Роботы активно внедряются в финансовые бизнесы, но вряд ли полностью заменят человека
Искусственный интеллект сегодня можно применять в самых разных сферах деятельности человека, в том числе в финансовой. Банки.ру решил выяснить, как искусственный разум проникает в финансовые бизнесы в России и можно ли ожидать в ближайшее время массовой «роботизации» отечественных банков.
Искусственный интеллект для естественных нужд
Представители IT-индустрии и некоторые высокотехнологичные финансисты считают, что использование искусственного интеллекта скоро радикально поменяет банковскую сферу. Время стандартных продуктов и сервисов прошло: клиентам необходим персональный подход и индивидуальные условия, и банки должны подстраиваться под эти требования. Если разработка и реализация десяти стандартных продуктов возможна силами людей, то миллионы индивидуальных предложений требуют иного подхода, а именно: приложения технологий. «Алгоритмы искусственного интеллекта уже сейчас способны проанализировать поведение каждого отдельного клиента, выявить его персональные потребности и возможности, а также смоделировать риски для бизнеса, — говорит основатель рекламной платформы Segmento Евгений Легкий. — Каждый прогноз основывается на тысячах факторов, от экономического положения в регионе до интересов клиента в Интернете». Понятно, что это не под силу сделать человеческому разуму. По оценкам эксперта, к 2020 году 80% решений, принимаемым бизнесом, будет доверено искусственному интеллекту.
«Финансовая сфера — основная точка приложения разработок в области искусственного интеллекта на ближайшее время, — соглашается директор по онлайн-продажам микрофинансовой организации «МигКредит» Роман Халанский. — Тут масса векторов: и разработки в области чат-ботов, и машинный скоринг, и «умный» кредитный конвейер, и интеллектуальный коллекшн».
Эксперты выделяют три направления, в которых можно применять искусственный интеллект.
Во-первых, распознавание образов, например товаров на прилавках магазинов, через камеру телефона. В будущем клиентам достаточно будет запустить мобильное приложение банка и навести телефон на товар на витрине, чтобы увидеть, какой кешбэк можно получить при оплате этой вещи кредиткой.
Во-вторых, распознавание речи. Возможно создание «умного» помощника для специалиста телефонных продаж. Проанализировав разговор сотрудника и клиента, помощник после завершения звонка укажет на ошибки сотрудника и подскажет, что нужно исправить. В качестве следующего шага можно внедрить помощника в разговор с клиентом в режиме реального времени. Возможна и гораздо более амбициозная задача — реализация полного робота-оператора кол-центра с синтезом речи.
В-третьих, частичное обучение и самообучение. При умелом подходе это позволит построить предиктивную модель для нового продукта, основываясь на данных по другому продукту, или систему скоринга заемщиков, основываясь на прошлых оценках по сходным заемщикам.
Банк управляет роботами
К примеру, подобная модель успешно работает в банке «Тинькофф». Там при принятии решения об одобрении кредитных продуктов используют исторические данные о клиентах, чтобы составить прогноз на будущее. Это позволяет сформировать условия кредитования под каждого клиента и, как считают в банке, сводить к минимуму собственные риски. Например, при повышенных рисках заемщику можно предложить минимальный кредитный лимит и высокую ставку.
«Сейчас мы добились того, что система сопоставляет множество данных о клиенте и его финансовый запрос с нашими скоринг-моделями и в течение нескольких секунд выдает ему абсолютно уникальный (в том смысле, что предложения не повторяются для разных клиентов) набор из 3—4 кредитных предложения на выбор, — делится опытом Роман Халанский. — Следующими шагами логично могут стать обучение системы, градация и корректировка предложений, в зависимости от финансового поведения этого клиента и клиентов со схожими параметрами».
Планируют внедрить кредитный конвейер и в МТС Банке, о чем Банки.ру рассказала руководитель IT-блока кредитной организации Оксана Смирнова-Крелль. Также в банке «Тинькофф» внедрена технология real-time-маркетинга. Она анализирует потребительское поведение клиента по его трансакциям и предлагает товары и услуги, которые могут быть интересны клиенту в данный момент. Уже есть практический пример применения технологии — квест для клиентов. Банк предложил клиентам последовательно выполнить несколько заданий за вознаграждение. Во всех заданиях квеста нужно было совершить операцию по карте «Тинькофф». Клиенты проходили квест с разной скоростью, каждое следующее задание приходило после выполнения предыдущего. В итоге через эту игру банк привлек новых клиентов.
«Мы уже много лет успешно применяем математические модели для принятия верных решений в бизнесе, — рассказывает начальник управления вторичных продаж блока «Розничный бизнес» Альфа-Банка Наталья Зубенко. — Методы машинного обучения применяются для определения вероятности принятия предложения cross-sell, для выбора лучшего предложения для клиента, для определения максимально релевантного канала для связи с клиентом, а также времени самой коммуникации».
«У нас создана серьезная система оценки рисков, работающая и самообучающаяся онлайн, — говорит, в свою очередь, директор инвестиционного департамента банка ВТБ 24 Сергей Лукьянов. — С накоплением огромных архивов данных искусственный интеллект направляется для анализа и выявления неочевидных человеку связей в поведении как рынков, так и клиентов».
Самообучаться также могут чат-боты, которых уже запустили некоторые технологичные банки. «Клиенты начинают активно использовать дополнительные каналы связи с банками и профучастниками. И это уже не простые чаты. Часто это чат-боты, позволяющие не только получать информацию по счету, но и совершать какие-то действия», — поясняет Лукьянов.
Например, весной этого года банк «Русский Стандарт» запустил бота в Telegram с функцией персонального консультанта — @BankRSBot, который изначально создавался для разгрузки кол-центра, но впоследствии научился отвечать на нестандартные запросы.
«Оставлять их без контроля не стоит»
Оптимисты уверены, что искусственный интеллект покорит финансовую сферу, но есть и скептические мнения.
«Искусственный интеллект начинает активно применяться в финансовой сфере во многих областях: для принятия решений о выдаче кредита на основе обработки информации о заемщике, в качестве виртуального собеседника (чат-бота) при продаже финансовых услуг и их поддержке, при формировании инвестиционных портфелей с помощью робоэдвайзера, в алгоритмической торговле, — говорит заведующий отделом количественного моделирования Форсайт-центра Института статистических исследований и экономики знаний НИУ ВШЭ Юрий Дранев. — Одной из наиболее перспективных областей применения искусственного интеллекта станут межмашинные трансакции в рамках развития Интернета вещей».
«Перспективы применения искусственного интеллекта в финансовой сфере обширны. Например, за рубежом появляются отдельные примеры того, как с помощью технологий искусственного интеллекта оптимизируется до 80% финансовых операций, — отмечает управляющий партнер BME Group Евгений Харитонов. — Количество факторов, которые надо учитывать при принятии решений, возрастает, а человек имеет ограниченные возможности. С учетом больших массивов информации и постоянной нехватки времени на ее переработку, человеку сложно принимать правильные решения. Здесь как раз и необходимы инструменты искусственного интеллекта».
«Узкоспециализированные продукты уже есть на рынке, и они будут интенсивно развиваться в ближайшее время, поскольку у потенциальных клиентов есть интерес к инновационным решениям в этой области», — соглашается директор департамента информационных технологий Абсолют Банка Андрей Горелов. Правда, по его мнению, о вытеснении банков роботами говорить не приходится. Скорее, стоит ожидать глубокой интеграции между финтех-компаниями и банками. Банкам просто придется подтянуть свои технологические возможности до нужного уровня.
«Робоэдвайзеры (автоматизированные инвестиционные роботы) составляют перспективный класс инвестиционных продуктов для частных инвесторов, предоставляющих клиентам возможность автоматически формировать и поддерживать портфель различных активов, таргетировать либо уровень риска, либо финансовую цель, — полагает руководитель направления дирекции развития цифрового бизнеса в Сбербанке Олег Комляков. — Вместе с тем локализация подобных продуктов для рынка России длительна, а распространение таких продуктов, по мнению Банка России, чревато различными рисками».
«В области финансовых услуг, связанных с консультациями по управлению портфелем инвестиций, например, «роботизация» может произойти нескоро — живой консультант лучше понимает эмоциональное состояние клиента и способен правильно объяснить рыночную ситуацию и риски, — приводит пример член правления, директор по информационным технологиям Росбанка Денис Сотин. — Однако развитие технологий, связанных с анализом биометрических параметров человека, в дальнейшей перспективе может сильно уменьшить влияние этого различия».
«Мы верим в роботов, но не верим, что в ближайшее десятилетие целесообразно полностью переходить на роботизированные технологии, — подытоживает Роман Халанский. — Многие помнят одну из версий краха фондовых рынков в «черный понедельник» 1987 года, связанную с программным трейдингом. Хотя современные роботы и стали значительно умнее, оставлять их без контроля не стоит».
Фаина ФИЛИНА, для
Роботы активно внедряются в финансовые бизнесы, но вряд ли полностью заменят человека Искусственный интеллект сегодня можно применять в самых разных сферах деятельности человека, в том числе в финансовой. Банки.ру решил выяснить, как искусственный разум проникает в финансовые бизнесы в России и можно ли ожидать в ближайшее время массовой «роботизации» отечественных банков. Искусственный интеллект для естественных нужд Представители IT-индустрии и некоторые высокотехнологичные финансисты считают, что использование искусственного интеллекта скоро радикально поменяет банковскую сферу. Время стандартных продуктов и сервисов прошло: клиентам необходим персональный подход и индивидуальные условия, и банки должны подстраиваться под эти требования. Если разработка и реализация десяти стандартных продуктов возможна силами людей, то миллионы индивидуальных предложений требуют иного подхода, а именно: приложения технологий. «Алгоритмы искусственного интеллекта уже сейчас способны проанализировать поведение каждого отдельного клиента, выявить его персональные потребности и возможности, а также смоделировать риски для бизнеса, — говорит основатель рекламной платформы Segmento Евгений Легкий. — Каждый прогноз основывается на тысячах факторов, от экономического положения в регионе до интересов клиента в Интернете». Понятно, что это не под силу сделать человеческому разуму. По оценкам эксперта, к 2020 году 80% решений, принимаемым бизнесом, будет доверено искусственному интеллекту. «Финансовая сфера — основная точка приложения разработок в области искусственного интеллекта на ближайшее время, — соглашается директор по онлайн-продажам микрофинансовой организации «МигКредит» Роман Халанский. — Тут масса векторов: и разработки в области чат-ботов, и машинный скоринг, и «умный» кредитный конвейер, и интеллектуальный коллекшн». Эксперты выделяют три направления, в которых можно применять искусственный интеллект. Во-первых, распознавание образов, например товаров на прилавках магазинов, через камеру телефона. В будущем клиентам достаточно будет запустить мобильное приложение банка и навести телефон на товар на витрине, чтобы увидеть, какой кешбэк можно получить при оплате этой вещи кредиткой. Во-вторых, распознавание речи. Возможно создание «умного» помощника для специалиста телефонных продаж. Проанализировав разговор сотрудника и клиента, помощник после завершения звонка укажет на ошибки сотрудника и подскажет, что нужно исправить. В качестве следующего шага можно внедрить помощника в разговор с клиентом в режиме реального времени. Возможна и гораздо более амбициозная задача — реализация полного робота-оператора кол-центра с синтезом речи. В-третьих, частичное обучение и самообучение. При умелом подходе это позволит построить предиктивную модель для нового продукта, основываясь на данных по другому продукту, или систему скоринга заемщиков, основываясь на прошлых оценках по сходным заемщикам. Банк управляет роботами К примеру, подобная модель успешно работает в банке «Тинькофф». Там при принятии решения об одобрении кредитных продуктов используют исторические данные о клиентах, чтобы составить прогноз на будущее. Это позволяет сформировать условия кредитования под каждого клиента и, как считают в банке, сводить к минимуму собственные риски. Например, при повышенных рисках заемщику можно предложить минимальный кредитный лимит и высокую ставку. «Сейчас мы добились того, что система сопоставляет множество данных о клиенте и его финансовый запрос с нашими скоринг-моделями и в течение нескольких секунд выдает ему абсолютно уникальный (в том смысле, что предложения не повторяются для разных клиентов) набор из 3—4 кредитных предложения на выбор, — делится опытом Роман Халанский. — Следующими шагами логично могут стать обучение системы, градация и корректировка предложений, в зависимости от финансового поведения этого клиента и клиентов со схожими параметрами». Планируют внедрить кредитный конвейер и в МТС Банке, о чем Банки.ру рассказала руководитель IT-блока кредитной организации Оксана Смирнова-Крелль. Также в банке «Тинькофф» внедрена технология real-time-маркетинга. Она анализирует потребительское поведение клиента по его трансакциям и предлагает товары и услуги, которые могут быть интересны клиенту в данный момент. Уже есть практический пример применения технологии — квест для клиентов. Банк предложил клиентам последовательно выполнить несколько заданий за вознаграждение. Во всех заданиях квеста нужно было совершить операцию по карте «Тинькофф». Клиенты проходили квест с разной скоростью, каждое следующее задание приходило после выполнения предыдущего. В итоге через эту игру банк привлек новых клиентов. «Мы уже много лет успешно применяем математические модели для принятия верных решений в бизнесе, — рассказывает начальник управления вторичных продаж блока «Розничный бизнес» Альфа-Банка Наталья Зубенко. — Методы машинного обучения применяются для определения вероятности принятия предложения cross-sell, для выбора лучшего предложения для клиента, для определения максимально релевантного канала для связи с клиентом, а также времени самой коммуникации». «У нас создана серьезная система оценки рисков, работающая и самообучающаяся онлайн, — говорит, в свою очередь, директор инвестиционного департамента банка ВТБ 24 Сергей Лукьянов. — С накоплением огромных архивов данных искусственный интеллект направляется для анализа и выявления неочевидных человеку связей в поведении как рынков, так и клиентов». Самообучаться также могут чат-боты, которых уже запустили некоторые технологичные банки. «Клиенты начинают активно использовать дополнительные каналы связи с банками и профучастниками. И это уже не простые чаты. Часто это чат-боты, позволяющие не только получать информацию по счету, но и совершать какие-то действия», — поясняет Лукьянов. Например, весной этого года банк «Русский Стандарт» запустил бота в Telegram с функцией персонального консультанта — @BankRSBot, который изначально создавался для разгрузки кол-центра, но впоследствии научился отвечать на нестандартные запросы. «Оставлять их без контроля не стоит» Оптимисты уверены, что искусственный интеллект покорит финансовую сферу, но есть и скептические мнения. «Искусственный интеллект начинает активно применяться в финансовой сфере во многих областях: для принятия решений о выдаче кредита на основе обработки информации о заемщике, в качестве виртуального собеседника (чат-бота) при продаже финансовых услуг и их поддержке, при формировании инвестиционных портфелей с помощью робоэдвайзера, в алгоритмической торговле, — говорит заведующий отделом количественного моделирования Форсайт-центра Института статистических исследований и экономики знаний НИУ ВШЭ Юрий Дранев. — Одной из наиболее перспективных областей применения искусственного интеллекта станут межмашинные трансакции в рамках развития Интернета вещей». «Перспективы применения искусственного интеллекта в финансовой сфере обширны. Например, за рубежом появляются отдельные примеры того, как с помощью технологий искусственного интеллекта оптимизируется до 80% финансовых операций, — отмечает управляющий партнер BME Group Евгений Харитонов. — Количество факторов, которые надо учитывать при принятии решений, возрастает, а человек имеет ограниченные возможности. С учетом больших массивов информации и постоянной нехватки времени на ее переработку, человеку сложно принимать правильные решения. Здесь как раз и необходимы инструменты искусственного интеллекта». «Узкоспециализированные продукты уже есть на рынке, и они будут интенсивно развиваться в ближайшее время, поскольку у потенциальных клиентов есть интерес к инновационным решениям в этой области», — соглашается директор департамента информационных технологий Абсолют Банка Андрей Горелов. Правда, по его мнению, о вытеснении банков роботами говорить не приходится. Скорее, стоит ожидать глубокой интеграции между финтех-компаниями и банками. Банкам просто придется подтянуть свои технологические возможности до нужного уровня. «Робоэдвайзеры (автоматизированные инвестиционные роботы) составляют перспективный класс инвестиционных продуктов для частных инвесторов, предоставляющих клиентам возможность автоматически формировать и поддерживать портфель различных активов, таргетировать либо уровень риска, либо финансовую цель, — полагает руководитель направления дирекции развития цифрового бизнеса в Сбербанке Олег Комляков. — Вместе с тем локализация подобных продуктов для рынка России длительна, а распространение таких продуктов, по мнению Банка России, чревато различными рисками». «В области финансовых услуг, связанных с консультациями по управлению портфелем инвестиций, например, «роботизация» может произойти нескоро — живой консультант лучше понимает эмоциональное состояние клиента и способен правильно объяснить рыночную ситуацию и риски, — приводит пример член правления, директор по информационным технологиям Росбанка Денис Сотин. — Однако развитие технологий, связанных с анализом биометрических параметров человека, в дальнейшей перспективе может сильно уменьшить влияние этого различия». «Мы верим в роботов, но не верим, что в ближайшее десятилетие целесообразно полностью переходить на роботизированные технологии, — подытоживает Роман Халанский. — Многие помнят одну из версий краха фондовых рынков в «черный понедельник» 1987 года, связанную с программным трейдингом. Хотя современные роботы и стали значительно умнее, оставлять их без контроля не стоит». Фаина ФИЛИНА, для
