Искусственный интеллект в финансах: как банки используют нейросети

Искусственный интеллект в авангарде технологий финтеха 

Интерес к комплексу технологий ИИ в банкинге подогревается не только глобальными тенденциями и российской национальной программой «Цифровая экономика». 

Бизнес ведом формулой «челюстей» (jaws ratio): стремится, чтобы «верхняя» (доходы) росла, а «нижняя» (расходы) уменьшалась. Искусственный интеллект встраивается в эту концепцию банков. Он не только оптимизирует расходы, но и наращивает прибыли на 80% по исследованиям Enterprise Strategy Group и Oracle. Поэтому ИИ-решения кажутся финтех-компаниям особенно заманчивыми сегодня, когда инновации стали доступнее. 

Финансовые организации научились извлекать пользу из нейросетей в разнообразных областях.

Риск-менеджмент

Бизнес может сталкиваться с 20 видами рисков и более, среди них юридические, финансовые, технологические. ИИ в банках хорош тем, что анализируют собранные показатели оперативнее человека. Чем быстрее рассмотрены факторы риска, тем скорее компания получит информацию о потенциальной угрозе, а значит, и время для поиска выхода из ситуации. 

Одно из решений в этой сфере использует ПСБ — анализ аномального поведения юридических и физических лиц для выявления мошенничества. 

Скоринг

Банки с помощью искусственного интеллекта оценивают платежеспособность клиентов. Алгоритмы способны не только проверять фактическое благосостояние и надежность заемщика, но и строить прогноз его поведения на основе схожих портретов пользователей. Кредитный скоринг на базе машинного обучения на 95% точен, в остальных случаях требуется подключение человека. При этом заявки обрабатываются за несколько минут, а не дней — скорость выдачи займов благонадежным гражданам возрастает многократно.

Автоматизация бизнес-процессов 

Сбер применяет технологию для составления графиков сотрудников и верификации документации. В Газпромбанке работают 20 роботов для ускорения рутинных процессов, таких как оформление справок. 

В Росбанке искусственный интеллект автоматически обрабатывает документы и данные клиентов, когда они совершают операции по счету. Технология за пару секунд считывает от 70 параметров сканов и делает 15 автопроверок — избавляет сотрудников от однообразных действий. 

ИИ можно интегрировать с биометрической системой распознавания личности. Это пригодится в ситуациях, когда клиенты обращаются в кол-центр, чтобы выяснить информацию по счету. Ответа оператора дожидаться не придется: робот мгновенно увидит нужные данные в системе и решит вопрос за несколько секунд. 

Обслуживание клиентов

Финансовые организации запускают чат-ботов и мобильных голосовых ассистентов, чтобы оптимизировать работу кол-центров и служб поддержки. Тинькофф сообщает, что чат-боты сохраняют 200 млн рублей бюджета в месяц, взяв на себя обработку 40% запросов. 30 млн рублей — экономия за счет голосового помощника банка («Олега») и ускорения консультации на 40 секунд в кол-центре. 

«Хоум Кредит» также применяет технологию для оценки качества операторов и специалистов телемаркетинга. 

Маркетинг

Нейросети компаний «Альфа-банк» и «Открытие» учатся распознавать эмоции людей. Это решение имеет огромный потенциал для оценки качества обслуживания в отделениях или впечатлений о продукте. На основе собранной информации получится персонализировать предложения для потребителей. 

Как это работает: нейросеть банка проверяет транзакции пользователя, интерес к продуктам в приложении. Например, если человек запросил кредитный рейтинг или увеличил траты по кредитке, ИИ в банке предложит кредит наличными. У пользователя есть деньги на счете, он смотрит сториз про инвестиции в мобильном приложении, — оповестит о возможностях выгодно инвестировать.

В телемаркетинге интеллектуальные алгоритмы повышают конверсию продаж: определяют ключевые фразы диалога и варианты улучшить сценарий, анализируют, насколько точно оператор следует скриптам. 

Алгоритмическая торговля

Алготрейдинг — автоматизацию торговли валютой — одним из первых России начал практиковать Сбер. Сегодня 99% конверсионных сделок совершают через торговых роботов. 

Система помогает трейдерам эффективно хеджировать риски, автоматизировать операции по счету на валютном рынке, снижая влияние человеческого фактора. Помимо этого, алгоритмический трейдинг вносит вклад в качественное развитие и информационную эффективность рынка, поэтому всячески поддерживается крупными digital банками. 

Управление сетью отделений

Росбанк использует «умную» технологию location intelligence для сбора информации об отделениях, активности клиентов, проходимости. На основе данных разрабатывает тепловую карту городов, где виден потенциал текущих отделений, и составляет базу для выбора мест размещения последующих.  

Не все так просто

На пути финтех-организаций, которые стремятся пользоваться выгодами искусственного интеллекта, возникают трудности, с которыми им приходится считаться. 

• Найти специалистов, которые разбираются в ML, Big Data, AI, анализе данных и других смежных областях, — довольно трудная задача. Популярность подобных решений увеличивается в геометрической прогрессии, однако рост количества экспертов в этих сферах не поспевает за данной тенденцией. В обучение собственного персонала придется инвестировать немало средств, чтобы специалисты овладели необходимой экспертизой для построения качественных моделей.
• Текущая инфраструктура должна быть достаточно технологичной, чтобы создавать и обучать искусственный интеллект в банке. Подобная инфраструктура стоит дорого за счет взлетевшей стоимости видеокарт на фоне криптовалютной истерии. Чем больше данных, тем выше требования к системе ИИ банка и ее безопасности. 
• Финансовый сектор зарегулирован, поэтому развитие технологии внутри компании может стать настоящим испытанием: обучение модели  должно проходить строго с учетом всех букв закона о защите данных.
• Даже если удалось интегрировать ИИ с крупной системой банка, следует понимать: инновация — долговременная инвестиция, которая окупится не сразу, при этом на каждом этапе, даже самом раннем, существует угроза упущенной прибыли. Небольшая ошибка в алгоритме может обойтись бизнесу в миллиарды рублей.

Как внедрять ИИ в банк с выгодой: основные принципы

Принцип 1: Если цель компании — проверить на практике возможности разнообразных технологий, выбирайте готовое программное обеспечение с встроенным искусственным интеллектом. Разработка своих решений обойдется дорого: силы бизнеса будут переброшены на эту задачу — на эксперименты не останется ресурсов.

Принцип 2: Экспериментальный подход к внедрению ИИ в банк экономит ресурсы. Чтобы проверить жизнеспособность идей, можно запустить сразу несколько «пилотов» на начальном этапе и посмотреть, какой из них «выстрелит».

Принцип 3: Контролирующий управленец не подходит на роль руководителя процессом внедрения искусственного интеллекта в сфере финансов. С этой задачей лучше справятся главные лица отдела финансовой аналитики, поскольку знают, как работать с данными и внедрять технологии в бизнес-среде. 
Принцип 4: Интегрировать технологию удастся только силами первоклассных специалистов в области искусственного интеллекта. Можно дополнительно расширить штат, повысить квалификацию сотрудников компании или привлечь сторонних IT-экспертов, специализирующихся на разработке и внедрении IT-решений для банков. Внешние IT-специалисты разбираются в тонкостях банковских ИИ-приложений и быстрее справляются с возникающими трудностями.

Заключение

Нейросети банков потенциально способны удовлетворить потребности бизнеса в улучшении клиентского опыта, наращивании прибыли, сокращении издержек. Однако применение технологии с выгодой невозможно без учета сопутствующих рисков и препятствий. Если их преодолеть, достигнутый эффект будет стоить затраченных усилий.