Использование искусственного интеллекта в финтехе качественно изменяет отрасль. Технологии на базе ИИ позволяют участникам финансового рынка совершать настоящие технологические прорывы в части безопасности, персонализации сервисов, бизнес-моделирования и еще множества направлений деятельности, которые обсудили эксперты и представители компаний – лидеров по разработке и внедрению технологий ИИ на прошедших в начале декабря онлайн-мероприятиях: международной конференции по искусственному интеллекту и анализу данных AI Journey – 2021, а также международном вебинаре «Искусственный интеллект в финансах. Опыт Евразии».
По аналитическим материалам Центра экспертизы федерального проекта «Искусственный интеллект», подготовленным на основании данных Росстата за 2020 год, в России наиболее активно внедряют ИИ-решения именно финтех-компании, опережая торговлю и ИКТ-сектор, которые занимают второе и третье места соответственно. При этом в мире ситуация выглядит несколько иначе: финтех делит вторую и третью строчки с автомобилестроением.
Директор по направлению «Искусственный интеллект» АНО «Цифровая экономика» Алексей Сидорюк на панельной сессии, посвященной ИИ в финтехе, поддержал постулат о том, что отечественный финтех-рынок – один из самых прогрессивных и является ключевым игроком в сфере искусственного интеллекта даже на мировом уровне.
В доказательство этих слов он привел примеры отечественных решений использования ИИ, которые уже сегодня масштабно внедряются внутри банков.
Если процессы банковской деятельности условно разделить на три блока, то в первый блок можно выделить процессы управления: это стратегическое управление, управление банковскими продуктами и маркетингом, связями с общественностью, развитием филиальной сети, проблемными активами, рисками, финансами, качеством и персоналом.
ИИ здесь довольно активно начали использовать в таких системах и сервисах, как скоринг клиентов, бизнес-прогнозирование, сегментация клиентов, автоматический робообзвон, прогноз наличных средств в банкоматах и планирование инкассации, анализ расположения офлайн-точек.
Второй блок – основные процессы банкинга. В него входит обслуживание розничных и корпоративных клиентов, работа с финансовыми институтами, а также деятельность на фондовом, финансовом и срочном рынках. В перечне основных ИИ-решений для обеспечения этих процессов – чат-боты, голосовые помощники, а также персонифицированные электронные услуги и персональные финансовые помощники.
Третий блок банкинга объединяет обеспечивающие процессы. Это АХО, юридическое и ИТ-обеспечение, управление документацией и бухгалтерия, безопасность и внутренний контроль, меры по противодействию легализации доходов, полученных преступным путем, и финансированию терроризма.
В этом блоке искусственный интеллект активно применяется в технологиях биометрической идентификации, при распознавании документов, fraud-мониторинге и выявлении нетиповой финансовой активности.
Чтобы понять, почему применение ИИ становится глобальным трендом в цифровизации финансовой сферы, достаточно рассмотреть несколько типовых примеров использования ИИ в финтехе.
Скоринг клиентов с помощью ИИ позволяет снижать время одобрения заявки с дней до минут. Затраты на скоринг снижаются, а его качество растет и тем самым влияет на объем просрочки.
ИИ в голосовых помощниках — это, во-первых, интеллектуальная маршрутизация вызовов внутри кол-центра. А во-вторых, это общение с клиентом посредством голосового помощника внутри приложений. Сегодня он самостоятельно принимает до 80% звонков в интеллектуальном режиме и 10% автоматически обрабатывает без обращения к человеку. Время обслуживания каждого клиента в среднем снизилось на 40 секунд. Если голосовой помощник внедрен правильно, то в голосовой очереди человек ждет гораздо меньше, а если и ждет, то маршрутизируется на правильного сотрудника с правильным точечным запросом.
Еще один пример – умные чат-боты. Это омниканальные средства коммуникации, в которых имитируется деятельность живого человека. На сегодня уже 60% запросов клиентов полностью или частично закрывают боты в автоматическом режиме. Среднее время решения проблем по обращениям клиентов сократилось в четыре раза.
Также к числу ярких примеров, демонстрирующих преимущества использования ИИ в финтехе, можно отнести биометрию и антифрод. Первая дает возможность удаленного открытия банковских счетов и дистанционного проведения финансовых операций, сокращает время на их проведение, при этом точность идентификации клиентов вырастает многократно. А использование ИИ для выявления нетиповых активностей позволяет ежегодно пресекать в масштабах страны порядка 7 млрд попыток мошенничества, тем самым сохраняя средства и банков, и клиентов.
По данным IDC Worldwide Artificial Intelligence Spending Guide, российский рынок искусственного интеллекта в 2020 году достиг 291 млн долларов США.
По оценкам IDC, расходы на решения в области искусственного интеллекта продолжат демонстрировать среднегодовой рост на уровне 18,5% до 2024 года. Ожидается, что в 2023 году рынок ИИ преодолеет отметку в 500 млн долларов и его объем к 2024 году составит 555,1 млн долларов.
Татьяна Жаркова, генеральный директор ассоциации «ФинТех» (АФТ), рассказала о проведенном совместно с международной консалтинговой компанией Accenture исследовании мнения представителей финансового рынка и смежных отраслей по вопросам развития финансовых технологий на 2021–2023 годы.
Участниками опроса стали крупнейшие российские банки, компании платежных систем и страховые компании. Они сошлись во мнении, что искусственный интеллект является одной из ключевых технологий, которые в ближайшее время серьезно повлияют на развитие финансового рынка.
Основное количество участников проведенного опроса в банковском секторе – порядка 95% – ответили, что они уже сегодня используют когнитивные технологии на базе ИИ.
При этом, если посмотреть на страховую индустрию, здесь виден большой разрыв: 58% опрошенных компаний на сегодняшний день ИИ не используют. Впрочем, все они отмечают, что в долгосрочной перспективе для страхового рынка эти технологии позволят создавать новые продукты и находить решения для дальнейшего развития.
«Развитие рынка финансовых технологий идет опережающими темпами. Проведенное исследование обозначило видение рынка по основным направлениям развития финтеха на ближайшие несколько лет. Для нас было важно представить консолидированное мнение профессионального сообщества. Это поможет сконцентрироваться на движении к общим целям».
Результаты исследования показали, как новое поколение финансовых сервисов связано с развитием искусственного интеллекта и какие вызовы стоят перед представителями отрасли. Был определен перечень приоритетных инициатив и направлений для развития финансовых технологий на базе ИИ. В их числе создание четких правил регулирования и требований обеспечения безопасности, разработка универсальных технологических стандартов для финансовых продуктов с использованием новых технологий, повышение технологических компетенций и многое другое.
Так сложилось, что трендсеттерами цифровой трансформации во многих сферах российской экономики выступают регуляторы. Не стал исключением и Центробанк. В представленных Банком России основных направлениях развития финансового рынка Российской Федерации на 2022 год и период 2023 и 2024 годов теме финтеха отведена существенная часть.
Одним из важных направлений в Центробанке считают совершенствование процедур идентификации с использованием биометрических технологий. Следует подчеркнуть, что отечественные биометрические технологии активно развиваются, котируются на мировом уровне и успешно экспортируются в другие страны. Российская компания VisionLabs в этом году третий раз подряд заняла первое место в независимом тестировании алгоритмов распознавания лиц Национального института стандартов и технологий США (NIST).
Во-вторых, Банк России в перспективе постепенно планирует внедрить применение искусственного интеллекта в поведенческом надзоре для выявления аномалий и зон концентрации поведенческих рисков в деятельности финансовых организаций.
Особое внимание Банк России будет уделять оценке рисков для финансовой стабильности при использовании технологий на финансовом рынке. В условиях увеличения вычислительных мощностей и усложнения статистических методов их обработки, использования технологий искусственного интеллекта и машинного обучения важно минимизировать возникающие при этом риски, в частности модельные риски убытков, связанных с ошибками в разработке или использовании моделей.
Также Банк России продолжит работу в области формирования комплексного регулирования оборота данных на финансовом рынке. Комплексное регулирование данных на финансовом рынке предполагает выделение отдельной категории финансовых данных, для которых будет применяться особый режим обработки. Для обеспечения возможности использования накопленных организациями массивов данных для развития и внедрения новых технологий и продуктов, в том числе технологий искусственного интеллекта, больших данных, будут созданы правовые условия оборота обезличенных персональных данных.
С применением технологий искусственного интеллекта и измерения больших данных Банк России также планирует проводить анализ результатов различных активных и пассивных стратегий инвестирования и учитывать их при разработке регулирования. При этом предполагается, что результаты анализа будут открыты рынку, так что любой его участник сможет ими воспользоваться.
Качество клиентского сервиса – одна из чувствительных составляющих бизнеса финансовых организаций. Неудивительно, что эту сферу одной из первых пытались автоматизировать, как со стороны коммуникаций с клиентами, так и со стороны оценки их удовлетворенности.
По данным Bain and Co, увеличение числа клиентов на 5% дает более 25% увеличения прибыли. Компания Microsoft в своих исследованиях показывает, что 61% клиентов меняют бренд из-за плохого клиентского сервиса и этот тренд до сих пор сохраняется.
В России в этой сфере есть чем похвастаться Сбербанку. Это кредитное учреждение прошло большой путь, чтобы начать понимать удовлетворенность клиентов: от тайных покупателей до опросных методов. И сейчас удовлетворенность измеряется «Сбером» в двух самых популярных метриках – NPS и CSI.
Несмотря на высокую автоматизацию сбора этих метрик (опросы для получения NPS роботизированы на 50%, CSI – почти на 100%), они не покрывают 100% клиентской базы, что ведет к неточностям измерения. Кроме того, клиент может отказаться проходить опрос, а также на его результаты могут накладываться какие-то другие внешние факторы, искажающие оценку. Поэтому многие технологичные компании задумываются о создании новых подходов к оценке удовлетворенности. Они дополняют опросы данными о поведении клиента для расчета и, что важно, предсказания его удовлетворенности.
Для того чтобы лучше понимать удовлетворенность клиентов, «Сбер» начал разрабатывать свою собственную метрику с названием SberHappyScore. «Индекс счастья» рассчитывается для каждого клиента на основании данных об использовании клиентом продуктов и сервисов банка. Он представляет собой аналитическую формулу, включающую в себя с разными весами аспекты клиентского опыта, поведения и обратной связи (опросы, жалобы и т. д.) от клиента и позволяющую оценить лояльность клиента по 100-балльной шкале. Формула различна для каждого оцениваемого продукта и канала банка, как по атрибутному составу, так и по вкладу клиентских характеристик. Веса в формуле определяются с помощью ИИ-моделей.
SberHappyScore оцифровывает клиентский опыт, определяя вес каждого события в жизни клиента с точки зрения долгосрочного выбора «Сбера», что позволяет выделять и улучшать наиболее значимые из них для 100% активных клиентов.
Так, например, благодаря «индексу счастья» удалось показать, что длительное ожидание в очереди в отделении является почти в два раза более негативным фактором для клиента, чем мелкие ошибки обслужившего его неопытного сотрудника. А исследования «индекса счастья» для платежей показали, что бесплатный сервис автоматического оповещения о штрафах ГИБДД существенно повышает лояльность клиентов к продукту «Платежи» в целом, а также увеличивает частоту его использования.
«Клиентская удовлетворенность – измерение, которое показывает, насколько продукт или сервис компании соответствует ожиданиям клиента. Это важно потому, что довольные и лояльные клиенты – главный рычаг роста для компании».
Одним из лидеров в части внедрения искусственного интеллекта на сегодня является и ВТБ. В частности, банк – в числе главных отечественных идеологов data fusion.
Юрий Карев, начальник управления процессов и стандартов моделирования и машинного обучения ВТБ, рассказал о трендах применения искусственного интеллекта, на которых фокусируется банк на ближайшую перспективу.
Первая сфера – это скоринг. Сегодня принятие кредитных скоринговых решений обслуживается роботами-моделями, без которых вообще невозможно формирование кредитного портфеля. И тут возникает вопрос управления операционным риском, который напрямую связан с тематикой ответственного использования ИИ.
В соответствии с требованиями регулятора банкам необходимо настраивать качественный мониторинг моделей, которые принимают эти решения. Но проблема в том, что риски по портфелю, который формирует модель, срабатывают по мере его вызревания – через месяц-два, а то и три. Причем это прямые потери банка. Чтобы их избежать, ВТБ начал развивать применение MPP-подхода (Model Performance Predictor). Он позволяет на специальной выборке обучать специальную мониторинговую модель, то есть ИИ начинает сам себя контролировать и предсказывать возможное ухудшение перформанса.
«На фоне экспоненциального роста запроса бизнеса на использование искусственного интеллекта нам необходимо моделировать весь процесс – от зарождения бизнес-идеи до использования модуля с ИИ в промышленной эксплуатации».
Вторая тенденция, которую активно развивает ВТБ, касается очень важной сферы User Experience (UX). Это всевозможные персонифицированные инвестиционные советники. Использование в них ИИ снижает порог входа частных инвесторов, минимизируя для клиентов излишние риски. Это тенденция уже на хайпе, и в банке уверены, что этот хайп и дальше будет расти.
Директор по работе с финансовым сектором «ABBYY Россия» Ольга Морозова рассказала коллегам о пяти шагах на пути к демократизации банковских технологий, которые в компании ABBYY выделили на основе опыта внедрения технологий с использованием искусственного интеллекта.
Прежде всего, и это является первым шагом, следует определиться, что автоматизировать, почему и какой вы хотите получить эффект. В последние два года Gartner говорит о гиперавтоматизации – эффекте, которого достигла отрасль благодаря большому количеству решений, позволяющих быстро применять точечную автоматизацию тех или иных процессов. При этом из-за нарастающего количества таких задач, их пересечения картина целиком часто выглядит неэффективно. Чтобы в этом разобраться, на помощь приходит искусственный интеллект, который позволяет бизнес-процессы охватить целиком.
«Мы – компания международная, и видим, что в России технологии ИИ внедряются быстрее, чем даже во многих западных странах».
Вторым шагом в ABBYY называют улучшение имеющейся инфраструктуры автоматизации с помощью IDP. После того как вы определились с задачами, следует понять, где конкретно применение инструментов ИИ будет наиболее эффективно.
Для примера Ольга Морозова рассказала о технологиях текстовой аналитики, разработками которых компания занималась более 12 лет и в которых достигла в последние два года действительно прорывных результатов. Очевидно, что в банкинге огромное количество направлений деятельности, где эффективно можно внедрять технологии обработки текстов на естественном языке. Например, для открытия счета по-прежнему требуется масса документов и пока перспектив их уменьшения не видно. Сейчас компания успешно внедряет решения, которые позволяют на 95% избавить сотрудников от вычитки этих документов «в ручном режиме». ИИ понимает смысл документов и помогает принять по ним решение в десятки раз быстрее.
Повышение эффективности за счет демократизации технологий ABBYY видит третьим шагом. Речь об использовании быстрых решений low-code/no-code, драйверами которых стали нарастающая во всем мире цифровизация, клиентский опыт, конкурентные требования по срокам вывода продуктов на рынок и снижению затрат, а также современные тренды в управлении персоналом.
Шаг четвертый – сокращение рисков путем снижения вариаций бизнес-процессов и уменьшения ошибок. В этом хорошо помогают решения класса Process Mining, которые представляют собой семейство методов обработки данных анализа операционных процессов на основе журналов событий. А также технология Task Mining, помогающая фиксировать и анализировать деятельность сотрудников, автоматически выявлять повторяющиеся действия в любых бизнес-процессах и анализировать, стоит ли их поручать программным роботам.
И завершающий шаг, который продиктован конкурентной средой, – это постоянное совершенствование бизнес-процессов путем обновления технологий с целью дальнейшего улучшения качества обслуживания клиентов.
