В первую очередь рассмотрим главные направления применения инструментов на основе искусственного интеллекта в сфере связанной с финансами. В этом году можно выделить несколько основных направлений. 1) Прогнозирование и управление рисками. Хорошо известно, что управление рисками в своей основе наиболее формализованный сегмент финансовой индустрии, который в наилучшей степени поддается “запиранию” в рамки ИИ, где ИИ способен прогнозировать риски, связанные с кредитованием, инвестициями и страхованием, забирая на себя функции риск-менеджеров. 2) Расширенный анализ данных. Финансы, как и экономика – это непрерывный поток данных, которые поддаются упорядочиванию через идентификаторы, веса и «маяки». ИИ способен анализировать огромные объемы финансовых данных в режиме реального времени,
включая транзакции, экономические и рыночные тенденции, также потребительское и корпоративное поведение.
3) Прогнозирование тенденций
Значительная часть данных и процессов в фининдустрии регулярно повторяется через различные комбинации, а следовательно, возможен анализ паттернов, где ИИ очень силен (статистика и вероятности), что позволяет быстрее, точнее и эффективнее предсказывать наиболее вероятные тенденции.
4) Автоматизированное инвестирование
Данный подход применяется уже с начала 2000-х годов в рамках алгоритмических систем и торговых роботов, но теперь может выйти на совершенно иной уровень за счет комбинации инструментов, где одновременно объединяется анализ вероятностей и паттернов, риск менеджмент и прогнозирование.
5) Автоматизация задач
Свыше 80% бизнес операций в финансах и страховании – в чистом виде рутина по протоколам действий. Если есть протоколы – значит есть пространство для ИИ, который может автоматизировать многие рутинные и трудоемкие процессы, такие как обработка заявок на кредиты, управление клиентскими аккаунтами и анализ страховых претензий, что повышает эффективность и сокращает затраты.
Финансовый консультант на базе ИИ может обеспечивать высококачественное обслуживание клиентов, предоставляя быстрые и точные ответы на их вопросы, а также помогая в выполнении финансовых операций – намного быстрее и эффективнее человека, за исключением сложных вопросов.
6) Автоматическое написание инвестиционных и рыночных обзоров/новостей
Обучение ИИ на базе миллионов инвестиционных обзоров за последние 50-60 лет позволит создать высокоразвитого инвестаналитика на базе ИИ, который будет быстро, релевантно и качественно писать обзоры.
7) Обнаружение и предотвращение мошенничества
Анализ транзакционных данных для выявления подозрительных или необычных паттернов (мошенники в 97% случаях действуют по похожим схемам), что помогает в борьбе с финансовым и страховым мошенничеством.
8) Автоматический контроль за налоговыми требованиями
Автоматический контроль за налоговыми требованиями и регуляторными нормами, что позволит избежать штрафов и преследования со стороны государства.
Главные риски применения ИИ в финансовом секторе России
По состоянию на начало года лидером по внедрению технологий искусственного интеллекта в России является финансовый сектор. Применение ИИ открывает огромный потенциал для повышения эффективности, точности и безопасности финансовых операций, а также для разработки новых продуктов и услуг. Об этом говорится в исследовании, результаты которого опубликованы в середине апреля 2024 года.
По данным «Ассоциации ФинТех», около 90% методов и инструментов ИИ, которые используют российские кредитные компании, основываются на методах машинного обучения. Российские банки применяют такие технологии для создания систем компьютерного зрения, запуска речевых сервисов, работы с текстом, анализа данных (предиктивной аналитики) и интеллектуальной роботизации. При этом, технологическим драйвером развития ИИ в финтехе стали большие языковые модели (LLM).
Лидерство финансовой отрасли во внедрении решений на базе технологий искусственного интеллекта в России неоспоримо. Вместе с тем существуют и критические риски применения решений на основе ИИ в финансово-банковской сфере. Это, в частности, искажения автоматизации — когда автоматизируется решение, изначально содержащее ошибки. Существует также вероятность использования некачественных данных при обучении ИИ, что негативно влияет на качество работы сервисов. Опасения вызывают риски вторжения в частную жизнь клиентов финансовых организаций при сборе и использовании данных и этические риски, связанные с национальным, религиозным, региональным компонентами (например, неправильное обращение к клиенту). Плюс к этому эксперты указывают на возможные проблемы в области кибербезопасности.
Для России специфическим риском называется санкционное давление, из-за которого затруднены закупки мощного ИИ-оборудования, включая ускорители на базе графических процессоров. Кроме того, наблюдаются неравная конкуренция и монополизация рынка: это связано со значительными возможностями технического развития у крупных игроков и отсутствием их у небольших и региональных участников отрасли.
Как Национальное бюро кредитных историй использует ИИ
Национальное бюро кредитных историй (НБКИ) применило искусственный интеллект в создании PD-скоринга — оценки вероятности невыплаты кредита (дефолта). Об этом проекте в конце февраля 2024 года рассказал Олег Скворцов, председатель правления Ассоциации российских банков (АРБ).
Зачем банки тратят миллиарды долларов на генеративный ИИ
Исследование Juniper Research, результаты которого опубликованы 23 января 2024 года, говорит о том, что банки быстро увеличивают расходы на генеративный искусственный интеллект (GenAI). Внедрение таких инструментов позволяет улучшить качество обслуживания клиентов и повысить уровень безопасности.
По оценкам аналитиков, в 2024 году глобальные затраты банков на системы GenAI составят около $6 млрд. В 2030-м, как ожидается, это значение достигнет $85 млрд. Таким образом, рост за рассматриваемый период превысит 1300%. По данным Juniper Research, ведущие банки будут внедрять сервисы GenAI, чтобы предлагать более персонализированный клиентский опыт. Это позволит финансовым организациям предоставлять более привлекательные услуги по сниженным ценам.
Исследование показало, что системы GenAI позволят радикально изменить привычную работу банков, предоставляя персонализированную информацию о расходах и отслеживая рыночные тенденции. Финансовые организации, по мнению аналитиков, будут все чаще переходить к стратегии, ориентированной на искусственный интеллект, поскольку такие бизнес-модели необходимы для эффективной конкуренции в высокодинамичной банковской среде. Инвестиции в GenAI позволят банкам получить конкурентное преимущество, поскольку их затраты снизятся, а уровень обслуживания клиентов повысится.
ИИ-тренды, меняющие банковский сектор
Искусственный интеллект оказал влияние на многие отрасли, в том числе на банковский сектор. Благодаря нейросетям и алгоритмам машинного обучения финансовые организации получают возможность улучшить качество предоставляемых услуг, оптимизировать операции и предоставить более персонализированные сервисы для клиентов.
1. Улучшенное обслуживание клиентов
Чат-боты и виртуальные помощники на базе ИИ становятся обычным явлением в секторе банковских услуг. Эти интеллектуальные инструменты могут взаимодействовать с клиентами круглосуточно, отвечая на запросы, помогая с выполнением рутинных операций и предлагая полезную информацию. ИИ не только повышает эффективность работы финансовых организаций, но и снижает эксплуатационные расходы. Благодаря нейросетям и алгоритмам машинного обучения финансовые организации получают возможность улучшить качество предоставляемых услуг
2. Персональные рекомендации
Алгоритмы ИИ анализируют данные о клиентах с целью оценки индивидуальных предпочтений и финансового поведения. Используя такую информацию, банки могут формировать персональные рекомендации, что помогает в продвижении продуктов и услуг.
3. Обнаружение и предотвращение мошенничества
ИИ играет важную роль в повышении безопасности в финансовой отрасли. Модели машинного обучения могут обнаруживать аномалии при выполнении транзакций и предупреждать о потенциально мошеннических действиях. Такие системы анализируют огромные объемы данных в режиме реального времени, быстро выявляя подозрительные операции.
4. Оценка кредитоспособности и анализ рисков
Традиционные модели кредитного скоринга часто ограничены узким набором параметров. Системы на основе ИИ используют более широкий набор источников данных, включая активность в социальных сетях и поведение в интернете. Такой комплексный подход позволяет банкам принимать более точные решения о кредитовании, одновременно снижая риски.
5. Автоматизация операций бэк-офиса
ИИ помогает в выполнении ряда задач, которые раньше осуществлялись вручную и отнимали много времени. Автоматизация не только снижает вероятность ошибок, но и позволяет организациям повысить операционную эффективность.
6. Прогнозная аналитика
Модели на основе ИИ способны анализировать огромные объемы данных о клиентах. Такие инструменты могут использоваться в маркетинговых целях, при разработке новых продуктов и для привлечения клиентов. Модели на основе ИИ способны анализировать огромные объемы данных о клиентах
7. Знай своего клиента
ИИ упрощает процесс регистрации новых клиентов благодаря автоматизации проверки документов. Системы на основе ИИ, такие как распознавание лиц и биометрическая аутентификации, повышают удобство и безопасность.
8. Соблюдение нормативных требований
ИИ помогает банкам соблюдать установленные требования посредством автоматизации нормативной отчетности и мониторинга. Умные системы могут анализировать обширные наборы данных на предмет любых аномалий или нарушений, предупреждая о возможных проблемах.
9. Улучшение безопасности данных
Технологии ИИ, такие как обработка естественного языка и алгоритмы машинного обучения, повышают безопасность при выполнении банковских операций. Эти инструменты могут идентифицировать конфиденциальную информацию в неструктурированных данных и защитить ее от несанкционированного доступа. ИИ также позволяет обнаруживать киберугрозы и реагировать на них в режиме реального времени.
10. Инвестиции и управление капиталом
Роботы-консультанты на базе ИИ делают услуги по инвестициям и управлению активами более доступными. Автоматизированные платформы не только сокращают затраты клиентов, но и делают финансовые сервисы более доступными для широких слоев населения.
Российские банки инвестируют в искусственный интеллект около $1 млрд в год
Крупнейшие российские банки инвестируют в общей сложности в развитие решений на основе искусственного интеллекта около $1 млрд в год, а прибыль от вложений достигает $3 млрд в год. Такие цифры в ассоциации «Финтех» в начале года.
По ее данным, крупнейшие финансовые организации в России уже инвестировали в развитие ИИ более $10 млрд за последние 10 лет. Под крупнейшими банками подразумеваются пять крупнейших кредитных организаций в России по величине активов на конец 2022 года. В исследовании отмечается, что средние и небольшие российские финансовые компании вкладывают в реализацию портфеля проектов с ИИ лишь 100-300 млн рублей в год. Таким образом, крупнейшие банки РФ инвестируют ежегодно в развитие ИИ в 500 раз больше, чем любые другие компании на рынке.
Крупнейшие российские банки инвестируют около $1 млрд в год в ИИ
Также из исследования следует, что исходя из совокупных эффектов на выручку компаний, для которых ИИ внес существенный эффект, рынок ИИ в 2022 году оценивается в 647 млрд рублей или $7,1 млн. Рост рынка составил 17,3% относительно 2021 года.
Ключевой же барьер при внедрении искусственного интеллекта, указывает ассоциация «Финтех», – это дефицит профильных специалистов. 83% российских компаний отметили, что испытывают здесь кадровый голод.
В июле года глава Сбербанка Герман Греф сообщил, что ежегодно банк инвестирует в искусственный интеллект порядка $1 млрд. При этом отдача от вложений окупается троекратно, заявил он. Как пояснили в «Сбере», искусственный интеллект в банке помогает создавать новые продукты, улучшать клиентский опыт и развивать клиентоцентричный подход.
Новые технологии помогают сотрудникам банка принимать широкий спектр решений на всех уровнях управления. А некоторые решения искусственный интеллект уже принимает лучше человека — например, о том, как оптимально выстроить маршрут инкассации и сколько денег положить в каждый конкретный банкомат, — отмечают в банке.
ЦБ выделил основные риски внедрения ИИ в банковской сфере
Центральный банк выделил три основных риска развития искусственного интеллекта на финансовом рынке: конкуренция, доступ к данным и этический вопрос. Об этом сообщила пресс-служба депутата ГосДумы РФ Антона Немкина.
Активное внедрение технологий искусственного интеллекта в банковской сфере может привести к угрозе снижения конкуренции, компрометации данных, которые используются для обучения ИИ, а также повлечь за собой этические риски, отметил заместитель председателя Банка России Алексей Гузнов.
Прежде всего растет риск монополизации крупными игроками технологий искусственного интеллекта, поскольку их развитие требует значительных инвестиций как в вычислительные мощности, так и в инфраструктуру обработки данных, которые зачастую недоступны менее ресурсным компаниям.
Наверное, результат получат только те, кто имеет возможность вложиться. И это формирует определенные перекосы, – отметил эксперт.
Кроме того, существует риск недостаточного обеспечения информационной безопасности и, как следствие, возможность утечки персональных данных пользователя.
Среди этических рисков эксперт выделил угрозу принятия предвзятых и дискриминационных решений.
Это не только наша проблема, она осмысляется философски – проблема сочетания человеческого интеллекта и искусственного. Так как ИИ быстрее учится естественному языку, он может гораздо искуснее формировать иллюзии, подбирать соответствующий контекст, – пояснил Алексей Гузнов.
Любые технологии несут в себе как положительные, так и отрицательные явления, считает член комитета Госдумы по информационной политике, информационным технологиям и связи Антон Немкин.
<pХорошо, когда мы можем понять какие отрицательные явления есть у некоторой технологии и сразу их купировать. Другое дело, когда возможные негативные последствия на старте определить сложно. Это, во многом, характерно для сферы цифровизации и связано с тем, что развитие технологий, в том числе ИИ, происходят очень динамично – мы не всегда поспеваем за ними, – пояснил Антон Немкин.
На октябрь как в России, так и во всем мире происходит определение возможных угроз, которые несет в себе ИИ, а также разработка мер по их устранению, отметил депутат.
Это достаточно масштабная и кропотливая работа, требующая постоянного баланса. Важно понимать, что отрасль ИИ находятся в зачаточном состоянии. Поэтому ее нормативное «закрепощение» потенциально может привести к замедлению темпов развития. Напомню, что с такой практикой уже столкнулись некоторые страны, в которых в следствие излишней регуляции ИИ-технологий значительно упал инвестиционный потенциал. Поэтому, к этому вопросу нужно подходить осторожно и иногда притормаживать, – пояснил Антон Немкин.
Обозначенные Банком России риски релевантны для сегмента ИИ, считает депутат. Поэтому необходимо определить хотя бы рамочное понимание того, как мы будем их преодолевать. Например, в контексте персональных данных – необходимо предъявлять четкие стандарты, а также следить за их исполнением.
У нас в стране, к сожалению, даже без ИИ технологий, утечки – колоссальная проблема. Я думаю, что развитие ИИ должно происходить в опоре на кибербезопасность: без второго не может быть и первого. Вопрос монополизации также очень сложный и здесь есть место для большой дискуссии, в том числе, в контексте стимулирования малых и средних компаний к разработке ИИ со стороны государства, – считает депутат.
Напомню, что в 2022 году, несмотря на санкционное давление рынок искусственного интеллекта вырос на 18%. Это очень позитивный тренд, поэтому данный сегмент должен оставаться под пристальными вниманием всех участников цифровизации, – заключил Антон Немкин.
Герман Греф рассказал о перспективах использования искусственного интеллекта в банках
Российские банки будут активно внедрять приложения и сервисы на основе искусственного интеллекта в рамках структурной трансформации, нацеленной на предоставление новых услуг и повышение качества обслуживания клиентов. Об этом сообщил председатель правления Сбербанка Герман Греф.
По его словам, как отмечает газета «Ведомости», в сложившейся геополитической обстановке и в условиях макроэкономических вызовов финансовым организациям необходимо «учиться жить по-новому». Для этого, в частности, следует расширять возможности с помощью современных систем ИИ.
В Сбербанке доля процессов, в которых применяются ИИ-алгоритмы, к началу года достигла 75%. Искусственный интеллект участвует в принятии ключевых решений, за которые раньше в банке отвечал человек. Нейросети в числе прочего решают, какой продукт предложить конкретному клиенту, как выстроить оптимальный маршрут для инкассации, что ответить пользователю в чат-боте или колл-центре, какое количество сотрудников должно быть в определённом отделении банка в тот или иной день недели и пр., сообщил Греф.
Системы ИИ также могут применяться в области корпоративного кредитования. При обслуживании юридических лиц и индивидуальных предпринимателей «умные» алгоритмы помогают структурировать кредитную сделку, проанализировать риски и проверить деловую репутацию клиента, а также принять итоговое решение. Причём качество предоставления услуг на базе ИИ в данном случае оказывается выше по сравнению с традиционным подходом. «Сбербанк» намерен научиться выдавать сложно структурированные кредиты с помощью ИИ и довести их по объёмам до 80%. В банке также сообщили, что каждый вложенный в искусственный интеллект рубль приносит 6,7 рубля прибыли. К концу года это значение может увеличиться до 8 рублей.
Нежные роботы-коллекторы и искусственный интеллект. Как ВТБ использует цифровые инструменты для работы с должниками
Банк ВТБ с 2018 года применяет роботов-коллекторов для работы с просроченной задолженностью физических лиц, постепенно расширяя эту практику. На 2021 год всего на это решение приходилось уже 40% от всех голосовых коммуникаций с клиентом в просрочке[6]. При этом судебных проблем у ВТБ в связи с применением роботов-коллекторов пока нет, рассказал на пресс-брифинге заместитель президента-председателя правления ВТБ Вадим Кулик.
Применение этой технологи не у всех проходит без проблем. Так, в конце 2022 года TAdviser подробно писал о судебных разбирательствах, так или иначе связанных с использованием роботов-коллекторов в Сбербанке, который активно задействует их с 2017 года, а также о существующем законодательном пробеле относительно роботов-коллекторов (см. статью ниже). В случае Сбербанка речь в судебных делах идёт, например, и о законности самого факта применения роботов-коллекторов, и о допустимом количестве взаимодействий банка с должником с их помощью.
TAdviser проверил: поиск по системам юридической информации, действительно, не выдаёт судебных споров, связанных с использованием роботов-коллекторов для взыскания просроченной задолженности в ВТБ.
Вадим Кулик на пресс-брифинге, отвечая на вопрос TAdviser, объяснил, с чем, по его мнению, это связано. Клиентский срез у ВТБ в среднем отличается от клиентского среза Сбербанка: по различным причинам у ВТБ исторически средний клиентский чек выше, доля «среднего+» клиентского сегмента выше. Поэтому способ и манера сбора задолженности у банка ВТБ мягче, говорит топ-менеджер ВТБ. Построить агрессивную модель сбора банк ВТБ не может себе позволить.
В 2020 и 2021 гг. российский Forbes выпускал рейтинги 15 лучших банков для миллионером, где ВТБ оба раза занял первое место, опередив Сбербанк. В 2020 году, в частности, ВТБ раскрывал данные о наличии у него более 20 тыс. клиентов с финансовыми активами от $1 млн. Это оказалось больше, чем у какого-либо другого участника рейтинга.
Вадим Кулик рассказал, что в области коллекторского направления в ВТБ есть большая номенклатура разных моделей, не только роботы, синтез речи и контента. Начинается всё с модели предсказания, выйдет клиент на просрочку или нет. Есть также модель склонности к тому или иному виду контакта – какой контакт с клиентом будет более эффективным.
Далее вступают модели, когда человек вышел на просрочку или, наоборот, не вышел и лучше ему напомнить. Тогда подключаются различные роботы, которые либо информируют, либо побуждают клиента к действию.
Цифровые технологии применяются при взаимодействии с должником не только роботов, но и сотрудников банка. Для исключения негативных ситуаций, которые могут возникнуть при урегулировании задолженности, ВТБ дополнительно оценивает качество работы сотрудников, используя для этого речевую аналитику.
При этом одним из самых эффективных инструментов урегулирования задолженности в ВТБ называют программы реструктуризации. Их результативность оценивается в 80% – большинство клиентов справляются с задолженностью и продолжают сотрудничество с банком.
В этом тоже помогает цифровизация. В банке работают предодобренные предложения, которые проактивно минимизируют случаи просрочки. Скоринговая модель на основе искусственного интеллекта показывает, кому из заемщиков необходимо оказать помощь, учитывая множество факторов: платежную дисциплину клиентов, их доходы, срок кредита и др. На основе этого банк формирует индивидуальные финансовые предложения – например, пониженный размер ежемесячного платежа.
Источник: https://www.tadviser.ru/
