Российские банки, занимающие лидирующие позиции в финтех-индустрии, применяют самые современные технологии и алгоритмы в своей повседневной деятельности. И хотя в настоящее время практически во всех крупных организациях других отраслей экономики внедряются технологии искусственного интеллекта (ИИ), банки традиционно – технологический лидер, и с точки зрения автоматизации финансовый сектор действительно серьёзно опережает другие.

Будущее ближе, чем мы думали

Нет сомнений, что искусственный интеллект (ИИ) – это технология, которая изменит нашу жизнь в ближайшем будущем. Еще десятилетие назад ИИ воспринимался как отдалённое утопическое будущее, а не как возможная реальность. Однако будущее оказалось намного ближе, чем многие предполагали, и ИИ уже сейчас активно входит в разные аспекты нашей жизни.

Глава Сбера – крупнейшего банка России и признанного лидера в области ИИ – Герман Греф отмечает: «Искусственный интеллект уже меняет и в будущем ещё сильнее изменит наш мир. ИИ стал зрелой промышленной технологией, которая помогает бережно распоряжаться временем, решать сложные профессиональные задачи и заметно упрощает людям жизнь».

Практически не осталось ни одной области человеческой деятельности, где бы не использовался искусственный интеллект: медицина, коммерция, строительство, торговля, финансы, сельское хозяйство, промышленность, обеспечение порядка и безопасности. ИИ везде, где требуется обрабатывать большие объёмы данных, систематизировать и прогнозировать.

Например, в сельском хозяйстве через спутники собирается точная информация о посевах, выдается AРI (Application Programming Interface, «программный интерфейс приложения», набор инструментов, которые позволяют приложениям взаимодействовать между собой). ИИ точно оценивает ситуацию, и через тот же API самоуправляемый трактор запускается и едет в нужную точку поля, чтобы внести в почву удобрения, заняться поливкой и т. д.

В торговле ИИ используется для оценки поведения покупателей, контроля качества обслуживания.

В медицине нейросети выявляют болезнь в среднем на 6 лет раньше, чем это делают специалисты. ИИ может диагностировать болезнь Альцгеймера на ранних стадиях. ИИ может даже за несколько часов до возможной смерти пациента предсказать её.

Безусловно, ситуация по уровню распространения ИИ различается в разных странах мира. Что касается российского рынка решений, основанных на технологиях ИИ, то он демонстрирует впечатляющий рост.

Согласно исследованию IDC Worldwide Artificial Intelligence Spending Guide, рынок ИИ в России достиг $291 млн в 2020 году. Аналитики IDC отметили, что расходы на решения с поддержкой ИИ в коммерческих и государственных организациях выросли на 22,4% по сравнению с 2019 годом.

Финансовый сектор – в авангарде автоматизации

На данный момент все крупные игроки банковского рынка научились решать «классические задачи» и перешли к внедрению последних технологических достижений ИИ. С другой стороны, многие «классические» технологии ИИ коммодитизируются, их использование становится проще и дешевле для бизнеса, что приводит к повсеместной адаптации и в банках второго эшелона, говорит член правления, руководитель ИТ-блока банка «Открытие» Сергей Русанов.

«В российском финансовом секторе традиционно высокая конкуренция. Большое количество банков и финтех-компаний, а также жёсткое регулирование усиливают конкуренцию в финансовом секторе, из-за чего банкам и финтех-компаниям приходится снижать издержки и повышать свою эффективность. Это является главным драйвером развития финтех-технологий и, в частности, искусственного интеллекта в российском финансовом секторе», – считает вице-президент, начальник управления статистического анализа банка «Ренессанс Кредит» Сергей Афанасьев.

Что умеет ИИ в банках?

По мнению ИТ-директора (CIO) Московского кредитного банка (МКБ) Алексея Карпунина, среди основных направлений использования ИИ необходимо отметить следующие. Во-первых, маркетинговые исследования. Речь идёт о формировании лучшего предложения клиенту (next best offer), прогнозировании оттока клиентов. Подобные проекты уже внедрены и значительно, в разы, повышают конверсию.

Во-вторых, поиск аномалий, в первую очередь с точки зрения ИБ. Это направление, на мой взгляд, будет активно расширяться.

«Важно отметить, что системы ИИ уже применяются и самими айтишниками в борьбе за качество ИТ-систем. Например, мы работаем в направлении изучения, как те или иные изменения в коде повлияют на клиентский опыт, – говорит Алексей Карпунин. – Ещё одно направление – это анализ клиентского пути, внедрение речевой аналитики в колл-центрах и в отделениях, с помощью которой можно оценивать качество диалогов, соблюдение скриптов, выявлять причины длительного обслуживания. Уже год мы используем эти технологии и видим их эффективность».

С одной стороны банки уже давно освоили использование ИИ в «классических» задачах (кредитного скоринга, оценки резервов, целевого маркетинга и противодействия мошенничеству и отмыванию денег), с другой стороны, развитие новых областей ИИ, таких как, например, NLP, позволило «принять на вооружение» чат-боты и голосовые ассистенты, которые помогают как самому банку, так и клиентам. Развитие данных технологий происходит очень быстрыми темпами, и в ближайшее время уже будет невозможно отличить голосового ассистента от человека, считает Сергей Русанов.

Достаточно большое количество интересных кейсов можно отыскать и в задачах обеспечения банковской безопасности клиента – технологии распознавания по лицу, по речи, отпечатку пальца и другие, добавляет Сергей Русанов.

Традиционный кредитный скоринг – это то направление, которое приносит банкам основную прибыль от использования ИИ за счёт качественной оценки риска, считает Сергей Афанасьев. Среди других важных направлений он называет модели для клиентской аналитики и модели для взыскания просроченной задолженности, которые позволяют увеличивать продажи и повышать эффективность возвратов по кредитам.

«Из новых направлений ИИ, которые во многих банках сейчас внедряются, а в некоторых уже используются – это сокращение издержек за счёт автоматизации банковских процессов. Сюда относятся клиентские чат-боты, роботизированные колл-центры, обработка документов с помощью ИИ и многое другое», – рассказывает эксперт банка «Ренессанс Кредит».

Автоматизация обслуживания клиентов и рутинных операций

По мнению Алексея Карпунина, самый важный момент в использовании ИИ – это возможности, которые дал ИИ в процессах обслуживания клиентов.

«Для того чтобы понять уровень качества обслуживания и удовлетворённости клиентов, ещё 5–10 лет назад существовала только одна возможность – слушать разговоры специалистов банка с клиентами. Понятно, что при всём желании прослушать все разговоры невозможно. Мы слушали 10–20% всех записей, но целостной картины, конечно, при этом не получали. Новые технологии дали возможность прослушать 100% разговоров с клиентами без каких-либо исключений и сделать автоматический анализ с точки зрения поиска аномалий и рекомендаций по их исправлению. Это очень большой шаг вперёд, и мы активно пользуемся данной возможностью в 100% случаев взаимодействия с клиентами», – рассказал CIO МКБ.

«Наряду с этим ИИ служит и для автоматизации внутренних и внешних рутинных операций. Но, на мой взгляд, данный функционал идёт вторым эшелоном, потому что рутинные операции можно автоматизировать банальной роботизацией, – делится своим мнением Алексей Карпунин. – Хотя здесь тоже есть процессы, которые требуют работы ИИ, например, при распознавании документов, больничных листов, паспортов, в поиске ошибок во входящих документах».

Во многих компаниях технологии RPA (роботизированная автоматизация процессов), ML (машинное обучение) и ИИ уже надёжно работают и приносят значимую прибыль, считает Сергей Русанов. При этом развитие этих технологий внутри компании стоит начинать с выработки общей методологии и подготовки некоторого фундамента, чтобы не прийти к состоянию, когда, например, ИИ представляет собой набор разрозненных алгоритмов, которые вроде как есть, но по факту не работают. Решение такой задачи – MLOps (объединение технологий и процессов машинного обучения и подходов к внедрению разработанных моделей в бизнес-процессы) – один из технологических трендов 2021 года, и направлен он как раз на то, чтобы легко и успешно адаптировать полученные при помощи ИИ результаты в бизнесе, объясняет руководитель ИТ-блока банка «Открытие».

«Главное – не стоит относиться к искусственному интеллекту и RPA, как к волшебной палочке, которая решает задачи сама по себе. Для построения качественных моделей необходима глубокая экспертиза команды как в области понимания алгоритмов, инструментов, так и банковских процессов. Цена ошибки может быть любой, начиная от лёгкого недовольства клиентов в случае неработающего чат-бота, заканчивая финансовой катастрофой в случае некорректной модели оценки финансовых рисков», – подчёркивает Сергей Русанов.

Чтобы не утонуть в море документов

ИИ может помочь в обработке большого объёма документов в банках. Он позволяет обрабатывать сканы различных документов, выполняя широкий класс задач: делает очистку сканированных документов, парсит (собирает и систематизирует с помощью специальных программ, автоматизирующих процесс) информацию в документе, распознаёт текст, выделяет тематики, готовит автоматический ответ в зависимости от тематики и т. д. Все эти технологии сокращают издержки на ручную обработку документов, говорит Сергей Афанасьев.

ИИ может оказать неоценимую помощь в обработке большого объёма документов именно в связке с поиском ошибок и дальнейшей маршрутизацией, считает Алексей Карпунин. То есть, по виду документа, по его содержанию есть возможность определить, куда его дальше маршрутизировать, и по какому бизнес-процессу он пойдет. Это серьёзно уменьшает трудоёмкость и операционные риски.

Решения по извлечению информации из текста на основе ИИ научились не просто переводить фото в текст, но и извлекать его смысл и переносить информацию в нужные поля в системах банка, подчёркивает Сергей Русанов. Сейчас Фабрика пилотов, центр инноваций банка «Открытие», проводит тесты в ряде бизнес-кейсов – использование данных паспорта, НДФЛ и СНИЛС при заполнении кредитной заявки, сверка фото клиента и его паспорта и проверка актуальности договора при выдаче кредитной карты, автоматическое заполнение платёжного поручения и проведение платежа на основании фотографии счёта-фактуры, проверка корректности данных в ипотечном аккредитиве и так далее

«ИИ в работе с документами сокращает трудозатраты сотрудников при постобработке документов и верификации данных в системах. По предварительной оценке, в банке обрабатывается не менее 5 миллионов страниц сканированных документов в месяц. Если сократить время работы с ними хотя бы на 20–30%, это даст значимую экономию», – уверен Сергей Русанов.

Автоматизация как фактор конкурентоспособности

Использование средств для автоматизации сложных когнитивных задач – это единственный путь ускорить рост финансовой организации, считает Алексей Карпунин. Возрастают объёмы операций и их количество, соответственно растут операционные риски и вероятность ошибок. Поэтому без наращивания автоматизации процессов и без отказа от ручного выполнения сложных рутинных операций бизнес не получит возможностей для роста. Ведь он растёт за счёт объёмов, которые невозможно увеличить посредством ручного выполнения рутинных операций. Это касается скоринга, обработки документов, принятия решений по массовым случаям – будь то банковские гарантии, факторинг, выдача кредитов.

Автоматизация подобных процессов на текущий момент является не столько вопросом опережающего роста, сколько необходимым фактором конкурентоспособности крупных финансовых организаций в борьбе как за клиента, так и за сотрудников, подчёркивает Сергей Русанов. Речь идёт как о скорости принятия решения и внесения изменений в процессы, базирующиеся на технологиях ML, мониторинга и контроля качества результатов, так и предоставления современного окружения для DS-специалистов. Ни для кого не секрет, что данная специализация сейчас находится на пике востребованности, и нанимать лучшие кадры, предлагая им технологии, которые использовались даже 5 лет назад, просто невозможно.

«Как показывают наши исследования и опыт компаний, с которыми мы сотрудничаем, сейчас нет универсальных решений по автоматизации данных процессов, – говорит Сергей Русанов. – Технологии развиваются гораздо быстрее, чем тот или иной ИТ-гигант прошлого сможет предложить коробочное решение, отвечающее запросам бизнеса. С другой стороны, такая потребность, конечно, есть, и мы видим, что многие технологические компании (не только крупные игроки) активно инвестируют в развитие функционала действующих продуктов или новых платформ, обеспечивающих полный жизненный цикл работы с данными и предиктивной аналитики. Скорее всего, это приведёт к либерализации современных технологий для средних компаний, которые ещё только начинают или планируют использовать технологии машинного обучения, и для рынка труда соответствующих специалистов».

По мнению Сергея Афанасьева, на рынке есть много компаний и стартапов, которые предлагают различные решения для разных задач обработки естественного языка: чат-боты, голосовая верификация, голосовые помощники, роботы колл-центры, анализ тональности диалогов с клиентом, тематическое моделирование, решения для парсинга документов, анализаторы новостных лент и т. д. С другой стороны, многие банки полностью или частично разрабатывают такие решения своими собственными Data Science командами.

Алексей Карпунин также считает, что решений, которые обеспечивают автоматизацию критически важной и когнитивной деятельности банка, достаточно много, они появляются почти у всех крупных вендоров, например, есть узкоспециализированные решения по распознаванию речи, образов, которые решают конкретную задачу. Но, как любые коробочные решения, они требуют доработки, кастомизации на территории заказчика. Только в этом случае они позволяют решать задачи по совершенствованию бизнес-процессов.

Текст: Оксана Дяченко

Материал также опубликован в печатной версии Национального банковского журнала №202 (июль-август 2021).