Искусственный интеллект в банках

Основная статья: Искусственный интеллект

Основные направления исполнения ИИ в финансах

На 2024 год Spydell Finance выделял несколько направлений применения технологий искусственного интеллекта в сфере финансов.

Прогнозирование и управление рисками

Риск менеджмент в своей основе наиболее формализованный сегмент финансовой индустрии, который в наилучшей степени поддается «запиранию» в рамки ИИ, который способен прогнозировать риски, связанные с кредитованием, инвестициями и страхованием, забирая на себя функции риск-менеджеров.

Расширенный анализ данных

Финансы, как и экономика – это непрерывный поток данных, которые поддаются упорядочиванию через идентификаторы, веса и «маяки». ИИ способен анализировать огромные объемы финансовых данных в режиме реального времени, включая транзакции, экономические и рыночные тенденции, также потребительское и корпоративное поведение.

Прогнозирование тенденций

Значительная часть данных и процессов в фининдустрии регулярно повторяется через различные комбинации, а следовательно, возможен анализ паттернов, где ИИ очень силен (статистика и вероятности), что позволяет быстрее, точнее и эффективнее предсказывать наиболее вероятные тенденции.

Автоматизированное инвестирование

Данный подход применяется уже с начала 2000-х годов в рамках алгоритмических систем и торговых роботов, но теперь может выйти на совершенно иной уровень за счет комбинации инструментов, где одновременно объединяется анализ вероятностей и паттернов, риск менеджмент и прогнозирование.

Автоматизация задач

Свыше 80% бизнес операций в финансах и страховании – в чистом виде рутина по протоколам действий. Если есть протоколы – значит есть пространство для ИИ, который может автоматизировать многие рутинные и трудоемкие процессы, такие как обработка заявок на кредиты, управление клиентскими аккаунтами и анализ страховых претензий, что повышает эффективность и сокращает затраты.

Финансовый консультант на базе ИИ может обеспечивать высококачественное обслуживание клиентов, предоставляя быстрые и точные ответы на их вопросы, а также помогая в выполнении финансовых операций – намного быстрее и эффективнее человека, за исключением сложных вопросов.

Автоматическое написание инвестиционных и рыночных обзоров/новостей

Обучение ИИ на базе миллионов инвестиционных обзоров за последние 50-60 лет позволит создать высокоразвитого инвестаналитика на базе ИИ, который будет быстро, релевантно и качественно писать обзоры.

Обнаружение и предотвращение мошенничества

Анализ транзакционных данных для выявления подозрительных или необычных паттернов (мошенники в 97% случаях действуют по похожим схемам), что помогает в борьбе с финансовым и страховым мошенничеством.

Автоматический контроль за налоговыми требованиями

Автоматический контроль за налоговыми требованиями и регуляторными нормами, что позволит избежать штрафов и преследования со стороны государства.

2024

Названы самые важные финансовые ИИ-технологии

Искусственный интеллект, включая генеративный (ГенИИ), активно внедряется в финансовом секторе. Однако ажиотаж вокруг данных технологий может смениться периодом разочарования, поскольку некоторые используемые решения могут не оправдать ожиданий. Об этом говорится в исследовании Gartner, результаты которого обнародованы 20 августа 2024 года. Аналитики выделяют несколько наиболее важных финансовых ИИ-технологий.

Средства ГенИИ

Компании, предоставляющие финансовые услуги, могут использовать инструменты ГенИИ для улучшения качества обслуживания клиентов при одновременном уменьшении расходов. Одним из примеров является внедрение чат-ботов для создания рекомендаций по продуктам и ответов на запросы клиентов. Благодаря ГенИИ кредитные учреждения могут ускорить выдачи займов на рынках с недостаточным финансовым обслуживанием, особенно в развивающихся странах. Кроме того, средства ГенИИ помогают выявлять мошенничество в претензиях, кредитных картах или займах. Хотя эксперты Gartner прогнозируют некоторое разочарование в инструментах ГенИИ в сфере финансов, это не означает, что технология окажется бесполезной.

Основными преимуществами ГенИИ в сфере финансов являются легкость доступа и простота использования. Поскольку многие организации внедряют собственные решения в данной области, использование таких инструментов в значительной степени сводится к обучению сотрудников тому, как их использовать и при каких обстоятельствах это является надежным решением, — говорит Марк Макдональд (Mark McDonald), старший аналитик финансового подразделения Gartner.

Машинное обучениеКак с помощью EvaProject и EvaWiki построить прозрачную бесшовную среду для успешной работы крупного холдинга

Когда дело доходит до задач, основанных на числовых данных, финансовым организациям придется полагаться на другие методы искусственного интеллекта — в первую очередь на различные приложения машинного обучения. Такие средства, как отмечается в исследовании, могут помочь финансовым специалистам решать сложные задачи, включая прогнозирование доходов или поиск ошибок в больших объемах информации. Вместе с тем использование машинного обучения потребует некоторых новых навыков.

Композитный ИИ

Данная концепция предусматривает сочетание нескольких методов искусственного интеллекта для более глубокой интерпретации информации и решения широкого круга задач. Цель состоит в том, чтобы создать решения ИИ, которые требуют меньше данных и энергии для обучения. Композитный ИИ предоставляет более широкие возможности тем организациям, которые не имеют доступа к большим объемам исторических или маркированных данных.

По мере внедрения ИИ в финансовом секторе становится ясно, что ни одна технология в отдельности не является панацеей. Комбинирование методов искусственного интеллекта обеспечивает более высокую эффективность, нежели использование только эвристики или подхода, полностью основанного на данных, — подчеркивает Макдональд.

ИИ-моделирование на основе агентов

Подход предполагает применение нескольких независимых агентов, каждый из которых способен воспринимать окружающую среду и выполнять определенные функции. Агентами могут быть модели ИИ, программы и пр. Объединение этих компонентов в единое целое позволяет улучшить общую осведомленность о ситуации, обеспечить более глубокую оптимизацию планирования и повысить устойчивость процессов.

Нейросимволический ИИ

Данная разновидность искусственного интеллекта объединяет методы машинного обучения и символические системы, например, графы знаний. Подход дает возможность создавать более надежные и заслуживающие доверия модели ИИ.^[1]

ВТБ запускает кластер по развитию технологий искусственного интеллекта

ВТБ запускает собственный кластер по развитию технологий искусственного интеллекта — «Цифровой помощник». Об этом 5 июля 2024 года объявил заместитель президента-председателя правления ВТБ Вадим Кулик. Подробнее здесь.

Названы главные риски применения ИИ в финансовом секторе России

По состоянию на начало 2024 года лидером по внедрению технологий искусственного интеллекта в России является финансовый сектор. Применение ИИ открывает огромный потенциал для повышения эффективности, точности и безопасности финансовых операций, а также для разработки новых продуктов и услуг. Об этом говорится в исследовании, результаты которого опубликованы в середине апреля 2024 года.

По данным «Ассоциации ФинТех», около 90% методов и инструментов ИИ, которые используют российские кредитные компании, основываются на методах машинного обучения. Российские банки применяют такие технологии для создания систем компьютерного зрения, запуска речевых сервисов, работы с текстом, анализа данных (предиктивной аналитики) и интеллектуальной роботизации. В 2023 году технологическим драйвером развития ИИ в финтехе стали большие языковые модели (LLM).

Лидерство финансовой отрасли во внедрении решений на базе технологий искусственного интеллекта в России неоспоримо.

Вместе с тем существуют и критические риски применения решений на основе ИИ в финансово-банковской сфере. Это, в частности, искажения автоматизации — когда автоматизируется решение, изначально содержащее ошибки. Существует также вероятность использования некачественных данных при обучении ИИ, что негативно влияет на качество работы сервисов. Опасения вызывают риски вторжения в частную жизнь клиентов финансовых организаций при сборе и использовании данных и этические риски, связанные с национальным, религиозным, региональным компонентами (например, неправильное обращение к клиенту). Плюс к этому эксперты указывают на возможные проблемы в области кибербезопасности.

Для России специфическим риском называется санкционное давление, из-за которого затруднены закупки мощного ИИ-оборудования, включая ускорители на базе графических процессоров. Кроме того, наблюдаются неравная конкуренция и монополизация рынка: это связано со значительными возможностями технического развития у крупных игроков и отсутствием их у небольших и региональных участников отрасли.^[2]

Как Национальное бюро кредитных историй использует ИИ

На­цио­наль­но­е бю­ро кре­дит­ных ис­то­рий (НБКИ) применило искусственный интеллект в создании PD-ско­ринга — оцен­ки ве­роят­нос­ти невыплаты кредита (дефолта). Об этом проекте в конце февраля 2024 года рассказал Олег Скворцов, председатель правления Ассоциации российских банков (АРБ). Подробнее здесь.

Зачем банки тратят миллиарды долларов на генеративный ИИ

Исследование Juniper Research, результаты которого опубликованы 23 января 2024 года, говорит о том, что банки быстро увеличивают расходы на генеративный искусственный интеллект (GenAI). Внедрение таких инструментов позволяет улучшить качество обслуживания клиентов и повысить уровень безопасности.

По оценкам аналитиков, в 2024 году глобальные затраты банков на системы GenAI составят около $6 млрд. В 2030-м, как ожидается, это значение достигнет $85 млрд. Таким образом, рост за рассматриваемый период превысит 1300%. По данным Juniper Research, ведущие банки будут внедрять сервисы GenAI, чтобы предлагать более персонализированный клиентский опыт. Это позволит финансовым организациям предоставлять более привлекательные услуги по сниженным ценам.

Финансовые компании могут использовать чат-боты на основе GenAI для создания рекомендаций по продуктам и ответов на вопросы клиентов. Благодаря средствам ИИ кредитные учреждения могут ускорить выдачи займов на рынках с недостаточным финансовым обслуживанием, что особенно актуально для развивающихся стран. Кроме того, инструменты GenAI помогут более эффективно выявлять различные мошеннические схемы благодаря возможности быстрого анализа огромных массивов данных.

Исследование показало, что системы GenAI позволят радикально изменить привычную работу банков, предоставляя персонализированную информацию о расходах и отслеживая рыночные тенденции. Финансовые организации, по мнению аналитиков, будут все чаще переходить к стратегии, ориентированной на искусственный интеллект, поскольку такие бизнес-модели необходимы для эффективной конкуренции в высокодинамичной банковской среде. Инвестиции в GenAI позволят банкам получить конкурентное преимущество, поскольку их затраты снизятся, а уровень обслуживания клиентов повысится.^[3]

2023

В Китае запущена система определения местоположения должников. Она создавалась при участии российских ученых

Ученые Уральского федерального университета (УрФУ) совместно с китайскими разработчиками создали программу, способную вычислить местонахождение заемщиков, которые пропускают или не планируют возвращать платежи по кредитам. Об этой технологии в российском вузе рассказали в декабре 2023 года. Подробнее здесь.

Названы 10 ИИ-трендов, меняющих банковский сектор

Искусственный интеллект оказал влияние на многие отрасли, в том числе на банковский сектор. Благодаря нейросетям и алгоритмам машинного обучения финансовые организации получают возможность улучшить качество предоставляемых услуг, оптимизировать операции и предоставить более персонализированные сервисы для клиентов. 21 октября 2023 года компания Finextra назвала десять ИИ-трендов, меняющих банковскую отрасль.

1. Улучшенное обслуживание клиентов

Чат-боты и виртуальные помощники на базе ИИ становятся обычным явлением в секторе банковских услуг. Эти интеллектуальные инструменты могут взаимодействовать с клиентами круглосуточно, отвечая на запросы, помогая с выполнением рутинных операций и предлагая полезную информацию. ИИ не только повышает эффективность работы финансовых организаций, но и снижает эксплуатационные расходы.

2. Персональные рекомендации

Алгоритмы ИИ анализируют данные о клиентах с целью оценки индивидуальных предпочтений и финансового поведения. Используя такую информацию, банки могут формировать персональные рекомендации, что помогает в продвижении продуктов и услуг.

3. Обнаружение и предотвращение мошенничества

ИИ играет важную роль в повышении безопасности в финансовой отрасли. Модели машинного обучения могут обнаруживать аномалии при выполнении транзакций и предупреждать о потенциально мошеннических действиях. Такие системы анализируют огромные объемы данных в режиме реального времени, быстро выявляя подозрительные операции.

4. Оценка кредитоспособности и анализ рисков

Традиционные модели кредитного скоринга часто ограничены узким набором параметров. Системы на основе ИИ используют более широкий набор источников данных, включая активность в социальных сетях и поведение в интернете. Такой комплексный подход позволяет банкам принимать более точные решения о кредитовании, одновременно снижая риски.

5. Автоматизация операций бэк-офиса

ИИ помогает в выполнении ряда задач, которые раньше осуществлялись вручную и отнимали много времени. Автоматизация не только снижает вероятность ошибок, но и позволяет организациям повысить операционную эффективность.

6. Прогнозная аналитика

Модели на основе ИИ способны анализировать огромные объемы данных о клиентах. Такие инструменты могут использоваться в маркетинговых целях, при разработке новых продуктов и для привлечения клиентов.

7. Знай своего клиента

ИИ упрощает процесс регистрации новых клиентов благодаря автоматизации проверки документов. Системы на основе ИИ, такие как распознавание лиц и биометрическая аутентификации, повышают удобство и безопасность.

8. Соблюдение нормативных требований

ИИ помогает банкам соблюдать установленные требования посредством автоматизации нормативной отчетности и мониторинга. Умные системы могут анализировать обширные наборы данных на предмет любых аномалий или нарушений, предупреждая о возможных проблемах.

9. Улучшение безопасности данных

Технологии ИИ, такие как обработка естественного языка и алгоритмы машинного обучения, повышают безопасность при выполнении банковских операций. Эти инструменты могут идентифицировать конфиденциальную информацию в неструктурированных данных и защитить ее от несанкционированного доступа. ИИ также позволяет обнаруживать киберугрозы и реагировать на них в режиме реального времени.

10. Инвестиции и управление капиталом

Роботы-консультанты на базе ИИ делают услуги по инвестициям и управлению активами более доступными. Автоматизированные платформы не только сокращают затраты клиентов, но и делают финансовые сервисы более доступными для широких слоев населения.^[4]

Российские банки инвестируют в искусственный интеллект около $1 млрд в год

Крупнейшие российские банки инвестируют в общей сложности в развитие решений на основе искусственного интеллекта около $1 млрд в год, а прибыль от вложений достигает $3 млрд в год. Такие цифры в ассоциации «Финтех» в начале октября 2023 года.

По ее данным, крупнейшие финансовые организации в России уже инвестировали в развитие ИИ более $10 млрд за последние 10 лет. Под крупнейшими банками подразумеваются пять крупнейших кредитных организаций в России по величине активов на конец 2022 года. В исследовании отмечается, что средние и небольшие российские финансовые компании вкладывают в реализацию портфеля проектов с ИИ лишь 100-300 млн рублей в год. Таким образом, крупнейшие банки РФ инвестируют ежегодно в развитие ИИ в 500 раз больше, чем любые другие компании на рынке.

Также из исследования следует, что исходя из совокупных эффектов на выручку компаний, для которых ИИ внес существенный эффект, рынок ИИ в 2022 году оценивается в 647 млрд рублей или $7,1 млн. Рост рынка составил 17,3% относительно 2021 года.

Ключевой же барьер при внедрении искусственного интеллекта, указывает ассоциация «Финтех», – это дефицит профильных специалистов. 83% российских компаний отметили, что испытывают здесь кадровый голод.

В июле 2023 года глава Сбербанка Герман Греф сообщил, что ежегодно банк инвестирует в искусственный интеллект порядка $1 млрд. При этом отдача от вложений окупается троекратно, заявил он. Как пояснили в «Сбере», искусственный интеллект в банке помогает создавать новые продукты, улучшать клиентский опыт и развивать клиентоцентричный подход.

Новые технологии помогают сотрудникам банка принимать широкий спектр решений на всех уровнях управления. А некоторые решения искусственный интеллект уже принимает лучше человека — например, о том, как оптимально выстроить маршрут инкассации и сколько денег положить в каждый конкретный банкомат, — отмечают в банке.[5]

ЦБ выделил основные риски внедрения ИИ в банковской сфере

Центральный банк выделил три основных риска развития искусственного интеллекта на финансовом рынке: конкуренция, доступ к данным и этический вопрос. Об этом 2 октября 2023 года сообщила пресс-служба депутата ГосДумы РФ Антона Немкина.

Активное внедрение технологий искусственного интеллекта в банковской сфере может привести к угрозе снижения конкуренции, компрометации данных, которые используются для обучения ИИ, а также повлечь за собой этические риски, отметил заместитель председателя Банка России Алексей Гузнов.

Прежде всего растет риск монополизации крупными игроками технологий искусственного интеллекта, поскольку их развитие требует значительных инвестиций как в вычислительные мощности, так и в инфраструктуру обработки данных, которые зачастую недоступны менее ресурсным компаниям.

Наверное, результат получат только те, кто имеет возможность вложиться. И это формирует определенные перекосы, – отметил эксперт.

Кроме того, существует риск недостаточного обеспечения информационной безопасности и, как следствие, возможность утечки персональных данных пользователя.

Среди этических рисков эксперт выделил угрозу принятия предвзятых и дискриминационных решений.

Это не только наша проблема, она осмысляется философски – проблема сочетания человеческого интеллекта и искусственного. Так как ИИ быстрее учится естественному языку, он может гораздо искуснее формировать иллюзии, подбирать соответствующий контекст, – пояснил Алексей Гузнов.

Любые технологии несут в себе как положительные, так и отрицательные явления, считает член комитета Госдумы по информационной политике, информационным технологиям и связи Антон Немкин.

Хорошо, когда мы можем понять какие отрицательные явления есть у некоторой технологии и сразу их купировать. Другое дело, когда возможные негативные последствия на старте определить сложно. Это, во многом, характерно для сферы цифровизации и связано с тем, что развитие технологий, в том числе ИИ, происходят очень динамично – мы не всегда поспеваем за ними, – пояснил Антон Немкин.

На октябрь 2023 года как в России, так и во всем мире происходит определение возможных угроз, которые несет в себе ИИ, а также разработка мер по их устранению, отметил депутат.

Это достаточно масштабная и кропотливая работа, требующая постоянного баланса. Важно понимать, что отрасль ИИ находятся в зачаточном состоянии. Поэтому ее нормативное «закрепощение» потенциально может привести к замедлению темпов развития. Напомню, что с такой практикой уже столкнулись некоторые страны, в которых в следствие излишней регуляции ИИ-технологий значительно упал инвестиционный потенциал. Поэтому, к этому вопросу нужно подходить осторожно и иногда притормаживать, – пояснил Антон Немкин.

Обозначенные Банком России риски релевантны для сегмента ИИ, считает депутат.

Поэтому необходимо определить хотя бы рамочное понимание того, как мы будем их преодолевать. Например, в контексте персональных данных – необходимо предъявлять четкие стандарты, а также следить за их исполнением. У нас в стране, к сожалению, даже без ИИ технологий, утечки – колоссальная проблема. Я думаю, что развитие ИИ должно происходить в опоре на кибербезопасность: без второго не может быть и первого. Вопрос монополизации также очень сложный и здесь есть место для большой дискуссии, в том числе, в контексте стимулирования малых и средних компаний к разработке ИИ со стороны государства, – считает депутат.

Напомню, что в 2022 году, несмотря на санкционное давление рынок искусственного интеллекта вырос на 18%. Это очень позитивный тренд, поэтому данный сегмент должен оставаться под пристальными вниманием всех участников цифровизации, – заключил Антон Немкин.

Герман Греф рассказал о перспективах использования искусственного интеллекта в банках

Российские банки будут активно внедрять приложения и сервисы на основе искусственного интеллекта в рамках структурной трансформации, нацеленной на предоставление новых услуг и повышение качества обслуживания клиентов. Об этом 6 июля 2023 года сообщил председатель правления Сбербанка Герман Греф.

По его словам, как отмечает газета «Ведомости», в сложившейся геополитической обстановке и в условиях макроэкономических вызовов финансовым организациям необходимо «учиться жить по-новому». Для этого, в частности, следует расширять возможности с помощью современных систем ИИ.

В Сбербанке доля процессов, в которых применяются ИИ-алгоритмы, к началу июля 2023 года достигла 75%. Искусственный интеллект участвует в принятии ключевых решений, за которые раньше в банке отвечал человек. Нейросети в числе прочего решают, какой продукт предложить конкретному клиенту, как выстроить оптимальный маршрут для инкассации, что ответить пользователю в чат-боте или колл-центре, какое количество сотрудников должно быть в определённом отделении банка в тот или иной день недели и пр., сообщил Греф.

Системы ИИ также могут применяться в области корпоративного кредитования. При обслуживании юридических лиц и индивидуальных предпринимателей «умные» алгоритмы помогают структурировать кредитную сделку, проанализировать риски и проверить деловую репутацию клиента, а также принять итоговое решение. Причём качество предоставления услуг на базе ИИ в данном случае оказывается выше по сравнению с традиционным подходом. «Сбербанк» намерен научиться выдавать сложно структурированные кредиты с помощью ИИ и довести их по объёмам до 80%. В банке также сообщили, что каждый вложенный в искусственный интеллект рубль приносит 6,7 рубля прибыли. К концу 2023 года это значение может увеличиться до 8 рублей.^[6]

Нежные роботы-коллекторы и искусственный интеллект. Как ВТБ использует цифровые инструменты для работы с должниками

Банк ВТБ с 2018 года применяет роботов-коллекторов для работы с просроченной задолженностью физических лиц, постепенно расширяя эту практику. На 2021 год всего на это решение приходилось уже 40% от всех голосовых коммуникаций с клиентом в просрочке^[7]. При этом судебных проблем у ВТБ в связи с применением роботов-коллекторов пока нет, рассказал 6 июня 2023 года на пресс-брифинге заместитель президента-председателя правления ВТБ Вадим Кулик.

Применение этой технологи не у всех проходит без проблем. Так, в конце 2022 года TAdviser подробно писал о судебных разбирательствах, так или иначе связанных с использованием роботов-коллекторов в Сбербанке, который активно задействует их с 2017 года, а также о существующем законодательном пробеле относительно роботов-коллекторов (см. статью ниже). В случае Сбербанка речь в судебных делах идёт, например, и о законности самого факта применения роботов-коллекторов, и о допустимом количестве взаимодействий банка с должником с их помощью.

TAdviser проверил: поиск по системам юридической информации, действительно, не выдаёт судебных споров, связанных с использованием роботов-коллекторов для взыскания просроченной задолженности в ВТБ.

Вадим Кулик на пресс-брифинге, отвечая на вопрос TAdviser, объяснил, с чем, по его мнению, это связано. Клиентский срез у ВТБ в среднем отличается от клиентского среза Сбербанка: по различным причинам у ВТБ исторически средний клиентский чек выше, доля «среднего+» клиентского сегмента выше. Поэтому способ и манера сбора задолженности у банка ВТБ мягче, говорит топ-менеджер ВТБ. Построить агрессивную модель сбора банк ВТБ не может себе позволить.

В 2020 и 2021 гг. российский Forbes выпускал рейтинги 15 лучших банков для миллионеров^[8][9], где ВТБ оба раза занял первое место, опередив Сбербанк. В 2020 году, в частности, ВТБ раскрывал данные о наличии у него более 20 тыс. клиентов с финансовыми активами от $1 млн. Это оказалось больше, чем у какого-либо другого участника рейтинга.

Вадим Кулик рассказал, что в области коллекторского направления в ВТБ есть большая номенклатура разных моделей, не только роботы, синтез речи и контента. Начинается всё с модели предсказания, выйдет клиент на просрочку или нет. Есть также модель склонности к тому или иному виду контакта – какой контакт с клиентом будет более эффективным.

Далее вступают модели, когда человек вышел на просрочку или, наоборот, не вышел и лучше ему напомнить. Тогда подключаются различные роботы, которые либо информируют, либо побуждают клиента к действию.

Цифровые технологии применяются при взаимодействии с должником не только роботов, но и сотрудников банка. Для исключения негативных ситуаций, которые могут возникнуть при урегулировании задолженности, ВТБ дополнительно оценивает качество работы сотрудников, используя для этого речевую аналитику^[10].

При этом одним из самых эффективных инструментов урегулирования задолженности в ВТБ называют программы реструктуризации. Их результативность оценивается в 80% – большинство клиентов справляются с задолженностью и продолжают сотрудничество с банком.

В этом тоже помогает цифровизация. В банке работают предодобренные предложения, которые проактивно минимизируют случаи просрочки. Скоринговая модель на основе искусственного интеллекта показывает, кому из заемщиков необходимо оказать помощь, учитывая множество факторов: платежную дисциплину клиентов, их доходы, срок кредита и др. На основе этого банк формирует индивидуальные финансовые предложения – например, пониженный размер ежемесячного платежа.

Примеры использования ИИ в финансовой сфере в 2023 году

• На уровне проектирования: прогнозирование востребованности банковских продуктов, предсказание изменений спроса, автоматизированная оценка рисков.
• На уровне производства: автоматизация и оптимизация взаимодействия с существующими и потенциальными клиентами. Автоматизация обработки документов и одобрения кредитов.
• На уровне продвижения: предоставление персонализированных предложений в нужный момент времени. Автоматическое регулирование процентных ставок в зависимости от истории клиента.
• На уровне предоставления обслуживания: развитие автоматизированных систем и интерфейсов самообслуживания во всех каналах коммуникации.

2022

Роботы-коллекторы никак не выйдут из «серой» зоны. Сбербанк борется в судах за их применение без согласия должников

Органы Федеральной службы судебных приставов (ФССП) и арбитражные суды неоднократно расценивали использование роботов-коллекторов без письменного соглашения с должником, как незаконное, следует из судебной практики в картотеке арбитражных дел. Однако Сбербанк, применяющий роботов-коллекторов с 2017 года, упорно продолжает оспаривать их выводы в судебных инстанциях. В законе о взыскании долгов с физлиц до сих пор не прописано использование этой технологии.

TAdviser ознакомился с частью – более чем с десятком – судебных разбирательств в разных инстанциях с участием Сбербанка за последнее время, так или иначе связанных с применением роботов-коллекторов для возврата просроченной задолженности. В них банк, как правило, оспаривает протоколы органов ФССП со штрафами в его адрес о нарушении законодательства о защите прав и законных интересов физлиц при возврате просроченной задолженности. Речь в таких делах идёт как о законности самого факта применения роботов-коллекторов, так и о допустимом количестве взаимодействий банка с должником с их помощью.

Деятельность по возврату просроченной задолженности физлиц регулируется федеральным законом от 03.07.2016 №230-ФЗ (230-ФЗ)^[12]. В действующей на текущий момент редакции он предписывает, что при совершении действий, направленных на возврат просроченной задолженности, кредитор или лицо, действующее от его имени или в его интересах, вправе взаимодействовать с должником, используя:

• личные встречи, телефонные переговоры (непосредственное взаимодействие);
• телеграфные сообщения, текстовые, голосовые и иные сообщения, передаваемые по сетям электросвязи, в том числе подвижной радиотелефонной связи;
• почтовые отправления по месту жительства или месту пребывания должника.

Иные, кроме вышеперечисленных, способы взаимодействия с должником могут быть предусмотрены письменным соглашением между должником и кредитором или лицом, действующим от его имени или в его интересах.

Кроме того, 230-ФЗ устанавливает, что не допускается взаимодействие с должником по инициативе кредитора посредством телеграфных сообщений, текстовых, голосовых и иных сообщений, передаваемых по сетям электросвязи, в том числе подвижной радиотелефонной связи:

• в рабочие дни в период с 22 до 8 часов и в выходные и нерабочие праздничные дни в период с 20 до 9 часов по местному времени по месту жительства или пребывания должника;
• общим числом: а) более двух раз в сутки; б) более четырех раз в неделю; в) более шестнадцати раз в месяц.

В одном из последних судебных дел, решение по которому было вынесено в декабре 2022 года, например, указано, что с целью возврата просроченной задолженности Сбербанк за период менее двух месяцев совершил 198 звонков робота-коллектора на мобильный номер должника, в некоторые дни абоненту поступало по 9-11 звонков^[13].

По мнению Арбитражного суда Красноярского края, можно сделать вывод о том, что банк оказывал психологическое воздействие на должника путем многочисленных телефонных звонков, которыми нарушал частную жизнь должника, причинял беспокойство и доставлял чувство тревоги, что идёт вразрез с требованиями 230-Ф3.

И в этом случае суд отнёс звонки робота-коллектора к «иным способам взаимодействия по вопросам возврата просроченной задолженности» и счёл нарушением 230-ФЗ совершение таких звонков без письменного соглашения с должником.

В схожем деле, по которому решение было вынесено другим арбитражным судом – Удмуртии, но тоже в декабре 2022 года, приводится позиция Сбербанка касательно применения роботов-коллекторов^[14]. Звонки с использованием робота-коллектора являются голосовыми и иными сообщениями, передаваемыми по сетям электросвязи, которые допускаются 230-ФЗ, а не относятся к иным способам взаимодействия, на которые требуется письменное соглашение, полагают в банке.

Сбербанк также указал на отсутствие оснований, приведших орган ФССП к выводу, что звонки робота-коллектора являются именно иным способом взаимодействия, а не могут быть отнесены к голосовым и иным сообщениям, передаваемым по сетям электросвязи.

Кроме того, из некоторых судебных решений можно сделать вывод, что при звонке, в том числе робота-коллектора, отказ от общения, сброс звонка, молчание в Сбербанке не считают взаимодействием с должником. Это же следует из некоторых ответов банка в открытых источниках по поводу использования им автоинформатора в рамках 230-ФЗ^[15].

Есть и разъяснение позиций судов касательно использования роботов-коллекторов, которые чаще всего не совпадают с видением Сбербанка. Так, Арбитражный суд Красноярского края считает, что голосовой информатор не относится ни к одному из способов взаимодействия с должником, установленных законом, поскольку не является телефонными переговорами или голосовым сообщением, по смыслу, передаваемому этими понятиями 230-ФЗ.

Под телефонными переговорами понимается взаимодействия путем использования средств телефонной связи, в результате которого устанавливается диалог между двумя физлицами: представителем кредитора и должником, в рамках которого они обмениваются информацией по вопросу возврата просроченной задолженности. А голосовые сообщения – это система мгновенного обмена сообщениями, в которой заранее предзаписанные сообщения передаются через голосовую среду. Голосовые сообщения являются альтернативой голосовым звонкам или текстовым сообщениям, считает суд^[16].

Позиция того же суда касательно того, что можно считать взаимодействием с должником, тоже однозначная:

Независимо от того, какого рода информация была передана или не передана во время переговоров, в данном случае она имеет своей целью возврат просроченной задолженности. Тот факт, что абонент бросил трубку или вообще не захотел слушать сотрудника общества, в связи с чем, длительность звонка составила несколько секунд, не свидетельствует о том, что взаимодействие с должником не состоялось и звонок был «неуспешным»[17].

В некоторых судебных решениях констатируется, что при звонке робота-коллектора абонент, бывает, не осознаёт, что он вёл разговор не с человеком-сотрудником Сбербанка.

В ходе взаимодействия по поводу просроченной задолженности по абонентскому номеру телефона с использованием робота-коллектора должник или третье лицо не подозревают, что диалог происходит не с человеком-сотрудником ПАО Сбербанк, а с компьютерной программой, имеющей признаки искусственного интеллекта, которая при этом выдает себя собеседнику за человека, задает третьему лицу вопросы, на которые получает ответы, а также воспринимает произносимую в ответ речь, то есть ведет себя как человек, - констатирует другой арбитражный суд – Мордовии.

Арбитражный суд Мордовии суд пришёл к выводу, что использование названного метода взаимодействия с применением искусственного интеллекта не относится ни к одному из способов взаимодействия с должником, разрешённых 230-ФЗ без письменного соглашения ^[18].

В самом Сбербанке не смогли ответить на вопросы TAdviser об использовании роботов-коллекторов.

По состоянию на декабрь в картотеке присутствуют свежие апелляционные жалобы от банка на ранее вынесенные судебные решения по делам, в которых фигурирует использование роботов-коллекторов.

В Сбербанке ранее рассказывали, что начали применять роботов-коллекторов в 2017 году, и уже тогда отмечали, что «технология настолько отработана, что зачастую должники не могут определить, что общаются с роботом, а не сотрудником банка» ^[19].

В августе 2022 года РБК опубликовал информацию о готовящихся поправках в 230-ФЗ, которые обязали бы коллекторские компании, банки и микрофинансовые организации с 1 января 2024 года при обзвоне должников предупреждать граждан о том, кто ведет с ними разговор – робот или живой сотрудник^[20].

Также поправки должны ввести новое понятие — «автоматизированный интеллектуальный агент». Под ним подразумевается ПО для отправки голосовых сообщений, а также программы с «генерацией и распознаванием речи», которые способны поддерживать разговор.

Впрочем, к концу 2022 года новой информации касательно этого проекта поправок пока не было.

Попытка вывести роботов-коллекторов из «серой» законодательной зоны предпринималась и в 2019 году. Тогда Минюст выходил с законопроектом об изменениях в 230-ФЗ, которыми предполагалось, в том числе, ввести понятие «автоматизированный интеллектуальный агент» («робот-коллектор»)^[21]. Под ним в законопроекте подразумевался инструмент для отправки голосовых сообщений, передаваемых по сетям электросвязи, в том числе подвижной радиотелефонной связи, который применяет систему генерации речи и поддерживает различные произвольные сценарии разговоров с должниками или иными лицами в зависимости от хода ведения диалога, получаемой от должников или иных лиц в ходе диалога информации. Но до принятия этого изменения дело не дошло.

Gartner назвал 4 главных правила для успешного использования ИИ в финансовом секторе

22 июня 2022 года компания Gartner опубликовала исследование, в котором выделила 4 главных правила реализации искусственного интеллекта (ИИ) в финансовой сфере, которые позволяют достичь или превзойти ожидаемый эффект и обеспечить достижение критически важных результатов в области финансов и бизнес-процессов.

Использование искусственного интеллекта в финансовых отделах еще только зарождается, и большинство компаний приступили к этому только в последние два года, - сказал Джейкоб Джозеф-Давид, директор по исследованиям в сфере финансов компании Gartner. Большинству также не удается быстро получить ожидаемую отдачу от таких проектов.

Учитывая начальный этап развития ИИ в финансовой сфере, финансовые директора не имеют четкого определения и стратегии для его успешного применения. Чтобы помочь финансовым директорам, компания Gartner определила четыре критически важных правила для успеха внедрения ИИ в финансовой сфере.

Нанимать внешних специалистов, специализирующихся на ИИ

Как правило, существует три варианта привлечения специалистов с навыками и опытом в области ИИ: нанять новых специалистов, повысить квалификацию имеющихся специалистов или привлечь к работе специалистов из уже существующего ИТ-отдела. Организации, которые в своих стратегиях привлечения талантов ориентируются на привлечение внешних сотрудников, обладающих навыками работы с ИИ, имеют значительно больше шансов стать ведущими финансовыми организациями, использующими ИИ.

ИТ-Специалисты обладают незаменимыми профессиональными навыками в работе с различными техническими нюансами ИИ, что позволяет компании преодолеть трудности в работе с ИИ-приложениями и сократить кривую технического обучения других сотрудников. И наоборот, хотя повышение квалификации финансового персонала может быть менее затратным, это чревато замедлением прогресса и увеличением вероятности ошибок. Кроме того, новые ИТ-специалисты дают возможность выйти за рамки привычных процессов и установок, привнося новые идеи для содействия внедрению ИИ.

Инвестировать в ПО со встроенным ИИ для обеспечения быстрых побед

Приобретение программного обеспечения со встроенным ИИ позволяет компаниям более легко экспериментировать с применением ИИ и использовать его в большем количестве областей финансовой сферы; они могут упростить создание пилотных проектов для решения уникальных бизнес-задач. В противоположность этому, создание собственных ИИ-решений для всех финансовых процессов создает гораздо больше работы и сокращает возможности для изучения новых экспериментальных проектов или сценариев их использования.

Проводить пробные и разнообразные эксперименты на ранних этапах

Ведущие компании в сфере финансов используют экспериментальный подход к внедрению ИИ на начальном этапе, а не делают несколько крупных ставок. С увеличением числа ранних пилотных проектов появляется больше вариантов использования ИИ, а внедрение происходит быстрее, поскольку организация может сосредоточиться на наиболее успешных пилотных проектах.

Как правило, наиболее успешные организации все еще исследуют те же сценарии использования, что и менее успешные, причем наиболее распространенными являются три: бухгалтерские процессы, обработка данных в бэк-офисе и прогнозирование денежных потоков. Единственным исключением является прогнозирование платежей клиентов, которое используется примерно половиной ведущих компаний, но очень немногими из менее успешных организаций.

Выбор лидера по внедрению аналитического ИИ

Для реализации преимуществ ИИ финансовые директора должны выбрать соответствующее лицо для руководства внедрением ИИ. В частности, это может быть руководитель отдела финансового планирования и анализа (FP&A) или руководитель отдела финансовой аналитики, который будет заниматься внедрением ИИ, а не контролирующие их лица.

Руководители отделов FP&A и финансовой аналитики успешно справляются с задачей внедрения ИИ благодаря своей сильной аналитической подготовке и работе с данными. Они в меньшей степени полагаются на знание традиционных финансовых процессов и в большей степени на понимание сложностей ИИ в бизнес-среде. ^[22]

2020

Искусственный интеллект помогает компаниям повышать прибыль на 80% быстрее

Организации, которые используют искусственный интеллект (ИИ) и другие перспективные технологии в финансовой и операционной деятельности, увеличивают ежегодную прибыль на 80% быстрее. Такой вывод сделан в глобальном исследовании Emerging Technologies: The competitive edge for finance and operations («Конкурентное преимущество в управлении финансами и операциями»), подготовленном Enterprise Strategy Group и Oracle. В нем приняли участие 700 руководителей финансовых и операционных функций из 13 стран^[23].

Опрос показал, что в освоении перспективных технологий, таких как ИИ, Интернет вещей (IoT), блокчейн и цифровые помощники наступил переломный момент: результаты их применения превосходят ожидания и обеспечивают значительные конкурентные преимущества.

Организации, внедряющие новые технологии для управления финансами, получают гораздо большие преимущества, чем изначально рассчитывали.

• Число ошибок в работе финансовых отделов снизилось в среднем на 37%.
• 72% организаций, использующих технологии ИИ, сообщили, что у них появилось более четкое представление об общей эффективности бизнеса.
• 83% руководителей полагают, что в течение пяти лет ИИ позволит сделать финансовое закрытие полностью автоматическим.
• Цифровые помощники повышают производительность труда на 36% и позволяют выполнять финансовый анализ на 38% быстрее.

ИИ, Интернет вещей, блокчейн и цифровое помощники помогают повысить точность, скорость и понимание операционной деятельности и цепочек поставок. И респонденты ожидают дополнительные выгоды для бизнеса, как только блокчейн-приложения станут широко применяться.

• Организации, которые используют ИИ в управлении цепочками поставок, отмечают, что сроки выполнения заказов сократились в среднем на 6,7 рабочих дня.
• Использование данных Интернета вещей в управлении цепочками поставок позволяет на 26% сократить число ошибок при выполнении заказов.
• ИИ помогает снизить число ошибок при выполнении заказов на 25%, дефицит запасов – на 30%, а продолжительность простоев при производстве – на 26%.
• Организации, в которых для управления цепочками поставок используются цифровые помощники, смогли повысить продуктивность сотрудников на 28%, а скорость анализа – на 26%.
• 87% организаций, внедривших блокчейн, достигли планируемой рентабельности инвестиций (или превысили ее); 82% компаний ожидают значительные выгоды для бизнеса в течение года.
• 78% руководителей считают, что возможность верифицировать результаты мониторинга цепочек поставок с помощью блокчейна позволит снизить число мошеннических операций на 50% (или больше) в течение пяти лет.
• 68% респондентов называют улучшение бизнес-аналитики ключевым преимуществом использования новых технологий в цепочках поставок.

Подавляющее большинство организаций уже освоили перспективные технологии. Компании-первопроходцы, которые используют не менее трех подобных решений, получают наибольшие преимущества и имеют больше шансов превзойти конкурентов.

• Новые технологии получили широкое распространение, и 84% организаций применяют по крайней мере одну из них (ИИ, IoT, блокчейн, цифровые помощники) в продуктивных системах.
• 82% организаций, использующих три или более перспективных технологий, опережают конкурентов, тогда как таких только 45% в организациях, не применяющих ни одной из них.
• В 9,5 раз более вероятно, что организации, внедрившие несколько новых технологий, добьются финансовой и операционной точности, наиболее высокой по рынку
• Организации в 2–3 раза чаще приобретают преднастроенные решения на основе перспективных технологий, чем разрабатывают свои собственные (процентное соотношение зависит от конкретного решения).
• Почти все респонденты (91%) считают SaaS-приложения ключевым фактором, способствующим освоению новых технологий.

2019

Цифровой банк «Точка» внедрил искусственный интеллект, предсказывающий блокировку счёта налоговой

12 декабря 2019 года цифровой банк для предпринимателей «Точка» сообщил о внедрении искусственного интеллекта, который способен предсказывать блокировку счета Федеральной налоговой службой (ФНС). Подробнее здесь.

JPMorgan начала использовать ИИ-копирайтера, который пишет рекламные тексты лучше маркетологов

В начале августа 2019 года JPMorgan Chase подписала пятилетний контракт со стартапом, использующим искусственный интеллект для копирайтинга. Сделка последовала за успешным пилотным испытанием новой технологии. Подробнее здесь.

2018

Банки заработали $41 млрд на искусственном интеллекте

В 2018 году банки заработали около $41,1 млрд благодаря использованию искусственного интеллекта. В эту сумму входят как прямые доходы от внедрения таких технологий, так и объем сокращенных расходов и выгода от повышения эффективности работы финансовых организаций (по сравнению с тем, если бы они оставили те же процессы и инфраструктуру). Об этом свидетельствуют данные аналитиков IHS Markit, обнародованные 10 апреля 2019 года.

По прогнозам специалистов, к 2030 году коммерческие ИИ-проекты принесут банкам в общей сложности $300 млрд.

Инновационные возможности, которые искусственный интеллект предоставляет сектору финансовых услуг, способны привести к кардинальным преобразованиям, — говорит ведущий аналитик IHS Markit Дон Тейт (Don Tait). — ИИ готов бросить вызов и размыть наши концепции вычислений и «обычного» человека. Это серьезное изменение потребует от компаний и правительств развития глубокой дальновидности и критически важного понимания всех последствий цифровизации и развивающихся технологий.

Специалисты говорят, что искусственный интеллект совершает революцию в банковском секторе, выявляя мошенничество в финансовых операциях на основе заранее определенного набора правил.

Крупнейшим рынком использования ИИ-решений в банковском секторе остается Северная Америка: там компании заработали $14,7 млрд на таких технологиях по итогам 2018 года. К 2030-му экономический эффект от внедрения искусственного интеллекта в регионе подскочит до $79 млрд, прогнозируют аналитики.

Однако к 2024 году в лидеры вырвется Азиатско-Тихоокеанский регион, где банки заработают и сэкономят благодаря ИИ около $50,6 млрд против $11,5 млрд в 2018-м. К 2030 году показатель поднимется до $98,6 млрд во многом благодаря спросу в таких странах, как Китай (включая Гонконг), Япония, Южная Корея и Сингапур

Однако внедрение технологий искусственного интеллекта в банковской отрасли несет и негативные последствия — сокращения рабочих мест и перераспределение кадров в связи с улучшением продуктивности работы финансовых компаний за счет ИИ-технологий.

По прогнозам аналитиков, искусственный интеллект повлияет на десятки миллионов рабочих мест в глобальной финансовой индустрии. В США, например, это коснется 1,3 млн человек к 2030 году, а в Великобритании — 500 тыс.^[24]

Среди банковских служащих, на которых может повлиять распространение ИИ, в IHS Markit назвали кассиров, сотрудников отделов клиентского обслуживания, интервьюеров и клерков, финансовых менеджеров, контролеров и кредитных специалистов.

Но в целом технологии искусственного интеллекта изменят структуру финансовой индустрии, сделав банковский сектор более гуманным и интеллектуальным, — считает Дон Тейт.

То, что банки все активнее используют искусственный интеллект, подтверждают в консалтинговой компании Deloitte. По данным опубликованного в апреле 2019 года исследования, 29% компаний из финансовой отрасли, работающих в разных странах, используют роботизированную автоматизацию процессов — программное обеспечение, которое автоматизирует монотонную рутинную работу. В этой выборке 25% опрошенных задействуют такие технологии для управления рисками, 21% — для формирования отчетов о рисках, 20% — для нормативной отчетности.

Большие данные и аналитики также стали приоритетными для банков — 40% из них используют такие инструменты наряду с искусственным интеллектом.

Около 25% и 19% опрошенных представителей компаний заявили, что они задействуют машинное обучение и когнитивную аналитику (включая обработку естественного языка) соответственно, чтобы сократить расходы и повысить точность операций, в то время как 24% рассказали, что используют инструменты моделирования бизнес-решений.

Банки с Уолл-стрит начали использовать машинное обучение для анализа валютных рынков

29 июня 2018 года Bank of America объявил о начале использования машинного обучения для анализа валютных стратегий. Поводом для проведения исследования в области искусственного интеллекта, которое аналитики банка начали в июне 2018 года, послужила нестабильная политическая обстановка в Италии — специалисты опасались, что она повлияет не только на евро, но и на остальные европейские валюты, а это грозит очередным финансовым кризисом.

В первом исследовании Bank of America алгоритмы машинного обучения оцениваются по эффективности работы с фундаментальными и обзорными данными, например, касающимися государственных расходов и ожиданий потребителя. Задача ИИ — составить прогноз отношений валютной пары евро-доллар. Команда использовала как контролируемое обучение, когда машина должна проанализировать промаркированные человеком данные и выявить закономерности, так и неконтролируемое обучение, когда человек уже не контролирует процесс и не дает ИИ никаких указаний.

Из-за характера рынка иностранных валют предсказать его будущее только на основе известных ситуаций довольно сложно, поэтому мы пытаемся привлечь машинное обучение для альтернативных стратегий оценки, — отметила специалист по валютной стратегии Элис Ленг (Alice Leng), разработавшая исследование рынка на основе ИИ в Bank of America.

Применение машинного обучения для сложных анализов — не нововведение в финансовой сфере. Но, по словам Васан Дхара (Vasant Dhar), профессора информатики Нью-Йоркского университета и основателя SCT Capital Management - хедж-фонда, который в течение двух десятилетий полагался на приложения для машинного обучения, - валютные рынки все еще представляют собой особую проблему для алгоритмов ИИ. Сложность и разнообразие макроэкономических факторов, которые могут влиять на межвалютные отношения, могут значимо затруднить анализ в этой сфере, в отличие от обычных биржевых рынков, давно применяющих ИИ и машинное обучение.

Несмотря на активное использование ИИ, большинство банков пока не успели внедрить его в свою работу на глобальном уровне. В отчете о цифровом банковском обслуживании осенью 2017 года подавляющее большинство финансовых учреждений отметило, что в той или иной мере использовало машинное обучение, но, как отмечают аналитики, лишь менее 20% вышли за рамки простейших методик работы с ИИ.

Среди трех крупнейших банков США Bank of America первым включил разработки моделей машинного обучения в публикации результатов валютных исследований. Исследовательская группа финансового холдинга JP Morgan изучала приложения для машинного обучения, но использовать их пока не решилась. Банковская компания Wells Fargo заявляет, что придерживается фундаментального экономического подхода для анализа валютных рынков, поскольку доверяет своему опыту в это сфере. Многие не доверяют компьютерам, которые анализируют информацию способами, недоступными пониманию человека, и утверждают, что не готовы принять прогностические заключения ИИ, обрабатывающего данные вне причинно-следственных связей.

Однако изменения уже грядут – например, коммерческий банк Morgan Stanley нанял профессора прикладной информатики Пенсильванского университета Майкла Кернса (Michael Kearns), ранее работавшего в хедж-фонде, чтобы расширить использование ИИ, а команда Deutsche Bank включила машинное обучение в анализ своих данных.

Некоторые аналитики утверждают, что благодаря общедоступности инструментов машинного обучения исследования Уолл-стрит утратят свою актуальность, поскольку инвесторы смогут разработать собственные методики анализа на основе ИИ. Но Питер Уодкинс (Peter Wadkins), аналитик FX Aite Group, считает, что это не так вероятно, как кажется, ведь для машинного обучения требуются довольно крупные объемы данных и высокотехнологичные методы их обработки.^[25]

Как коллекторы используют искусственный интеллект для выбивания долгов

К июню 2018 года китайские коллекторы начали активно использовать новые технологии, например, искусственный интеллект, в целях сбора долгов, возникших, как предполагается, из-за спекулятивного кредитного пузыря размером $200 млрд, который сформировался в отрасли кредитования между физическими лицами в стране.

С 2013 по 2018 годы в Китае появились тысячи новых компаний, которые выступали посредниками между частными кредиторами и людьми, нуждавшихся в наличных средствах. Однако из-за разразившегося скандала эти компании оказались под перекрестным огнем регулирующих органов, и с середины 2017 года, когда китайское правительство ввело контроль предоставления кредитов, а также лицензирование кредиторов и посредников, очень многие подобные компании, предоставлявшие свои услуги как физические лица, полностью прекратили свою деятельность.

По оценкам аналитической онлайн-фирмы Wdzj.com непогашенный долг между физическими лицами на май 2018 года составлял более $200 млрд, и растущее число отказов от уплаты долга отворило дверь волне стартапов на основе новейших технологий, с помощью которых кредиторы пытаются восстановить выданные средства, передает издание Financial Times.

Кредитование между физическими лицами широко используется в Китае, но правительство тщательно отслеживает только официальную банковскую систему, отмечает Черри Шэн, исполнительный директор компании по сбору долгов в Шанхае Ziyitong и бывший менеджер Citigroup и ANZ Bank. Однако благодаря появлению передовых технологий даже у физических лиц появилась возможность вернуть долг.

Компания Ziyitong, которая сумела вернуть около $29 млрд долгов с момента своего открытия в 2016 году, недавно запустила платформу на основе искусственного интеллекта, чтобы вернуть просроченные кредиты. Клиентами Ziyitong выступают примерно 600 агентств по взысканию долгов и более 200 кредиторов, включая Alibaba Group и Postal Savings Bank of China, как сообщает Черри Шэн.

Система анализирует данные о заемщиках и их друзьях, доступные в интернете, а затем связывается с заемщиком по телефону с помощью диалогового робота. Разговоры записываются и анализируются с помощью алгоритма, который затем определяет формулировку, которая с наибольшей вероятностью возымеет действие на заемщика и заставит вернуть долг. Система также связывается с его друзьями и с их помощью просит заемщика вернуть деньги.

По словам Черри Шэн, по состоянию на май 2018 года система на основе искусственного интеллекта, используемая Ziyitong, продемонстрировала очень высокий коэффициент возмещения - 41% для крупных клиентов по кредитам, просроченным на срок до одной недели. Для сравнения – эффективность традиционных коллекторских методов возвращения долгов по аналогичным кредитам составляет всего 20%. Ziyitong также планирует использовать систему ИИ для возвращения кредитов, просроченных более чем на одну неделю.

Yigou, еще один стартап для взыскания долгов, запустил приложение для мобильных телефонов, которое позволяет коллекторам проводить поиск по тысячам индивидуальных долговых записей и отбирать необходимые случаи, упрощая взаимодействие между кредиторами и коллекторами. Компания также может предоставлять геолокационные данные некоторых заемщиков, чтобы помочь коллекторам отслеживать их местоположение.

Вэнь Юн, исполнительный директор компании Yigou, отметил, что новейшие технологии стали играть значимую роль в коллекторской отрасли. По его словам, многие компании, предоставлявшие услуги по кредитованию между физическими лицами, были вынуждены организовать собственные коллекторские ячейки, поскольку число случаев невыплаченной задолженности в этом секторе значительно выросло.

Учитывая, что регуляторные органы не оставляют попыток перехватить поток наличных денег от теневого банковского дела и управляющих активами, которые обеспечивают наполнение фондов кредитования между физическими лицами, коллекторы таких компаний ожидают, что к концу 2018 года все больше заемщиков будет уклоняться от возвращения кредитов. Поскольку физические лица не отчитываются о своей деятельности, точно определить объем задолженности затруднительно, однако коллекторы оценивают ситуацию как неутешительную.^[26]

2017

Замещение тысяч сотрудников роботами в японских банках

В конце октября 2017 года стало известно о планах ведущих японских банков автоматизировать около 30 тыс. рабочих мест, поскольку, по мнению компаний, традиционная бизнес модель больше не позволяет наращивать прибыль.

Как пишет японское деловое издание Nikkei, Mizuho Financial Group собирается к 2021 финансовому году заменить около 8 тыс. сотрудников на компьютеры, а 2026-му — увеличить этот показатель до 19 тыс.

К масштабной автоматизации готовится еще одна крупная финансовая организация из Японии — Sumitomo Mitsui Financial Group. По ее планам, к 2020 финансовому году роботы будут выполнять задачи, для которых к октябрю 2017-го нужно 4 тыс. человек.

Не отстает от конкурентов и Bank of Tokyo-Mitsubishi UFJ. В планах этой финансовой корпорации значится автоматизации 9500 рабочих позиций к 2023 финансовому году. У многих японских компаний финансовый год завершается в конце марта.

За счет использования вычислительных алгоритмов вместо людей Mizuho Financial Group рассчитывает консолидировать канцелярскую работу, сведя к минимуму количество персонала с дублирующимися функциями.

Также около 100 рутинных рабочих задач возьмет на себя новая роботизированная система обработки, которую Mizuho Financial Group сначала использовала только для ввода данных при открытии инвестиционных счетов на своем веб-сайте.

Впрочем, масштабная цифровизация не предполагает только сокращение штата Mizuho Financial Group. Например, осенью 2017 года около 200 сотрудников бэк-офиса, чьи функции заменили компьютеры, переведены в отделы по работе с клиентами. Кроме того, Mizuho Financial Group намерена увеличить число специалистов по финансовым технологиям.

Sumitomo Mitsui Financial Group планирует перевести в цифровой формат часть сервисов, предоставляемых банковскими отделениями. К октябрю 2017 года компания открыла в Японии девять дата-центров, которые займутся обработкой новых данных.^[27]

ИИ «Робот Вера» для подбора кандидатов на вакансии

ИИ «Робот Вера» — сервис автоматизированного подбора кандидатов на вакансии. Сервис создан на базе технологии машинного обучения, способен «понимать» естественную речь человека и обрабатывать более 10 тыс. звонков одновременно, ускоряя, таким образом, процесс подбора кандидатов. По словам основателя Stafory (Стафори) Владимира Свешникова, весь процесс найма благодаря сервису сокращается до трех часов.

Как искусственный интеллект меняет банки. 6 трендов от Михаила Хасина, старшего управляющего директора Сбербанка

В своем выступлении на TAdviser SummIT 2017 Михаил Хасин, старший управляющий директор блока «Технологии» Сбербанка, рассказал, как искусственный интеллект (ИИ) становится драйвером технологических инноваций в банках. Подробнее здесь.

Исследование R-Style Softlab

Лишь каждый пятый отечественный банк применяет данную технологию, однако абсолютное большинство банков считают ее перспективной. В половине опрошенных организаций готовы перенести платежные операции и информационные сервисы в мессенджеры. В каждом третьем банке готовы доверить чат-ботам функции блокировки платежных карт, в каждом пятом — подтверждение операций. Это данные исследования R-Style Softlab, которое проходило с февраля по апрель 2017 г., в нем приняли участие руководители и специалисты ИТ- и бизнес-подразделений 100 банков России и СНГ, более половины из которых — банки категории топ-100.

Рост числа российских интернет-пользователей, доступность смартфонов и дальнейшее развитие мобильного интернета формируют новые привычки и модели поведения. Пользователи социальных сетей и мобильных приложений все больше ориентируются на получение мгновенного результата и осуществление целевого действия в пару кликов, что во многом объясняет стремительный взлет популярности мессенджеров WhatsApp, Viber и Telegram Мессенджер.

Однако потребность в получении качественных финансовых услуг и персональных консультаций никуда не исчезла: люди по-прежнему звонят в call-центры. Несмотря на развитие систем ДБО, количество обращений по телефону, по словам представителей 30 крупнейших кредитных организаций, за последнее время существенно увеличилось.

Технология чат-ботов позволяет оптимизировать бизнес-процессы и найти разумный компромисс в решении сразу нескольких разноплановых задач: упростить взаимодействие пользователя с банком, повысить уровень сервиса и сократить финансовые затраты на работу call-центра и услуги SMS-оповещения. Имитация диалога происходит в привычной и комфортной для клиента среде чата, при этом он получает выбор услуг, ранее доступных только на сайте или через систему ДБО — все это позволяет сохранить и повысить лояльность.

К сожалению, на данный момент полноценное распознавание текста и обработка произвольных запросов собеседника при помощи технологий искусственного интеллекта не могут быть доведены до приемлемого уровня.

Распространение перспективных, по мнению многих компаний, так называемых интерфейсных ботов, созданных на платформах Telegram и Facebook, не решает вопрос качественной имитации живой беседы и сохранения лояльности клиента. «Разговорные» боты, в первую очередь их примитивные варианты, созданные с развлекательной целью, довольно часто подвергаются критике в связи с ограниченностью тем, по которым они способны вести диалоги.

Поскольку для человека при обсуждении вопросов с банком важно ощущение живого контакта, самым верным направлением видится развитие именно «разговорных» ботов при условии наличия в них широких возможностей языкового анализа. При продуманной реализации их можно назвать «правильными» чат-ботами, способными качественно имитировать человеческую речь.

Такое решение серьезно снизит нагрузку на call-центр, сохранит возможность живого диалога и позволит в сложных случаях перевести разговор на специалиста банка, помогая ему в решении проблемы — активируется функция предложения подсказок оператору из базы шаблонных фраз.

2016: ИИ для подбора сотрудников на Уолл-стрит

7 июня 2016 года агентство Reuters опубликовало статью, посвященную тому, как банки с Уолл-стрит в попытке сократить расходы обращаются к разработчикам ПО, чтобы те помогли с оптимизацией процесса поиска подходящих сотрудников. Ставка делается на искусственный интеллект (ИИ).

Подобные технологии позволяют выявить в соискателях полезные для работодателя качества, в том числе способность работать в команде, целеустремленность, силу воли и другие плюсы, которые не всегда можно обнаружить в резюме или во время собеседования.

Возможность внедрения ИИ в работу рассматривают такие финансовые гиганты, как Goldman Sachs Group, Morgan Stanley, Citigroup и UBS Group. К примеру, Citigroup к началу июня 2016 года тестирует разработанную фирмой Koru Careers технологию для отсева кандидатов. Софт испытывается на небольшой группе сотрудников, работающих в корпоративной и инвестиционной структурах.

Программа определяет «корпоративный отпечаток» бизнеса (совокупность качеств действующих сотрудников, от которых зависят высокие рабочие показатели компании) и оценивает качества кандидатов на основе анализа короткого видеоролика, в котором соискатели рассказывают о своих сильных сторонах и карьерных стремлениях. Система учитывает не только речь говорящего, но способ подачи презентации, включая «язык тела» и темп разговоров. Koru позволяет проводить тестирование через интернет, мобильный телефон или на локальном компьютере в офисе, куда пришел ищущий работу человек.

Пользователи ПО Koru платят разработчикам за составление «корпоративного отпечатка», а также за каждого кандидата, который проходит тестирование. В Koru утверждают, предлагаемое компанией ПО позволяет уменьшить количество неудачных приемов на работу на 60%.

До недавнего времени момента технологии помогали лишь находить лучшее резюме, сейчас же они смогут по-настоящему понимать людей, обратившихся за работой, — отметил Марк Ньюман (Mark Newman), глава компании HireVue, разрабатывающей ИИ-платформу для оценки кандидатов по видеособеседованию при приеме на работу.

В банках надеются, что подобные разработки помогут избавиться от расходов в случае проблемных наймов и улучшить ситуацию на рынке труда. Искусственный интеллект, по мнению финансистов, позволит отбирать сотрудников, способных справиться с той или иной работой, благодаря созданию шаблонов, построенных на анализе больших массивов данных.

Прием на работу плохого сотрудника может дорого обойтись компании — привести к большим финансовым тратам и потере бизнес-возможностей. По оценкам экспертов Capital One Financial, убытки от неудачно нанятого работника могут измеряться тремя зарплатами человека, который бы идеально подошел для этой должности.

Разработчики программного обеспечение для подбора и управления персоналом стремятся избавить своих клиентов от человеческих ошибок, таких как отсев сильных кандидатов, которые на первый взгляд показались слабыми, говорит директор направления по подбору персонала рекрутинговой компании Monster Worldwide Мэтт Дусетт (Matt Doucette).

Лучший продавец — это обычно не тот, кто играет на публику, а тот человек, который скромно сидит в углу, кто избегает внимания и задает правильные вопросы, — сказал Дусетт.

По данным осведомленных источников Reuters, в банке UBS используется компьютерный алгоритм, позволяющий анализировать резюме для поиска кандидатов с нужными параметрами, а также технология отбора сильных кандидатов.

Goldman Sachs Group применяет собственное ПО для поиска в резюме нужных качеств, таких как командная работа, честность и рассудительность. Также компания использует личностные тесты для лучшего понимания качеств наиболее успешных банкиров и трейдеров.^[28]

Искусственный интеллект задействуется не только в американском банковском секторе, но и российском. В начале 2016 года российская компания Krawlly и банк iBank Global представили персонального финансового помощника, способного агрегировать данные из разных банков, производить категоризацию трат и давать персональные советы на основе анализа больших данных. Программное обеспечение, использующее возможности ИИ, помогает предлагать банковским клиентам различные партнерские программы по инвестициям денежных средств.^[29]

Банковская платформа нового поколения

Чат-боты и робоэдвайзинг

Современные чат-боты умеют:

• Информирование об особенностях продуктов и сервисов
• Предоставление контактных данных
• Проведение платежных операций
• Финансовые рекомендации клиенту

• показывать курсы и обменивают валюту
• осуществлять учет личных финансов
• осуществлять перевод с карты на карту
• отправлять заявки на торговый и интернет эквайринг и проверять контрагента по ИНН/ОГРН (ИП)
• отвечать на вопросы пользователя

Robo-Advisers как перспективный пример применения AI

Альтернативой финансовых консультантов по банковским вопросам, конкретным покупкам и другим денежным операциям в режиме онлайн стал робоэдвайзинг.

Робоэдвайзеры дают большие преимущества в сфере онлайн-трейдинга. Прежде всего, это заявки в один клик и открытие счета в реальном времени, мониторинг, актуальные новости и обработка больших объемов сделок сразу. Распространение брокеров в социальных сетях делает инвестиционные знания более доступными и понятными, а общение с клиентом — простым и адресным.

Автоматизация позволяет преподносить информацию в режиме 24/7, при этом снижая издержки процессов. Робоэдвайзеры доступны на десктопе или в формате мобильных приложений, несут в себе функции портфельного управляющего, определяющего риски и оптимальную инвестиционную стратегию.

Индивидуальные предложения и повышение лояльности

• Рекомендации банковских продуктов и покупок (программы лояльности от различных ритейлеров), в том числе с использованием знаний о клиенте из социальных сетей
• Определение B2B связей клиента с последующими рекомендациями новых контрагентов
• Моделирование финансовых рисков для малого бизнеса (дефолт, кассовый разрыв) в режиме реального времени с рекомендациями целевых стратегий и продуктов

IoT (Internet of Things)

• Управление и отслеживание использования лизинговых активов
• «Умное» страхование для розничных клиентов (медицина, автокредитование)
• Smart Home + Daily Shopping: заказ продуктов, оплата коммунальных счетов, подписка на телевизионный контент

Антифрод. Внешние и инсайдерские угрозы

• Признаки использования пластиковой карты клиента третьим лицом
• Признаки т.н. «дропперов» исходя из характера поступлений и операций в Интернет-банке и банкоматах
• Выявление фиктивных зарплатных проектов (кредиты, обналичивание)
• Выявление несанкционированных расходных операций по счетам клиентов и пластиковым картам клиента
• Ошибки в параметризации программ бонусирования по пластиковым картам, которые ведут к «накруткам» и ущербу
• Схемы обналичивания денежных средств, в т.ч. с использованием Интернет-банка и пластиковых карт
• Злоупотребления при проведении конверсионных операций как по физическим, так и юридическим лицам
• Несанкционированное подключение Интернет-банка к счетам клиента и выпуск пластиковых карт без ведома клиента
• Несанкционированное увеличение лимитов по кредитным картам

Операционная эффективность

• Выявление и автоматическая корректировка отклонений в транзакциях
• Natural Language Processing алгоритмы для анализа и генерации исковых заявлений
• Мониторинг и прогнозирование выхода из строя инфраструктуры (банкоматы, IT-ресурсы)
• Оптимизация наличного оборота и остатков в кассах и банкоматах. Оптимизация работы инкассаторских служб
• Оптимизация поиска и найма персонала (анализ резюме и первичный отбор)
• Речевая аналитика в режиме реального времени для колл-центров и отделений (управление качеством консультаций)

Искусственный интеллект в Сбербанке

Основная статья: Искусственный интеллект в Сбербанке

Робототехника