Ключевые направления ИИ-трансформации
Финансовая отрасль чутко реагирует на происходящее на рынке технологий и, разумеется, к решениям на базе искусственного интеллекта проявила особое внимание еще на старте. Это уже принесло свои плоды: игроки отрасли отмечают существенную экономию, увеличение скорости обслуживания клиентов, снижение человеческого фактора и сокращение связанных с ним ошибок в рутинных процессах.
Одни ИИ-технологии сейчас находятся на этапе пилотирования и апробации, другие — уже давно «созрели» и помогают финансовому бизнесу извлекать реальную выгоду. Так, судя по исследованию ассоциации «ФинТех», самые продвинутые решения ИИ в российских банках сейчас реализованы в скоринге и функциях по продаже и продвижению продуктов.
Уже какое-то время банки активно используют искусственный интеллект в следующих сферах: прогнозирование возможности дефолта заемщика;
- оптимизация маркетинговых стратегий;
- гиперперсонализированное обслуживание;
- распознавание текста, картинок, видео- и аудиофайлов;
- общение с клиентами с помощью чат-ботов и голосовых ассистентов;
- торговля, основанная на алгоритмах;
- антифрод и информационная безопасность.
Эксперты Spydell Finance выделяли несколько направлений, в которых будут применяться ИИ-технологии в финсекторе в 2024 году: прогнозирование и управление рисками, расширенный анализ данных, прогнозирование тенденций, автоматизированные инвестиции, автоматизация задач, предотвращение мошенничества и автоматический контроль налоговых требований. Разберем каждое из них подробнее.
Управление рисками
Сфера риск-менеджмента в банках по своей природе очень формализована. Это значит, что интегрировать в нее ИИ-технологии довольно легко. Искусственный интеллект способен намного точнее, чем риск-менеджер, прогнозировать риски по кредитованию, инвестициям и страхованию.
Аналитики Центробанка РФ в последнем отчете, посвященном ИИ в финсекторе, перечисляют целый ряд направлений, которые банки собираются частично отдать на откуп умным машинам. Среди них — управление кредитными рисками. Теперь большую часть работы андеррайтеров можно автоматизировать, а сам специалист может заняться глубинным анализом выводов, которые сделала модель, интерпретацией её результатов и формированием предложений на их основе.
Особый фокус банки делают на рисковый/кредитный скоринг клиентов — решения по обращениям клиентов принимает искусственный интеллект. Если раньше специалисты могли рассматривать заявки на выдачу займа по 2−3 недели, пытаясь понять, сможет ли человек вернуть долг и какая у него кредитная история, сейчас на одобрение или отказ уходят считаные минуты. При этом ИИ-алгоритмы способны всесторонне проанализировать потенциального клиента и выставить ему оценку, суммируя баллы по различным показателям: возрасту, образованию, работе, семейному положению и пр.
Таким образом, ИИ позволяет точнее оценить кредитоспособность человека и обозначить риски для банка, выдающего заем.
На рынке существует множество продуктов, позволяющих банкам внедрить инструменты классического рискового, среди них — решение билайна «Скоринг и верификация для банков, МФО и страховых», которое помогает уменьшить количество кредитов в портфеле с наличием просроченных выплат, увеличить «апрувал рейт» и оценить клиента на предмет появления в будущем страховых случаев. Скоринг на базе информации о поведении абонента обогащает внутреннюю скоринговую карту банка и позволяет снизить Cost of Risk, при этом не сокращая объем кредитного портфеля.
Расширенный анализ данных и прогнозирование тенденций
ИИ-решения умеют обрабатывать колоссальные объемы финансовых сведений в онлайн-режиме: транзакции, спрос на те или иные продукты на рынке, изменения в потребительском поведении, курсы валют и металлов. Более того, алгоритмы выявляют закономерности и прогнозируют тенденции, и финтех-компании активно используют ИИ-модели, чтобы определить оптимальную цену финансовых активов и выявлять потенциальные негативные изменения на рынке.
Востребованным искусственный интеллект оказывается и в трейдинге: ЦБ прогнозирует, что вскоре роботы начнут переигрывать людей-трейдеров, поведение которых может не соответствовать их намерениям. ИИ же способен предсказывать тенденции рынка в режиме реального времени: он умеет ждать, терпеть и не будет проводить, например, преждевременные продажи, чтобы получить вознаграждение побыстрее.
Современные алгоритмы машинного обучения умеют анализировать огромное количество данных и формировать оптимальные инвестиционные стратегии по портфелю. Так, Сбер недавно запустил для своих клиентов трекер на Индекс циклов денежно-кредитной политики SBERMPCI, созданный на основе искусственного интеллекта. ИИ-модель работает так: после каждого заседания Банка России по ключевой ставке регулятор выпускает пресс-релиз с комментариями по поводу денежно-кредитной политики. Алгоритмы анализируют этот текст на жесткость риторики, а затем определяют эффективную стратегию для инвестиций с помощью инструментов долгового рынка.
Стратегии развития бизнеса
Активно банки сейчас также применяют «умную» геоаналитику, чтобы определиться, в каком месте открыть новое отделение банка и где лучше установить банкомат. ИИ-инструменты способны проанализировать массу важных параметров: проходимость той или иной локации, наличие рядом метро, остановок общественного транспорта и торговых точек, погодные условия и т. д. Упрощает ИИ и обслуживание банкоматов, так как прогнозирует их загрузку в зависимости от локации. Это помогает банку сократить затраты на инкассацию.
Так, в «Альфа-Банке» решение на базе ИИ уже давно помогает руководству принимать решение об открытии новых отделений. Эту же технологию location intelligence на вооружение взял Росбанк: она собирает данные обо всех отделениях, оценивает их нагрузку, рассчитывает эффективность новых точек, собирает информацию о конкурентах рядом.
В ВТБ также давно развивают модель геопотенциала при управлении сетью продаж. Она построена на исторических данных о поведении клиентов в точках продаж и множестве обезличенных геослоев. Банку она помогает получить численную оценку новых клиентов, «перетоков» между офисами и т. д. Параметризирована буквально каждая локация 500 на 500 метров (ИИ анализирует, сколько детей в семье человека, часто ли они пользуются кредитками, работают ли в этом районе и т. д).
В этом банкам помогает решение билайна «Геоаналитика: выбор локации». Она позволяет находить места концентрации целевой аудитории.
Автоматизация задач
Больше 80 % бизнес-операций в сфере финансов и страхования представляют собой рутину по протоколам действий. Опять-таки — раз существуют протоколы, значит ИИ может взять на себя большинство из них, автоматизируя трудоемкие процессы. Это могут быть, например, управление аккаунтами клиентов или анализ страховых претензий.
Впрочем, к довольно рутинным задачам можно также отнести мониторинг нововведений в налоговом законодательстве. Решения на базе искусственного интеллекта прекрасно умеют фиксировать все изменения и помогают банкам избегать штрафов.
Обнаружение мошенничества
Качественный анализ транзакционных данных, которые проводит ИИ, помогает выявлять аномальные паттерны, ведь мошенники в большинстве случаев не отличаются оригинальностью и используют плюс-минус одни и те же схемы. Это помогает вовремя заблокировать карту и уведомить ее держателя о происходящем.
ИИ применяется также для антифродовых систем, AML-контроля (противодействия отмыванию денег) и других задач комплаенса. К слову, современные решения уже умеют отличать действия мошенников от бытовых ситуаций: допустим, когда с родительской карточки ребенок без разрешения потратил деньги на видеоигру.
К примеру, в ВТБ разработали модель транзакционного антифрода, которая базируется на стриминговой обработке данных и вычленяет аномальные транзакции, которые говорят, что карта скомпрометирована или о том, что система взломана. Умная система понимает, что это поведение для клиента нетипично.
Клиентские сервисы
С клиентами банков сегодня работают чат-боты и голосовые ассистенты на базе ИИ — именно на них выходит человек, когда обращается в кол-центр. Как правило, клиент задает одни и те же вопросы, на которые способен ответить виртуальный помощник, не отнимая время у сотрудников.
Так, по данным банка «Хоум кредит», 91 % клиентов после консультации с ИИ-помощником не просят связать их с оператором. А чат-бот «Тинькофф банка» (сейчас «Т-Банк») обрабатывал больше 40 % обращений и экономил финансовой организации больше 200 млн рублей в месяц.
Еще одна важная функция ИИ: он способен контролировать работу операторов и сотрудников в отделении, распознавая, насколько те были вежливы с клиентами, подробно ли отвечали на вопросы, ушел ли человек раздраженным. Это позволяет вывести обслуживание клиентов на принципиально иной уровень.
Используется для контроля качества обслуживания клиентов и видеоаналитика: умные камеры способны оценить эмоции клиентов, помочь проконтролировать работу сотрудников во время обслуживания, сокращать очереди и многое другое. Такое решение внедрено в банке «Открытие», эмоциональную нейросеть разрабатывает и «Альфа-Банк».
Также берут на вооружение банки и персонализированный маркетинг. ИИ-инструменты анализируют финансовое поведение клиента, его предпочтения и предлагают ему те или иные банковские продукты в мобильном приложении. По похожей схеме, например, строится система кешбэка в «Альфа-Банке», который каждый месяц предлагает своим клиентам определенные категории товаров.
Резюмируя, мы можем с уверенностью говорить о том, что в ближайшей перспективе технологии искусственного интеллекта будут все активнее внедряться в финансовом секторе. Банкам стоит тщательно подходить к выбору решений на рынке, чтобы достичь желаемого эффекта и реальной экономии.
