Журнал об IT-бизнесе, технологиях и цифровой трансформации

Big Data и ИИ в банках: тренд или реальный инструмент? Mail.ru Cloud Solutions
Mail.ru Cloud Solutions
  • 14 октября
  • Тренды

Big Data и ИИ в банках: тренд или реальный инструмент?

Содержание

Тему искусственного интеллекта и big data в банковской сфере обсуждают на многочисленных съездах, конференциях, заседаниях, но это мало способствует пониманию вопроса.

О том, как банки используют трендовые технологии на самом деле, рассказал старший вице-президент банка УРАЛСИБ, руководитель департамента больших данных и искусственного интеллекта Юрий Сирота.
Видеоинтервью смотрите здесь.

Как и зачем банки внедряют новые технологии

Когда банки начинают внедрять искусственный интеллект и Big Data? В чем заключаются предпосылки таких проектов?

— Если следовать хайпу или технологической моде, проект обычно оказывается обречен на неудачу. Поэтому в банковской сфере внедряют только технологии, которые рекомендует или требует регулятор, либо которые дают коммерческий эффект.

Наш банк — также коммерческая организация, мы готовы рассматривать и внедрять любые технологии, которые приведут к их дальнейшей монетизации, улучшению клиентского сервиса. Каждая технология проходит аудит с точки зрения финансовой целесообразности. Если она получает позитивную оценку, мы начинаем ее пилотное внедрение.

Мы ориентируемся на рыночную практику и готовые кейсы, так как для уже принятых рынком и апробированных решений легче оценить целесообразность.

Иногда причиной внедрения новых решений становятся требования внутрибанковских процессов, например, если мы видим какой-то пробел, который можно закрыть той или иной технологией.

Чем занимается ваше подразделение AIDA?

— AIDA — аббревиатура, которая расшифровывается как Artificial Intelligence and Data Analytics Office. Название говорит о специализации подразделения: технологии искусственного интеллекта и анализ данных. Группа занимается аналитикой данных, продвинутой аналитикой, машинным обучением, глубинным обучением. В подразделении AIDA собрана вся экспертиза банка в этих двух сферах.

Поскольку УРАЛСИБ — такая же коммерческая организация, как и другие банки, инновационное подразделение ориентировано на получение экономического эффекта. Внедрение новых технологий — не самоцель, мы стремимся к улучшению бизнес-процессов и увеличению прибыли.

Уже есть практические результаты деятельности подразделения?

— AIDA создает инструменты и внедряет методы для монетизации Big Data, занимается извлечением коммерческой ценности из огромного массива данных, который формируют front-end системы банка. Целевая функция подразделения — максимизация стоимости данных.

В банках более двадцати лет развивается экспертиза по оценке рисков и анализу CRM (Client Relationship Management) — это изучение клиентов, их транзакционной активности, профилей и других параметров, чтобы повысить маржинальность клиентской деятельности.

Кроме того, в любом банке существует масса других направлений, где можно найти коммерческую ценность данных.

Везде, где есть числа, можно провести сравнения: «больше», «медленнее», «убыточнее», «выгоднее», соответственно, там применимы математика и оптимизация.

Существует огромный пласт данных и направлений, которые повышают эффективность бизнес-процессов. В их число входят оптимизация работы с наличностью, транзакционная аналитика, аналитика в области службы финансового мониторинга.

Активнее всего математическая аналитика развивалась именно в розничном сегменте, но мы сегодня также развиваем аналитику данных малого и среднего бизнеса. Потенциально это несет огромные возможности монетизации.

Какие показатели результативности у подразделения AIDA?

— Денежный эффект от работы сравнивается с затратами на содержание подразделения, и они окупаются многократно.

AIDA помогает расширению бизнеса, более интенсивному, качественному росту. В результате работы подразделения увеличивается клиентская база, растет качество клиентов и их маржинальность.

Хороший эффект наблюдается в области оценки рисков. Чем лучше налажен риск-менеджмент и сегментация заемщиков на надежных и склонных к дефолту, тем лучше показатели банка. Это зависит от AIDA: чем меньше плохих заемщиков мы «пустим в банк», тем больше будет прибыль.

Кроме того, бизнес-подразделения УРАЛСИБ внедряют рекомендательные системы, основанные на методах искусственного интеллекта. Клиенты уже могут видеть их в своих системах ДБО (дистанционного банковского обслуживания). Пользователи даже не представляют, что «под капотом» работает сложная математическая модель.

Юрий Сирота, старший вице-президент банка УРАЛСИБ, руководитель департамента больших данных и искусственного интеллекта, рассказывает блогу «Завтра облачно» о больших данных и ИИ в финансовом секторе.

Инициативы по развитию ИИ и их применение

Как вы можете охарактеризовать инициативы, связанные с национальной концепцией развития искусственного интеллекта?

— Сегодня многие развивают искусственный интеллект — производители и разработчики инструментов, научные заведения, исследовательские институты. Но однозначного понимания термина ИИ пока нет. Как только терминология устоится, станет ясно, нужно ли его развивать на национальном уровне.

Многие делят искусственный интеллект на слабый и сильный. На мой взгляд, сильный искусственный интеллект — это такой Терминатор, который способен к эмоциям, самосознанию, суждениям и мыслям, а слабый искусственный интеллект — возможность автоматизации тех или иных задач.

Слабый ИИ может слушать аудио и генерировать текст, озвучивать результаты, извлекать информацию из аудио- или видеосигнала. Такая автоматизация идет на уровне дублирования или замены реального сотрудника.

Сегодня мы используем технологии, которые способны понимать человеческую речь и отвечать собеседнику, распознавать числа и буквы, заносить их в нужные графы и столбцы, и я склонен называть все это слабым искусственным интеллектом. Такие наработки будут развиваться, потому что мы только в начале пути.

Но на сегодняшний день в финсекторе такие решения не находят широкого применения. С чем это связано?

— Мало, чтобы технологии были развитыми. Бизнес должен придумать, как их монетизировать. А такие возможности есть не всегда. Ранжируя всевозможные инициативы, банк должен прийти к выводу о высокой инвестиционной привлекательности проектов с ИИ. Пока я не могу сказать, что в части окупаемости эти технологии внедряются в приоритете. Многие на рынке говорят об этом, запускают пилоты, но нередко оказывается, что можно внедрить другой сервис, не связанный с искусственным интеллектом, и получить больше маржи.

Новые тенденции банковских технологий: психоаналитика и эмоциональная оценка

Как в банках применяют технологии видеоаналитики и эмоциональной оценки?

— Видеоаналитика может применяться как способ извлечения информации из видеопотока, например с камер наблюдения. В Китае уже используют методы детектирования эмоционального состояния: если системы видеоаналитики обнаруживают нервозность клиента, зашедшего в офис банка за кредитом, эти данные учитывают в скоринговых моделях. Так ИИ помогает заподозрить мошенничество либо высокую вероятность того, что человек не сможет вернуть кредит.

А в России никто еще не предложил реально работающую модель интеллектуального психоанализа?

— Попытки есть. У нас разрабатывают сервисы психоаналитики, детекции и определения психотипа клиентов банка, извлечения психометрических параметров. Вопросам оцифровки психотипов уделяют много внимания, хотя пока в форме экспериментов.

Какими интересными проектами сейчас занимаются ваши разработчики?

— Например, мы пилотируем модуль речевой аналитики. Он позволяет избежать издержек, связанных с записью аудио, превращая его в текст. Мы стараемся сделать так, чтобы модуль речевой аналитики улавливал интонацию. Emotions recognition, распознавание эмоций — направление технологий искусственного интеллекта. Это полезно в контакт-центрах, особенно в коллекторских агентствах, где на том конце провода встречаются нервные собеседники.

Какие проблемы возникают при внедрении инноваций

Все ли инновации внедряются легко? В чем состоят основные причины затруднений?

— Основные причины лежат в психологической плоскости, поэтому любые кардинальные инновации внедрять тяжело. Более эффективный бизнес-процесс означает, что компьютер может работать лучше человека. Люди, которые в результате оказываются менее эффективными, сопротивляются.

Мы целенаправленно популяризируем направление искусственного интеллекта, показываем преимущества новых технологий на пилотах, пытаемся донести до руководства позицию, что инновациями надо заниматься и показывать их преимущества сотрудникам.

Насколько новые технологии могут заменить человека? Действительно ли клиенты банка по-прежнему нуждаются в живом общении?

— Есть такие банки, которые работают без офисов, я считаю это эффективной бизнес-моделью. Но сегмент банков, которые содержат многочисленные допофисы, также достаточно велик, в ближайшее время его объем сохранится.

Наш банк пока не уходит в цифровую коммуникацию. Мы работаем как онлайн, так и в физическом мире. Допофисы пользуются спросом, значительная часть наших клиентов взаимодействует с банком только через них.

Если брать технические проблемы, вы сталкиваетесь с проблемой очистки данных, первоначального сбора данных?

— Грязные данные — проблема любого бизнеса. Но что считать чистыми данными, а что грязными — философский вопрос. Чаще всего приходится работать с теми данными, которые есть. Иногда информации не хватает, в данных много пропусков, имеются аномалии и выбросы.

В реальном мире с этим сталкиваются все. Чтобы качество данных улучшилось, мы контролируем «мусор», стараемся очищать данные, развиваем это направление.

Есть ли у банков потребность в каких-то внешних данных, которые могли бы значительно улучшить качество работы на финансовом рынке?

— Мы активно используем внешние данные, покупаем их. Рынок внешних данных уже достаточно развит. Мы пользуемся даже данными, которые Федеральная налоговая служба выкладывает на своем сайте. Они обогащают наши модели машинного обучения, делают прогнозы точнее, а управленческие решения — лучше.

Разработка in-house или внешние решения: что выбирают банки

Разработка in-house популярна во многих крупных компаниях, в том числе банках. Почему это так?

— В банках мы имеем дело с банковской тайной — коммерческой информацией, которую нельзя передавать за пределы организации. С ней можно работать, только используя банковские средства, банковское оборудование, специалисты должны иметь соответствующую компетенцию и допуск.

На тех участках, где есть открытые API, мы применяем разные возможности, но когда данные передавать нельзя, ведем разработку только внутри.

Насколько внешний рынок решений для банковского сектора состоятелен, есть ли у банков потребность брать что-то извне, не используя in house там, где нет внутренних ограничений?

— Предложений много, иногда можно запутаться в возможностях, которые предоставляют продукты тех или иных вендоров. Препятствий к их использованию нет. Однако на рынке много open-source продуктов, причем достаточно развитых и функциональных, поэтому коммерческие дорогие продукты для аналитики данных можно не покупать. Вопрос заключается лишь в наличии компетенций, чтобы работать с ними. Именно их мы развиваем сегодня — покупаем на рынке труда.

Также банки не очень любят пользоваться публичными облаками, хотя некоторые уже движутся в этом направлении. Пока мы практически все держим на внутренних серверах, исходя из требований информационной безопасности.

Но интерес к внешним решениям уже есть?

Аналитические облачные сервисы весьма привлекательны, они мощные и функциональные. Вместо того чтобы содержать и настраивать свое железо, поддерживать нужные версии, проще использовать готовое решение, для работы с которым достаточно интернета и экспертизы. Многие компетенции в области администрирования были бы не нужны, если бы мы могли пользоваться облачными аналитическими сервисами.

Рано или поздно многие банки придут к облачным сервисам. Скорее всего, это произойдет, когда вопрос с информационной безопасностью будет решен. Например, с использованием блокчейна или каких-то других технологий.

Банки и цифровизация: три главных тренда

  1. В финансовом секторе новые технологии внедряют только, если они обладают коммерческой ценностью либо являются требованием регуляторов.
  2. Основные направления применения Big Data и искусственного интеллекта — оценка рисков и работа с клиентскими профилями для повышения маржинальности.
  3. Банки готовы перейти на облачные сервисы, если решить вопросы информационной безопасности.

Как банки уже используют облака: примеры решений для финансового сектора.

Ссылка скопирована!

Что еще почитать про ИТ-бизнес