обработкой.

Российский опыт применения систем искусственного интеллекта невелик, в основном его внедряют ИТ-компании, связанные с Интернетом, сбором аналитики и статистики, а также маркетинговой деятельностью. В финансовых организациях системы искусственного интеллекта не столь широко распространены. Пионером российского банковского искусственного интеллекта стал Сбербанк, запустив совместно с МФТИ проект системы iPavlov для общения с клиентами на их родном языке, далее планируется запуск платформы DeepReply для оптимизации работы банка с клиентами. В 2018 г. банком планируется выдача кредитов физическим лицам на основе принятия решений искусственным интеллектом. Итогом работы будет принципиально новый уровень работы с клиентом. Основную сложность, как отмечает председатель банка, составляет то, что до конца невозможно понять, как работает искуственный интеллект, даже основатели самой технологии нейронных сетей не могут расшифровать механизмы принятия решений. Сегодня модель, основанную на нейронных сетях, предъявить регулятору с алгоритмом принятия решений невозможно. Соответственно, все регуляторные особенности применения того же «Базеля» непригодны, потому что они были основаны на предыдущем представлении о процессе принятия решений, они не были основаны на возможности использования искусственного интеллекта и нейронных сетей. Из этого можно сделать вывод о том, что для оценки рисков в современных условиях при соответствии международным стандартам в самом крупном банке страны планируется применение систем на основе искусственного интеллекта.

Применение систем искусственного интеллекта позволяет оперировать огромными массивами памяти, что очень важно для финансового сектора. Использование машин для принятия управленческих и других решений, для оптимизации работы с клиентами, расчета эффективности инвестиций без воздействия человеческого фактора или его минимизации, означает принятие решений на основе только информации без личностного подхода, который зачастую накладывает негативный оттенок, нивелируется коррупционная подоплека принятия решения. Преимущество использования искусственного интеллекта сейчас в том, что сбор данных не прекращается, и чем больше база, тем эффективнее работа системы. Следовательно, те банки, которые откладывают решение о внедрении в свою работу систем искусственного интеллекта, рискуют не догнать более наукоемких конкурентов.

Благодаря взаимодействию и обучению машин естественный язык может обрабатываться, а решения принимаются быстрее и точнее, чем это было возможно в прошлом.

Фирмы, которые не применяют искусственный интеллект, делают это из-за таких причин, как страх неудачи, зашифрованные наборы данных и соответствие нормативным требованиям. Согласно опросу «Повествовательная наука» 12% всей группы не использовали системы на основе искусственного интеллекта еще потому, что считали, что это слишком ново, не достаточно проверено или не были уверены в безопасности.

Усложнение структуры современного бизнеса и решаемых им структурированных задач требует применения качественно новых характеристик программного обеспечения, предоставляющих высокую степень защиты сведений, принципиально новый способ обработки и анализа данных, и быстрый поиск релевантной информации.

Процессы глобализации всех сфер жизни общества предопределяют высокий уровень конкуренции, поддержание которой требует применения мощных систем управления предприятием, кадровыми ресурсами и, соответственно, повышения качества работы и эффективности организаций. Результат использования систем искусственного интеллекта в бизнесе – коренное изменение в клиентском обслуживании и радикальное повышение эффективности бизнеса посредством использования современных технологий.

Введение

В 2018 году одной из главных тенденций в работе кредитных организаций является развитие искусственного интеллекта. В последнее время все больше банков объявляет о том, что в их работе произойдет трансформация, вследствие внедрения искусственного интеллекта (далее ИИ). ИИ – это компьютерные системы, обладающие ключевыми способностями человека: пониманием речи, способностью общаться, анализировать, делать умозаключения, обучаться, решать поставленные задачи и т.д. ИИ способен по заданному алгоритму работать по тому же принципу, которому работает человеческий мозг. Основной принцип ИИ – машинное обучение, то есть создание такого алгоритма, который способен проанализировать большой объем данных; найти взаимосвязь, полученных результатов; построить предиктивные и регрессионные модели.

Большинство экспертов считают, что ИИ существенно поможет банкам автоматизироватьи улучшить качество обслуживания клиентов. В международном отчете Artificial Intelligence Report 2017 указывается, что в способности проводить точный синтетический анализ сложных запросов (более 40 слов), ИИ почти сравнялся с человеческим мозгом. Машины могут с этим справляться так же, как человек в 94% случаев. А в отдельных операциях, например, в распознавании объектов по картинке или фотографии, машинный мозг превосходит человеческий. Такие успехи в автоматизации процессов сильно заинтересовали банковский сектор и не только, ведь автоматизация означает сокращение временных затрат, эффективность и улучшение качества услуг.

Основные направления внедрения ИИ

В исследовании рейтингового агентства «Эксперт РА» «Искусственный интеллект в банковском секторе» говорится о самых перспективных направлениях внедрения ИИ. Тройку лидеров составляют: кредитный скоринг, распознавание мошеннических транзакций и взыскание задолженности.

Области применения ИИ с наибольшим потенциалом

Опишем некоторые платформы, используемые в этих направлениях. Ginimachine платформа для оценки кредитоспособности заемщика на базе машинного обучения. Она позволяет повышать доходность кредитного портфеля организации путем выдачи ссуды заемщику, который с большей вероятностью выполнит вовремя все условия, указанные в договоре. Создатели проекта отмечают, что раньше кредит выдавали заемщику, который просто приходил и заполнял анкету. Сейчас же банки используют более сотни параметров для принятия решения. Но не все они являются нужными. Данная платформа умеет анализировать, какие параметры действительно важны для конкретного заемщика. На создание модели нужны считанные минуты.

Производились успешные пилотные проекты Ginimachine в некоторых странах, участники которых уже конвертировались в клиентов. Что касается платформ распознавания мошенничества, то один из самых успешных проектов был запущен в 2017 году северно-европейском банке Danske Bank, совместно с Thing Big Analytics. Платформа использует метод глубокого изучения, позволяющий выявить десятки тысяч скрытых признаков мошенничества в режиме онлайн. Процент ошибочных результатов минимальный при низких расходах. Тем самым датский банк повысил свою эффективность и ожидает окупаемость проекта в течение 2 лет. В третьем потенциально-успешном направлении отличился позже санируемых банк «Бинбанк». Он одним из первых на рынке объявил о внедрении ИИ в работе по взысканию задолженности. Бинбанк начал использовать принципиально иной подход – uplift модель, которая основывается на прогнозе реакций клиента на то или иное действие банка. В этой системе используется язык программирования Python. Uplift способен определить нуждается ли банк в информировании заемщика об очередном платеже. Это позволяет банку избежать лишних затрат.

Системы, основанные на искусственном интеллекте

Чат-боты, робоэдвайзинг и паспознавание образа клиента

Сегодня на банковском рынке существует ряд систем, которые работают на искусственном интеллекте. Наиболее перспективными сервисами считаются чат-боты. Последние исследования показывают, что ими пользуется более 20% российских банков в различных социальных сетях и месседжерах. Большинство находятся в Telegram. Задача ботов – полностью заменить мобильные приложения в банках. Чат-бот – это новый способ коммуникации клиента ибанка. Система позволяет хранить историю клиенты и предлагать только те продукты, которые потенциально ему будут нужны. Чат-боты широко распространены в США, где их функционирование основывается на базе финансовых транзакций клиентов. Далее бот производит анализ доходов и расходов клиента. И, только, после этого предлагает услуги по экономии, накоплению, сбережению и т.д. То есть бот становится личным финансовым советником человека. Чат-бот позволяет переписываться с банком; совершать переводы средств; получать необходимую информацию о счете, котировках акций; получать рекомендации по торговле на бирже и многое другое. В основе функционирования любого бота лежит распознавание языка человека, что отражает присутствие ИИ в этой технологии.

Чат-боты в месседжерах стали новой тенденцией 2017-2018 годов. Они постепенно вытесняют мобильные приложения с рынка, хотя несколько лет назад последние казались совершенной технологией денежных переводов и других услуг.

Альтернативой чат-боту в сфере электронных финансовых консультантов стала технология Robo-Advisers (робоэдвайзинг). Данная технология, основанная на ИИ, дает большие преимущества в сфере онлайн-трейдинга. Доступность к простому открытию счета, просмотру актуальных новостей, обработке больших объемов сделок и т.д., делает робоэдвайзинг привлекательным направлением для банка и его клиентов. Кроме того, такие платформы умеют определять склонность к риску трейдера с помощью специальных алгоритмов, чтобы добиться желаемого результата как в краткосрочной, так и в долгосрочной перспективе. Робоэдвайзеры сначала оценивают величину средств клиента и его пожелания; после этого, инвестируют в акции, облигации, ETF и другие финансовые инструменты. Платформа анализирует мнения экспертов; проверяет деятельность корпораций, бумаги которых приобретаются; оценивает положение отрасли и т.п. В итоге, робот подбирает клиенту подходящий портфель ценных бумаг. Данный продукт требует затраты немалых ресурсов на создание дилингового центра, программного обеспечения, интеграцию продукта и установку аппаратного обеспечения.

ИИ также применяется в технологиях по распознаванию оптических, графических, цифровых и кодированных образов клиента дистанционно. Такие технологии считаются одними из самых перспективных в банковском секторе, поскольку самые инновационные платформы могут не только распознать клиента, но и, например, понять его настроение, путем определения силы нажатия на кнопку, анализа приветствия, поисковых запросов и т.д. На основе этой информации программа подстраивает «свое поведение» под клиента. Таким примером служит платформа Radiant, созданная инновационной новозеландской компанией Touchpoint. Платформа уже работает с крупнейшими новозеландскими, австралийскими банками и страховыми компаниями. Radiant использует миллионы анонимных взаимодействий с клиентами, чтобы спрогнозировать ситуации, которые могут вызвать неудовольствие у клиента.

Внедрение ИИ на валютном рынке

Изменения в банковской сфере уже грядут. Доказательством может служить новость, которую озвучил крупнейший банк США Bank of America летом 2018 года о том, что машинное обучение будет применяться на валютных рынках. Этому послужила нестабильная политическая обстановка в Италии. Эксперты опасались, что это грозит новым финансовым кризисом. Задача ИИ осуществлять прогноз на валютную пару доллар-евро. Позже, в своем отчете Bank of America впервые опубликовал результаты валютных исследований с помощью ИИ. Сегодня некоторые американские аналитики утверждают, что машинное обучение способно заменить профессионалов с Уолл-стрит.

Заключение

ИИ стремительно развивается. Уже сейчас существует широкое разнообразие вариантов его применения в банковской сфере. В ближайшие годы применение искусственного интеллекта может стать решающим направлением банков для завоевания рынка. Машинное обучение способно повысить эффективность многих процессов: управление рисками, выявление мошенничества, маркетинга, борьбы с отмыванием денег, улучшение клиентского сервиса, совершенствования методов взыскания задолженностей и т.п. Новые технологии позволят кредитным организациям снизить издержки, повысить продуктивность, эффективно выполнять требования регулятора и т.д., тем самым повысить доход от своего бизнеса. Для этого важно разбираться во всех особенностях машинного интеллекта, чтобы внедрить такую платформу, которая обеспечит максимальную надежность и безопасность клиенту и самому банку.

Андрей Никитенко
Андрей Никитенко
Задать вопрос эксперту
Понравилась статья? Поделить с друзьями: