Для чего может быть полезно применять искусственный интеллект в банке
Как искусственный интеллект помогает банкирам зарабатывать – обзор
Поделиться
Технология позволила банкам стать лучше
В будущем на рынке могут появиться новые ИИ-проекты
Технология помогает банкам повышать уровень доходов
Самый ТОПовый канал по заработку на криптовалютах.
Представители финансовых организаций, как и многих компаний других направлений, стремятся к развитию. Одним из инструментов, который открыл перед ними возможность совершенствования рабочего процесса и генерирования дополнительной прибыли, оказался искусственный интеллект.
Редакция BeInCrypto решила разобраться, как банкиры используют технологию для развития отрасли и пополнения своих кошельков.
Что такое искусственный интеллект
Искусственный интеллект – это программа, которая воссоздает процесс анализа данных и принятия решений, подобный тому, что есть у людей. Задача такого алгоритма – имитация интеллекта человека. При этом, в отличие от людей, программы искусственного интеллекта (ИИ) (англ. artificial intelligence (AI)) могут одновременно оперировать большим объемом данных и значительно быстрее обрабатывать их.
ИИ может выполнять различные задания: от систематизации сведений, до анализа изображений и распознавания речи. Многогранность возможностей искусственного интеллекта позволяет использовать технологию в различных сферах, включая банковскую.
Данные исследования аналитической компании SAS и Глобальной ассоциации по управлению рисками (GARP) показали, что уже по состоянию на март 2019 года порядка 81% финансовых организаций в мире задействовали возможности ИИ в работе.
Интересный факт! Решением председателя Правительства РФ Михаила Мишустина от конца ноября 2020 года, искусственный интеллект включен в список технологий, которые власти протестируют в «регуляторной песочнице». Такое положение означает, что к ИИ в России будут применять особый режим регулирования.
Как банки РФ используют возможности ИИ
Многие финансовые организации в России задействовали искусственный интеллект в своей работе. Одним из лидеров направления оказался крупнейший банк РФ – «Сбер» (бывший Сбербанк).
Представители финансовой организации не стали ограничиваться одним направлением применения ИИ, и задействовали технологию в различных проектах. Среди них можно выделить следующие:
При этом команда «Сбера» уверена в том, что применение ИИ позволит компании заработать порядка 60 млрд рублей в 2020 году. Об этом, во время интервью для Reuters в конце ноября рассказал первый зампред правления кредитной организации Александр Ведяхин. Для сравнения, прибыль компании от ИИ в 2019 году составила 42 млрд рублей.
Примечательно, что в течение 2020 года, по словам банкира, «Сбер» вложил в разработку ИИ-решений 30 млрд рублей. Получается, что команда финансовой организации ждет двойной отдачи от инвестиции. В дальнейшем, по словам Александра Ведяхина, экономический эффект от ИИ может достигнуть 350 млрд рублей.
Каждые вложенные в развитие технологий искусственного интеллекта 15 рублей, как считает банкир, приносят организации 100 рублей дополнительного дохода.
Александр Ведяхин отметил, что в планах «Сбера» задействовать ИИ во всех продуктах компании. По состоянию на конец ноября 2020 года, по его словам, доля интеграции технологии в проекты организации составила порядка 30-40%.
При этом банкир обратил внимание на то, что «Сбер» использует при развитии обозначенного направления опыт таких компаний, как Amazon и Google. Последние также активно интегрируют технологии искусственного интеллекта в свои проекты.
Как еще финансовые организации РФ используют ИИ
«Сбер» – не единственная финансовая организация, команда которой задействовала возможности искусственного интеллекта в работе. Другие российские банки также активно используют технологию. Несколько примеров:
Государственные финансовые организации также используют возможности ИИ. Например, Росфинмониторинг в марте 2019 года начал разработку технического решения на базе искусственного интеллекта для борьбы с отмыванием денег.
Последствия применения ИИ на рынке финансов
Финансовые организации предъявляют разные требования к ИИ. Ожидания представителей банков от внедрения технологии в рабочие процессы могут существенно различаться. Дело в том, что результат во многом зависит от нюансов конкретного проекта, в который включили ИИ. Несмотря на это, из ожиданий банкиров от AI можно выделить ряд популярных пунктов. Вот несколько из них:
Также технологии искусственного интеллекта могут усовершенствовать действующие сервисы финансовых организаций. Например, чат-бот «Сбера» явно нуждается в «прокачке» своих возможностей.
Подводим итоги
Искусственный интеллект – это многогранная технология, которая может по-разному раскрываться, в зависимости от особенностей проекта. При этом в подавляющем большинстве описаний практического применения ИИ на практике, результаты носят положительный характер. К другим выводам:
Также стоит отметить, что банковский сектор – далеко не единственная сфера применения AI.
Для чего может быть полезно применять искусственный интеллект в банке
Искусственный интеллект (ИИ, Artificial Intelligence, AI) может использоваться в банковском деле для снижения и оптимизации затрат на операции, привлечения клиентов и продавцов, увеличения продаж, улучшения рекламы и маркетинга. ИИ играет важную роль в обеспечении автоматизированной работы различных систем. В этой статье приведём 3 примера систем искусственного интеллекта в банковской сфера: от чат-ботов к полностью цифровым банкам, рекомендательные системы и системы аудита.
Зачем внедрять искусственный интеллект в банковские системы
Внедрение искусственного интеллекта (более конкретно методов Machine Learning) в банковскую сферу имеет несколько причин. К ним относятся:
Поскольку пользователи находятся в системе, оставляют отзывы, пользуются теми или иными услугами, то это помогает собирать данные и тем самым улучшать работы банковской системы.
1. Чат-боты и цифровой банк
Банки предоставляют финансовые услуги, поэтому они требуют наличие специализированных офисов. Стоимость содержания офиса включает в себя покупку или аренду здания, стоимость энергопотребления и, что не менее важно, заработную плату персонала.
Всякий раз, когда банк пытается сократить расходы, он, естественно, думает о человеческих ресурсах. Человек не всегда может выполнять все функции, включая работу с наличными, информирование клиентов о политике и предложениях банка. Человеческий разум сбивается с толку, особенно когда в банке наблюдается спешка. Это приводит к задержкам в операциях и финансовым потерям для банка.
Благодаря достижениям в области искусственного интеллекта, многие банки пополнили свои ряды чат-ботами. Стиль общения чат-ботов становится все более похожим на то, как пишет реальный человек. Преимуществом использования чат-ботов заключается в том, что банки могут работать в течение длительного времени без дополнительных затрат времени, то есть 24/7 на протяжении всего года. Еще одним положительным моментом является то, что чат-боты могут обрабатывать несколько клиентов одновременно с одинаковой точностью.
Ещё один пример банка без отделений и офисов является Discover Bank.
2. Система аудита
Искусственный интеллект может помочь свести к минимуму ошибки, совершаемые человеческим персоналом. Машины работают без усталости, их не беспокоит погода, они не поддаются эмоциям и всегда мотивированы. Боты могут выполнять сложные и важные задачи без каких-либо ошибок с учетом контроля со стороны. Если банк может минимизировать убытки, вызванные человеческими факторами, он может увеличить чистую прибыль.
OSP разработала специальную программу «ИИ в решениях для аудита (англ. AI in Auditing Solutions)», которая работает быстрее и эффективнее для внутреннего аудита. Их интеллектуальный помощник выполняет ряд задач по учетной документации. К этим задачам относятся отчеты об аудите, системы планирования аудита, интеллектуальный перебор данных и проверка отчетности.
Еще один интересный инструмент предлагает HighRadius под названием «Облако согласования банков (англ. Bank Reconciliation Cloud)». Он проводит аудит ежедневного закрытия счетов путем автоматической классификации банковских операций на операционные и неоперационные кассовые категории. Этот интеллектуальный помощник поддерживает интеграцию с ERP-системами, такими как SAP, Oracle, MS Dynamics и т. д.
3. Рекомендательные системы
Искусственный интеллект помогает банкам формулировать персонализированные предложения. Банки работают с широким кругом клиентов, от частных лиц до предприятий. Традиционные банки теряют своих частных клиентов, поскольку инвестиционные возможности отдельных лиц сокращаются, а во время пандемии все больше людей начали инвестировать.
Основная их проблема заключается в том, что у банка могут быть сотни тысяч клиентов, и подготовка индивидуальных индивидуальных предложений — трудоемкий и дорогостоящий подход. Но благодаря новейшим технологиям банки теперь могут использовать возможности искусственного интеллекта для анализа финансового поведения каждого клиента.
Немногие компании предлагают поддержку банкам в поисках персонализированных предложений на основе данных. CrayOnData — один из примеров, который помогает банкам разрабатывать платформы для персонализированных предложений. Помимо этого, есть еще Optimizely и Maya AI, которые также вносят значительный вклад в это дело.
Python является одним из самых востребованных языков программирования для разработок систем искусственного интеллекта и решения задач Data Science. Python — это простой в освоении язык, у которого есть множество библиотек машинного обучения (Machine Learning) для написания своих чат-ботов, аудиторских и рекомендательных систем. А практические навыки для создания вышеприведенных систем вы получите на нашем специализированном курсе«PYNN: Введение в Нейронные сети на Python» в лицензированном учебном центре обучения и повышения квалификации Data Scientist’ов и IT-специалистов в Москве.
Банки все активнее подключают к своим процессам искусственный интеллект. Как, зачем и куда все это нас приведет?
Еще несколько лет назад рассказы о внедрении технологий искусственного интеллекта в банковскую деятельность казались забавными – в том же Сбербанке не умели закрывать карты, открытые в другим филиале. Но сейчас банки используют технологии больше, чем могут себе представить обычные клиенты. На самом деле многое из того, к чему так привыкли клиенты российских банков – дело «рук» искусственного интеллекта, начиная от чат-ботов и голосовых помощников до рассылки рекламных предложений с целевыми бонусами для конкретных клиентов. Как же работают технологии ИИ в банковской сфере и насколько активно их используют российские банки – мы спросили у экспертов в этой области.
Искусственный интеллект и банки
В 1994 году в Мюнхене проходил шахматный турнир – и против известных гроссмейстеров играла компьютерная программа Fritz 3. Программа смогла несколько раз обыграть известных шахматистов с мировым именем – например, Владимира Крамника и Бориса Гельфанда. А в 1996-м шахматный суперкомпьютер Deep Blue выиграл первую партию против Гарри Каспарова, полностью обыграв его в 1997-м.
Это одни из первых проявлений искусственного интеллекта (ИИ) на практике – когда технологии выполняют творческие функции, которые всегда до этого считались прерогативой человека. Важно, что искусственный интеллект – это не то же самое, что искусственное сознание, он используется в узких сферах и достаточно сильно ограничен по возможностям.
Фактически ИИ – это те же компьютерные процессы, которые работают по сложнейшим алгоритмам и иногда могут принимать решения, схожие с теми, которые принял бы человек. Например, тот же самый шахматный суперкомпьютер Deep Blue каждые 3 минуты на своих 200 процессорах просчитывал 50 миллиардов возможных позиций.
До недавнего времени ИИ применялся там, где его применение было наиболее логично – в компьютерных играх (отвечая за действия условных противников), но со временем его начали использовать все шире и шире. Сейчас ИИ применяется в отборе рекомендаций в социальных сетях, в поиске, в управлении промышленными объектами, в медицине, военном деле и многих других сферах деятельности.
ИИ может частично заменить собой одного или нескольких человек – поэтому его логичнее всего применять там, где деятельность наиболее трудозатратная. Например, в финансовом секторе очень многое зависит от людей – начиная от процесса консультирования клиентов, заканчивая просчетом страховых премий и оценке кредитоспособности клиентов. Было очень даже логично, что технологии искусственного интеллекта рано или поздно начнут применяться в банковской сфере.
Началось все с простого – кое-каким наработкам на основе ИИ обучили чат-ботов и виртуальных помощников. Первая линия поддержки – самая загруженная в банке (это буквально весь шквал звонков от клиентов), а искусственный интеллект дает ответы на самые простые вопросы (например, как узнать баланс карты или заблокировать ее), сообщает некоторую информацию и решает, кому из более квалифицированных специалистов переадресовать обращение.
В Сбербанке (еще до «Сбера») руководитель Герман Греф заявлял, что ИИ заменил собой едва ли не всех менеджеров среднего звена и получил право принимать решения по заявкам на кредиты. А потом об использовании технологий ИИ рассказали и в других кредитных организациях – Тинькофф Банке, Хоум Кредит банке и т.д. Сейчас, говорит Оксана Васильева из Финансового университета, для банков это означает прежде всего экономию на сотрудниках.
Но как именно банки применяют ИИ в своей деятельности?
Где в банковском деле можно применять ИИ?
По части цифровизации и развития технологий российские банки ушли достаточно далеко от своих коллег даже из стран Запада (хотя до Китая пока далеко всем). Тем не менее, в 2019 году уже 80% от всех крупных мировых банков применяли технологии искусственного интеллекта, но в полной мере все его возможности используют лишь порядка 7% от российских банков, говорит Светлана Вронская из «Корус Консалтинг».
На практике в банковском бизнесе технологии искусственного интеллекта применяются достаточно широко, говорит эксперт:
Разные банки с помощью ИИ автоматизировали разные свои процедуры. Например, Сбербанк отдал ему право принимать решение о выдаче кредита физлицам и бизнесу, Росбанк использует его для оцифровки бумажных документов клиента, «Альфа-Банк» использует роботов для обзвона клиентов с небольшими просрочками, «Хоум Кредит» подбирает предложения под конкретного клиента.
Однако ИИ можно поручить далеко не все – операции должны быть как минимум более-менее однотипными и формализованными. Другими словами, из беспорядочного набора случайной информации о клиенте ИИ не сможет понять, можно ли ему выдать кредит – информация должна быть структурирована, а максимальное количество ее должно укладываться в какие-то формальные рамки.
Сам же ИИ работает тоже не сам по себе – такие системы предполагают, что их нужно для начала обучить. Как говорит эксперт по алгоритмической торговле Дмитрий Клименко, в банковской сфере (как и в других видах деятельности) используются алгоритмы машинного обучения. Пока нет однозначного мнения о том, можно ли считать их частью искусственного интеллекта, но цели и методы у них похожи.
В сильно упрощенном виде схема с машинным обучением выглядит так:
На самом же деле все намного сложнее – таких систем («агентов») может быть несколько, они взаимодействуют друг с другом и даже имеют определенную иерархию. Например, в случае с системой по оценке ипотечных заемщиков каждый из агентов оценивает свой «фронт» – платежеспособность заемщика, его будущую квартиру, возможные риски работодателя этого заемщика и другие факторы. В итоге нижестоящие агенты передают свою информацию вышестоящему звену, а уже оно принимает окончательное решение.
Что это дает клиентам банков?
Когда Герман Греф начал рассказывать о переходе на искусственный интеллект в Сбербанке, это чаще высмеивали, чем воспринимали всерьез – репутация у банка была такая, что никакой технологический прорыв в нем, казалось, будет уже невозможен. Тем не менее, постепенно проблемы решаются, а банковские системы начинают работать так, как и должны.
С точки зрения рядового клиента банка это может быть не так заметно, как изнутри него, тем не менее, влияние современных технологий может ощутить почти каждый. Так, с помощью ИИ российские банки делают следующее:
А еще банки могут привлекать роботов с ИИ к работе с проблемными клиентами. Например, если клиент просрочил платеж по кредиту, ему сначала позвонит или напишет робот, который вежливо напомнит о том, что у клиента еще есть обязательства перед банком. Практика показывает, что большая часть просрочек – это когда клиент случайно забыл о дате платежа. Раньше обзвоном занимались сотрудники отделов «софт-коллекторов», но им нужно было платить зарплату. Робот делает это бесплатно.
Кроме того, не так давно ИИ начал бороться с мошенниками. Помимо отслеживания сомнительных операций (например, когда мошенники воруют деньги с чужих карт), любой клиент Сбербанка может фильтровать входящие вызовы на телефон с помощью приложения, которое автоматически определяет мошенников.
Заменит ли ИИ персонал банков через 10 лет?
Основная цель внедрения искусственного интеллекта в банках – это замена им обычных, живых сотрудников. В банковском секторе достаточно высокие зарплаты (в среднем около 100 тысяч рублей), поэтому замена даже одного человека на робота даст банку миллионную экономию в течение года. Также за счет ИИ банки повышают качество обслуживания клиентов и ускоряют это обслуживание – например, пока один банк будет проверять заявку на кредит вручную, другой вынесет решение за пару секунд (и клиент не будет дожидаться ответа из первого банка).
Но получится ли вообще заменить людей на рутинных процессах в банках на роботов с ИИ? Как говорит Дарья Кучина из «ЦФТ Базис», «одна правильно настроенная нейронная сеть успешно заменит целый департамент специалистов, выполняющих рутинные задачи». При этом нейросеть не уходит на больничный, работает быстро и без перерывов, а еще может сама автоматически обучаться.
С другой стороны, никто не отрицает важность личного общения с клиентом – хоть поколение «зумеров» и погружено в цифровые технологии, многим нужна индивидуальная помощь в финансовых продуктах, а это может сделать только живой человек. Поэтому, как считает Федор Спиридонов из ГК SRG, поддержка уже делится на несколько уровней – если сначала человеку отвечает чат-бот, а на втором в дело вступает реальный человек.
Вообще же опрошенные нами эксперты дают разные прогнозы – кто-то считает, что через 10 лет в цифровой формат переведут порядка половины всех банковских операций, а кто-то говорит о 99%. Пока же речь идет о том, что ИИ занимается распознаванием документов (машинное зрение), а нейросети могут привлекаться к принятию решений по заемщикам. В долгосрочной же перспективе нужно решить проблему конфиденциальности – в этом случае действительно можно будет отдать компьютеру значительную часть информации.
Но все же спешить с прогнозами не стоит, считает вице-президент банка «Ренессанс Кредит» Сергей Афанасьев – еще 10 лет назад вряд ли кто-то мог предположить, что технологии будущего будут представлены бесконтактными платежами, биометрией, цифровыми госуслугами, чат-ботами и другими достижениями второго десятилетия XXI века. Поэтому предполагать, куда через год или через пять лет свернет цивилизация – дело неблагодарное.
Искусственный интеллект в банках
Содержание
Банковская платформа нового поколения
Чат-боты и робоэдвайзинг
Robo-Advisers как перспективный пример применения AI
Альтернативой финансовых консультантов по банковским вопросам, конкретным покупкам и другим денежным операциям в режиме онлайн стал робоэдвайзинг.
Робоэдвайзеры дают большие преимущества в сфере онлайн-трейдинга. Прежде всего, это заявки в один клик и открытие счета в реальном времени, мониторинг, актуальные новости и обработка больших объемов сделок сразу. Распространение брокеров в социальных сетях делает инвестиционные знания более доступными и понятными, а общение с клиентом — простым и адресным.
Автоматизация позволяет преподносить информацию в режиме 24/7, при этом снижая издержки процессов. Робоэдвайзеры доступны на десктопе или в формате мобильных приложений, несут в себе функции портфельного управляющего, определяющего риски и оптимальную инвестиционную стратегию.
Индивидуальные предложения и повышение лояльности
IoT (Internet of Things)
Антифрод. Внешние и инсайдерские угрозы
Операционная эффективность
Искусственный интеллект в Сбербанке
Искусственный интеллект помогает компаниям повышать прибыль на 80% быстрее
Опрос показал, что в освоении перспективных технологий, таких как ИИ, Интернет вещей (IoT), блокчейн и цифровые помощники наступил переломный момент: результаты их применения превосходят ожидания и обеспечивают значительные конкурентные преимущества.
Организации, внедряющие новые технологии для управления финансами, получают гораздо большие преимущества, чем изначально рассчитывали.
ИИ, Интернет вещей, блокчейн и цифровое помощники помогают повысить точность, скорость и понимание операционной деятельности и цепочек поставок. И респонденты ожидают дополнительные выгоды для бизнеса, как только блокчейн-приложения станут широко применяться.
Подавляющее большинство организаций уже освоили перспективные технологии. Компании-первопроходцы, которые используют не менее трех подобных решений, получают наибольшие преимущества и имеют больше шансов превзойти конкурентов.
Цифровой банк «Точка» внедрил искусственный интеллект, предсказывающий блокировку счёта налоговой
12 декабря 2019 года цифровой банк для предпринимателей «Точка» сообщил о внедрении искусственного интеллекта, который способен предсказывать блокировку счета Федеральной налоговой службой (ФНС). Подробнее здесь.
JPMorgan начала использовать ИИ-копирайтера, который пишет рекламные тексты лучше маркетологов
В начале августа 2019 года JPMorgan Chase подписала пятилетний контракт со стартапом, использующим искусственный интеллект для копирайтинга. Сделка последовала за успешным пилотным испытанием новой технологии. Подробнее здесь.
Специалисты говорят, что искусственный интеллект совершает революцию в банковском секторе, выявляя мошенничество в финансовых операциях на основе заранее определенного набора правил.
Однако внедрение технологий искусственного интеллекта в банковской отрасли несет и негативные последствия — сокращения рабочих мест и перераспределение кадров в связи с улучшением продуктивности работы финансовых компаний за счет ИИ-технологий.
По прогнозам аналитиков, искусственный интеллект повлияет на десятки миллионов рабочих мест в глобальной финансовой индустрии. В США, например, это коснется 1,3 млн человек к 2030 году, а в Великобритании — 500 тыс. [2]
Среди банковских служащих, на которых может повлиять распространение ИИ, в IHS Markit назвали кассиров, сотрудников отделов клиентского обслуживания, интервьюеров и клерков, финансовых менеджеров, контролеров и кредитных специалистов.
То, что банки все активнее используют искусственный интеллект, подтверждают в консалтинговой компании Deloitte. По данным опубликованного в апреле 2019 года исследования, 29% компаний из финансовой отрасли, работающих в разных странах, используют роботизированную автоматизацию процессов — программное обеспечение, которое автоматизирует монотонную рутинную работу. В этой выборке 25% опрошенных задействуют такие технологии для управления рисками, 21% — для формирования отчетов о рисках, 20% — для нормативной отчетности.
Большие данные и аналитики также стали приоритетными для банков — 40% из них используют такие инструменты наряду с искусственным интеллектом.
Около 25% и 19% опрошенных представителей компаний заявили, что они задействуют машинное обучение и когнитивную аналитику (включая обработку естественного языка) соответственно, чтобы сократить расходы и повысить точность операций, в то время как 24% рассказали, что используют инструменты моделирования бизнес-решений.
Банки с Уолл-стрит начали использовать машинное обучение для анализа валютных рынков
29 июня 2018 года Bank of America объявил о начале использования машинного обучения для анализа валютных стратегий. Поводом для проведения исследования в области искусственного интеллекта, которое аналитики банка начали в июне 2018 года, послужила нестабильная политическая обстановка в Италии — специалисты опасались, что она повлияет не только на евро, но и на остальные европейские валюты, а это грозит очередным финансовым кризисом.
В первом исследовании Bank of America алгоритмы машинного обучения оцениваются по эффективности работы с фундаментальными и обзорными данными, например, касающимися государственных расходов и ожиданий потребителя. Задача ИИ — составить прогноз отношений валютной пары евро-доллар. Команда использовала как контролируемое обучение, когда машина должна проанализировать промаркированные человеком данные и выявить закономерности, так и неконтролируемое обучение, когда человек уже не контролирует процесс и не дает ИИ никаких указаний.
Несмотря на активное использование ИИ, большинство банков пока не успели внедрить его в свою работу на глобальном уровне. В отчете о цифровом банковском обслуживании осенью 2017 года подавляющее большинство финансовых учреждений отметило, что в той или иной мере использовало машинное обучение, но, как отмечают аналитики, лишь менее 20% вышли за рамки простейших методик работы с ИИ.
Среди трех крупнейших банков США Bank of America первым включил разработки моделей машинного обучения в публикации результатов валютных исследований. Исследовательская группа финансового холдинга JP Morgan изучала приложения для машинного обучения, но использовать их пока не решилась. Банковская компания Wells Fargo заявляет, что придерживается фундаментального экономического подхода для анализа валютных рынков, поскольку доверяет своему опыту в это сфере. Многие не доверяют компьютерам, которые анализируют информацию способами, недоступными пониманию человека, и утверждают, что не готовы принять прогностические заключения ИИ, обрабатывающего данные вне причинно-следственных связей.
Однако изменения уже грядут – например, коммерческий банк Morgan Stanley нанял профессора прикладной информатики Пенсильванского университета Майкла Кернса (Michael Kearns), ранее работавшего в хедж-фонде, чтобы расширить использование ИИ, а команда Deutsche Bank включила машинное обучение в анализ своих данных.
Некоторые аналитики утверждают, что благодаря общедоступности инструментов машинного обучения исследования Уолл-стрит утратят свою актуальность, поскольку инвесторы смогут разработать собственные методики анализа на основе ИИ. Но Питер Уодкинс (Peter Wadkins), аналитик FX Aite Group, считает, что это не так вероятно, как кажется, ведь для машинного обучения требуются довольно крупные объемы данных и высокотехнологичные методы их обработки. [3]
Как коллекторы используют искусственный интеллект для выбивания долгов
С 2013 по 2018 годы в Китае появились тысячи новых компаний, которые выступали посредниками между частными кредиторами и людьми, нуждавшихся в наличных средствах. Однако из-за разразившегося скандала эти компании оказались под перекрестным огнем регулирующих органов, и с середины 2017 года, когда китайское правительство ввело контроль предоставления кредитов, а также лицензирование кредиторов и посредников, очень многие подобные компании, предоставлявшие свои услуги как физические лица, полностью прекратили свою деятельность.
Кредитование между физическими лицами широко используется в Китае, но правительство тщательно отслеживает только официальную банковскую систему, отмечает Черри Шэн, исполнительный директор компании по сбору долгов в Шанхае Ziyitong и бывший менеджер Citigroup и ANZ Bank. Однако благодаря появлению передовых технологий даже у физических лиц появилась возможность вернуть долг.
Система анализирует данные о заемщиках и их друзьях, доступные в интернете, а затем связывается с заемщиком по телефону с помощью диалогового робота. Разговоры записываются и анализируются с помощью алгоритма, который затем определяет формулировку, которая с наибольшей вероятностью возымеет действие на заемщика и заставит вернуть долг. Система также связывается с его друзьями и с их помощью просит заемщика вернуть деньги.
Yigou, еще один стартап для взыскания долгов, запустил приложение для мобильных телефонов, которое позволяет коллекторам проводить поиск по тысячам индивидуальных долговых записей и отбирать необходимые случаи, упрощая взаимодействие между кредиторами и коллекторами. Компания также может предоставлять геолокационные данные некоторых заемщиков, чтобы помочь коллекторам отслеживать их местоположение.
Вэнь Юн, исполнительный директор компании Yigou, отметил, что новейшие технологии стали играть значимую роль в коллекторской отрасли. По его словам, многие компании, предоставлявшие услуги по кредитованию между физическими лицами, были вынуждены организовать собственные коллекторские ячейки, поскольку число случаев невыплаченной задолженности в этом секторе значительно выросло.
Учитывая, что регуляторные органы не оставляют попыток перехватить поток наличных денег от теневого банковского дела и управляющих активами, которые обеспечивают наполнение фондов кредитования между физическими лицами, коллекторы таких компаний ожидают, что к концу 2018 года все больше заемщиков будет уклоняться от возвращения кредитов. Поскольку физические лица не отчитываются о своей деятельности, точно определить объем задолженности затруднительно, однако коллекторы оценивают ситуацию как неутешительную. [4]
Замещение тысяч сотрудников роботами в японских банках
В конце октября 2017 года стало известно о планах ведущих японских банков автоматизировать около 30 тыс. рабочих мест, поскольку, по мнению компаний, традиционная бизнес модель больше не позволяет наращивать прибыль.
Как пишет японское деловое издание Nikkei, Mizuho Financial Group собирается к 2021 финансовому году заменить около 8 тыс. сотрудников на компьютеры, а 2026-му — увеличить этот показатель до 19 тыс.
К масштабной автоматизации готовится еще одна крупная финансовая организация из Японии — Sumitomo Mitsui Financial Group. По ее планам, к 2020 финансовому году роботы будут выполнять задачи, для которых к октябрю 2017-го нужно 4 тыс. человек.
Не отстает от конкурентов и Bank of Tokyo-Mitsubishi UFJ. В планах этой финансовой корпорации значится автоматизации 9500 рабочих позиций к 2023 финансовому году. У многих японских компаний финансовый год завершается в конце марта.
За счет использования вычислительных алгоритмов вместо людей Mizuho Financial Group рассчитывает консолидировать канцелярскую работу, сведя к минимуму количество персонала с дублирующимися функциями.
Также около 100 рутинных рабочих задач возьмет на себя новая роботизированная система обработки, которую Mizuho Financial Group сначала использовала только для ввода данных при открытии инвестиционных счетов на своем веб-сайте.
Впрочем, масштабная цифровизация не предполагает только сокращение штата Mizuho Financial Group. Например, осенью 2017 года около 200 сотрудников бэк-офиса, чьи функции заменили компьютеры, переведены в отделы по работе с клиентами. Кроме того, Mizuho Financial Group намерена увеличить число специалистов по финансовым технологиям.
Sumitomo Mitsui Financial Group планирует перевести в цифровой формат часть сервисов, предоставляемых банковскими отделениями. К октябрю 2017 года компания открыла в Японии девять дата-центров, которые займутся обработкой новых данных. [5]
ИИ «Робот Вера» для подбора кандидатов на вакансии
ИИ «Робот Вера» — сервис автоматизированного подбора кандидатов на вакансии. Сервис создан на базе технологии машинного обучения, способен «понимать» естественную речь человека и обрабатывать более 10 тыс. звонков одновременно, ускоряя, таким образом, процесс подбора кандидатов. По словам основателя Stafory (Стафори) Владимира Свешникова, весь процесс найма благодаря сервису сокращается до трех часов.
Как искусственный интеллект меняет банки. 6 трендов от Михаила Хасина, старшего управляющего директора Сбербанка
В своем выступлении на TAdviser SummIT 2017 Михаил Хасин, старший управляющий директор блока «Технологии» Сбербанка, рассказал, как искусственный интеллект (ИИ) становится драйвером технологических инноваций в банках. Подробнее здесь.
Исследование R-Style Softlab
Лишь каждый пятый отечественный банк применяет данную технологию, однако абсолютное большинство банков считают ее перспективной. В половине опрошенных организаций готовы перенести платежные операции и информационные сервисы в мессенджеры. В каждом третьем банке готовы доверить чат-ботам функции блокировки платежных карт, в каждом пятом — подтверждение операций. Это данные исследования R-Style Softlab, которое проходило с февраля по апрель 2017 г., в нем приняли участие руководители и специалисты ИТ- и бизнес-подразделений 100 банков России и СНГ, более половины из которых — банки категории топ-100.
Рост числа российских интернет-пользователей, доступность смартфонов и дальнейшее развитие мобильного интернета формируют новые привычки и модели поведения. Пользователи социальных сетей и мобильных приложений все больше ориентируются на получение мгновенного результата и осуществление целевого действия в пару кликов, что во многом объясняет стремительный взлет популярности мессенджеров WhatsApp, Viber и Telegram Мессенджер.
Однако потребность в получении качественных финансовых услуг и персональных консультаций никуда не исчезла: люди по-прежнему звонят в call-центры. Несмотря на развитие систем ДБО, количество обращений по телефону, по словам представителей 30 крупнейших кредитных организаций, за последнее время существенно увеличилось.
Технология чат-ботов позволяет оптимизировать бизнес-процессы и найти разумный компромисс в решении сразу нескольких разноплановых задач: упростить взаимодействие пользователя с банком, повысить уровень сервиса и сократить финансовые затраты на работу call-центра и услуги SMS-оповещения. Имитация диалога происходит в привычной и комфортной для клиента среде чата, при этом он получает выбор услуг, ранее доступных только на сайте или через систему ДБО — все это позволяет сохранить и повысить лояльность.
К сожалению, на данный момент полноценное распознавание текста и обработка произвольных запросов собеседника при помощи технологий искусственного интеллекта не могут быть доведены до приемлемого уровня.
Распространение перспективных, по мнению многих компаний, так называемых интерфейсных ботов, созданных на платформах Telegram и Facebook, не решает вопрос качественной имитации живой беседы и сохранения лояльности клиента. «Разговорные» боты, в первую очередь их примитивные варианты, созданные с развлекательной целью, довольно часто подвергаются критике в связи с ограниченностью тем, по которым они способны вести диалоги.
Поскольку для человека при обсуждении вопросов с банком важно ощущение живого контакта, самым верным направлением видится развитие именно «разговорных» ботов при условии наличия в них широких возможностей языкового анализа. При продуманной реализации их можно назвать «правильными» чат-ботами, способными качественно имитировать человеческую речь.
Такое решение серьезно снизит нагрузку на call-центр, сохранит возможность живого диалога и позволит в сложных случаях перевести разговор на специалиста банка, помогая ему в решении проблемы — активируется функция предложения подсказок оператору из базы шаблонных фраз.
2016: ИИ для подбора сотрудников на Уолл-стрит
7 июня 2016 года агентство Reuters опубликовало статью, посвященную тому, как банки с Уолл-стрит в попытке сократить расходы обращаются к разработчикам ПО, чтобы те помогли с оптимизацией процесса поиска подходящих сотрудников. Ставка делается на искусственный интеллект (ИИ).
Подобные технологии позволяют выявить в соискателях полезные для работодателя качества, в том числе способность работать в команде, целеустремленность, силу воли и другие плюсы, которые не всегда можно обнаружить в резюме или во время собеседования.
Возможность внедрения ИИ в работу рассматривают такие финансовые гиганты, как Goldman Sachs Group, Morgan Stanley, Citigroup и UBS Group. К примеру, Citigroup к началу июня 2016 года тестирует разработанную фирмой Koru Careers технологию для отсева кандидатов. Софт испытывается на небольшой группе сотрудников, работающих в корпоративной и инвестиционной структурах.
Программа определяет «корпоративный отпечаток» бизнеса (совокупность качеств действующих сотрудников, от которых зависят высокие рабочие показатели компании) и оценивает качества кандидатов на основе анализа короткого видеоролика, в котором соискатели рассказывают о своих сильных сторонах и карьерных стремлениях. Система учитывает не только речь говорящего, но способ подачи презентации, включая «язык тела» и темп разговоров. Koru позволяет проводить тестирование через интернет, мобильный телефон или на локальном компьютере в офисе, куда пришел ищущий работу человек.
Пользователи ПО Koru платят разработчикам за составление «корпоративного отпечатка», а также за каждого кандидата, который проходит тестирование. В Koru утверждают, предлагаемое компанией ПО позволяет уменьшить количество неудачных приемов на работу на 60%.
В банках надеются, что подобные разработки помогут избавиться от расходов в случае проблемных наймов и улучшить ситуацию на рынке труда. Искусственный интеллект, по мнению финансистов, позволит отбирать сотрудников, способных справиться с той или иной работой, благодаря созданию шаблонов, построенных на анализе больших массивов данных.
Прием на работу плохого сотрудника может дорого обойтись компании — привести к большим финансовым тратам и потере бизнес-возможностей. По оценкам экспертов Capital One Financial, убытки от неудачно нанятого работника могут измеряться тремя зарплатами человека, который бы идеально подошел для этой должности.
Разработчики программного обеспечение для подбора и управления персоналом стремятся избавить своих клиентов от человеческих ошибок, таких как отсев сильных кандидатов, которые на первый взгляд показались слабыми, говорит директор направления по подбору персонала рекрутинговой компании Monster Worldwide Мэтт Дусетт (Matt Doucette).
По данным осведомленных источников Reuters, в банке UBS используется компьютерный алгоритм, позволяющий анализировать резюме для поиска кандидатов с нужными параметрами, а также технология отбора сильных кандидатов.
Goldman Sachs Group применяет собственное ПО для поиска в резюме нужных качеств, таких как командная работа, честность и рассудительность. Также компания использует личностные тесты для лучшего понимания качеств наиболее успешных банкиров и трейдеров. [6]
Искусственный интеллект задействуется не только в американском банковском секторе, но и российском. В начале 2016 года российская компания Krawlly и банк iBank Global представили персонального финансового помощника, способного агрегировать данные из разных банков, производить категоризацию трат и давать персональные советы на основе анализа больших данных. Программное обеспечение, использующее возможности ИИ, помогает предлагать банковским клиентам различные партнерские программы по инвестициям денежных средств. [7]