Завоюет ли искусственный разум российский финансовый бизнес

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-