"ика" Банки могут сэкономить миллиарды долларов, используя такие технологии, как автоматизация и искусственный интеллект(ИИ), говорится в исследовании. По оценкам IDC, объем рынка на создание решений с применением ИИ в России вырастет в 2019 году на 48,2% по сравнению с 2018 годом и составит 139,3 млн долларов США (рисунок 3). При этом. Согласно экспертным оценкам, внедрение искусственного интеллекта (ИИ) в банковском деле по всему миру в ближайшие десять лет способно дать экономический эффект в триллион долларов [14]. Чтобы её восстановить, можно задействовать искусственный интеллект в банке. Пройдя машинное обучение, он сможет обрабатывать большое количество информации о клиентах. Потом ИИ проанализирует эти данные и подберёт подходящие клиентам продукты.
Искусственный интеллект и BNPL-сервисы: проанализировали тренды финтеха 2023 года
Экзистенциальным является вопрос: если главной задачей кредитных организаций всегда оставалась работа с риском, а в последнее время — ее автоматизация, то означает ли это, что более эффективный в этой сфере, чем человек, искусственный интеллект ознаменовал конечный формат работы банка? В таком случае лучший ИИ находит и привлекает клиентов в интернете, формирует им оффер на основе предсказанной вероятности дефолта, затем обслуживает их в цифровых каналах с использованием цифровых аватаров. И лишь премиальные клиенты могут встретиться с живым сотрудником банка. Вполне возможно, что именно в финансовой отрасли произойдут масштабные изменения, когда выяснится, что для роста выручки банков придется отказаться от значительной части живых работников интеллектуального труда. Новые конкуренты Однако важнейшим вопросом относительно ИИ является вопрос — как быстро владельцы ИИ смогут изменить существующие бизнес-модели, «оттянув» на себя значимую долю маржи? Сумеют ли создатели ИИ повторить путь Google, META и социальных сетей, переключивших на себя рекламные бюджеты и ставших главным каналом привлечения пользователей? Усиливает вероятность перестройки бизнес-моделей аспект доступности технологий.
Технологически повторить успех компании OpenAI в краткосрочной перспективе практически невозможно, а значит, банкам придется рано или поздно делать выбор между попытками создать собственное аналогичное решение под свои задачи и поиском пути внедрения внешнего решения, подобно тому как все компании в мире начали пользоваться доступными браузерами и почтовыми клиентами, не создавая свои аналоги. Такой вариант развития событий приведет к тому, что новые игроки с помощью продвинутого ИИ преобразуют традиционные бизнес-модели и получат значимую часть маржи банковского сервиса. Что до политической стороны вопроса, то подобные масштабные экономические перемены не происходят бесконтрольно: государство может под воздействием традиционных игроков установить жесткие ограничения на использование ИИ. Важно отметить, что ограничения были введены для всех сотрудников, и неизвестно, был ли запрет связан с каким-либо инцидентом или стал превентивной мерой. Сложно сказать, сколько банков последуют примеру JP Morgan Chase, но перспектива более широкого контроля за использованием стороннего программного обеспечения в такой строго регулируемой отрасли кажется вполне вероятной.
На практике в банковском бизнесе технологии искусственного интеллекта применяются достаточно широко, говорит эксперт: с его помощью автоматизируются процессы фронт-офиса то есть, непосредственное взаимодействие с клиентами и бэк-офиса та часть работы, где сотрудник с клиентами не контактирует ; автоматизация работы подразделений по работе с клиентами; работа вспомогательных подразделений банка; работа по просроченной задолженности, и т. Разные банки с помощью ИИ автоматизировали разные свои процедуры. Например, Сбербанк отдал ему право принимать решение о выдаче кредита физлицам и бизнесу, Росбанк использует его для оцифровки бумажных документов клиента, «Альфа-Банк» использует роботов для обзвона клиентов с небольшими просрочками, «Хоум Кредит» подбирает предложения под конкретного клиента. Однако ИИ можно поручить далеко не все — операции должны быть как минимум более-менее однотипными и формализованными. Другими словами, из беспорядочного набора случайной информации о клиенте ИИ не сможет понять, можно ли ему выдать кредит — информация должна быть структурирована, а максимальное количество ее должно укладываться в какие-то формальные рамки.
Сам же ИИ работает тоже не сам по себе — такие системы предполагают, что их нужно для начала обучить. Как говорит эксперт по алгоритмической торговле Дмитрий Клименко, в банковской сфере как и в других видах деятельности используются алгоритмы машинного обучения. Пока нет однозначного мнения о том, можно ли считать их частью искусственного интеллекта, но цели и методы у них похожи. В сильно упрощенном виде схема с машинным обучением выглядит так: в систему закладываются определенные формальные признаки например, возможные варианты доходов клиента ; дальше проходит множество итераций обучения — системе показывают, какие варианты ответа допустимы, а какие нет. Например, доход не может быть отрицательным, а доходы в миллионы рублей за месяц должны вызывать вопросы. Если клиент получает в месяц 5000 рублей — его рассматривать не стоит, а вот клиента с доходами в 35000 рублей в месяц можно «пропустить» дальше; по итогам обучения система формулирует определенную модель того, как должен выглядеть, например, платежеспособный клиент; в практическом использовании система будет сравнивать данные клиента с той моделью, которую она построила благодаря обучению. На самом же деле все намного сложнее — таких систем «агентов» может быть несколько, они взаимодействуют друг с другом и даже имеют определенную иерархию. Например, в случае с системой по оценке ипотечных заемщиков каждый из агентов оценивает свой «фронт» — платежеспособность заемщика, его будущую квартиру, возможные риски работодателя этого заемщика и другие факторы. В итоге нижестоящие агенты передают свою информацию вышестоящему звену, а уже оно принимает окончательное решение. Что это дает клиентам банков?
Когда Герман Греф начал рассказывать о переходе на искусственный интеллект в Сбербанке, это чаще высмеивали, чем воспринимали всерьез — репутация у банка была такая, что никакой технологический прорыв в нем, казалось, будет уже невозможен. Тем не менее, постепенно проблемы решаются, а банковские системы начинают работать так, как и должны. С точки зрения рядового клиента банка это может быть не так заметно, как изнутри него, тем не менее, влияние современных технологий может ощутить почти каждый. Так, с помощью ИИ российские банки делают следующее: отслеживают подозрительные транзакции. Каждый банк проводит тысячи операций в минуту и проверить каждую вручную физически невозможно. Но за осуществление сомнительных транзакций банк может получить серьезное наказание от Центробанка и Росфинмониторинга. На помощь приходит ИИ — он отслеживает отправителя и получателя перевода, оценивает объем и частоту таких транзакций, сравнивает их с типовыми ситуациями. Когда ИИ видит сомнительные переводы, в дело вступает сотрудник — он уже вручную проверяет операции, при необходимости звонит клиенту и требует пояснений по осуществляемым транзакциям; принимают решение о выдаче кредита или об отказе.
А рост издержек на содержание фронт-офисов может подстегнуть банки к радикальному «уходу в онлайн» а-ля Тинькофф или Revolut: это станет тем более возможно, чем скорее вырастут поколения зумеров и «альф», ладящих с техникой и лояльных к банкам без отделений. В какой вселенной открывали, туда и идите Еще больший толчок дадут метавселенные: в феврале J.
Morgan первым открыл там виртуальное отделение, но, по словам топ-менеджера Accenture Майка Эбботта, такой гонки между банками, как сейчас за освоение метавселенных, не было давно. Очень может быть, что через несколько десятилетий образ среднего банка в среднем городе будет таким: сотни «узлов» и «отделений» в метаприложениях, доступных по клику, пара физических офисов для документооборота и вип-переговоров — и широкая сеть доставки и «сотрудников по вызову» для всех остальных случаев. В рамках уже упомянутого партнерства Deutsche Bank и Nvidia обещают разрабатывать и специальных цифровых аватаров, которые помогут новым клиентам ориентироваться в сервисах банка, — до интеграции этих аватаров с метавселенными остается один шаг. Банки также развивают финансовых советников на базе ИИ: они способны строить тысячи похожих финансовых стратегий, анализируя повседневные траты и доходы клиента. Помогают нейросети и в анализе финансовой активности: к примеру, предупреждают, когда кто-то пытается вывести с вашего счета деньги. Один из первых и самых известных примеров подобного советника — Eno , разработанный банком Capital One еще в 2017 году на базе SMS и поражавший тогда разнообразием функций. ИИ-детективы выходят на охоту Сфера, где нейросети незаменимы, — антифрод борьба с мошенничеством и отмыванием денег. Анализируя данные о миллионах транзакций в секунду, ИИ может засекать подозрительные операции и предотвращать кражу денег со счетов — а иногда и пресекать многомиллионные «серые» схемы. Так, Сбер еще в августе получил два новых патента на распознавание дипфейков, помогающих мошенникам обходить распознавание лиц. Отдельно стоят антифрод-системы для оценки биржевых процессов: в банках часто происходят утечки внутренней информации, на которой можно неплохо заработать на бирже.
Боты-аналитики разновидности TAFS Trading Anti-Fraud Surveillance, антифрод-системы для трейдерских операций отслеживают такие случаи в ретроспективе, чтобы выявлять инсайдеров.
Сложность интерпретации результатов можно отнести к двум группам внутренних факторов: индивидуальным компетенциям и организационным способностям. Последним — в той части, в которой интерпретация результатов определяется способностью банка координировать работу, мотивировать и обеспечить необходимыми ресурсами сотрудников, в том числе степенью освоения организацией соответствующих программных решений. Барьер, связанный с наличием необходимой инфраструктуры, непосредственно относится к материальным ресурсам, в узком понимании — к «железу», и нематериальным ресурсам, в узком понимании — к «софту».
Интересно сопоставить полученные нами оценки относительной важности барьеров с их значимостью в опросах, положенных в основу при разработке исходного перечня. На первом плане в нашем опросе оказались барьеры, связанные с индивидуальными компетенциями, а в широком понимании — с человеческим капиталом. Напротив, первый по рангу в нашем исследовании барьер «недостаточная компетентность сотрудников», хотя и присутствовал среди важнейших в обоих предшествующих опросах, был поставлен и там, и там, только на третье место [4, 9]. Учитывая ограниченный круг экспертов, участвовавших в нашем опросе, мы не претендуем на корректировку относительной важности этого фактора по сравнению с барьерами технического характера, акцентированными в указных опросах.
Вместе с тем это дает материал для размышлений над содержанием и управленческими последствиями этих важнейших барьеров, который мы продолжили при более подробном обсуждении с экспертами в ходе полуструктурированных интервью. Сжатые результаты этих обсуждений представлены ниже. Недостаточная компетентность сотрудников банков проявляется не столько в скорости внедрения элементов ИИ, сколько в воплощении принятой в банке концепции использования элементов ИИ в повседневной деятельности. Эксперты видят преодоление данного барьера в повышении информированности и встраивании ИИ в ежедневный формат работы всех без исключения сотрудников путем практических тренингов, рассылок, тематических семинаров и т.
Такого рода системная работа может способствовать преодолению данного стоп-фактора, однако она невозможна без глубокой вовлеченности руководителей высокого уровня и понимания топ-менеджментом компании сути систем ИИ. В итоге, чтобы повысить понимание людьми ИИ и реализации их потенциала по человеко-машинному взаимодействию сотрудничества с роботами , может потребоваться до 10 лет. По мнению Поповича А. Слово «непрерывное» означает обучение новому, самосовершенствование, постоянное обновление образа мышления в течение всей карьеры.
Интересно, что решение проблемы интерпретации результатов увязывается с внедрением практики использования больших данных. Так, О. Басис — генеральный директор ООО «ВДком-ИТ», отмечает: «Со временем, использование больших объемов данных в реальных бизнес-кейсах приведет к улучшению интерпретации, а также к эволюции моделей обработки данных». Также были высказаны ряд других рекомендаций по преодолению данного барьера: наращивание объема данных, повышение достоверности и достаточности данных, использование данных для развития бизнеса с корректировкой моделей и интерпретаций.
Развитие компетенций и навыков аналитических команд является крайне важным критерием не только для решения вышеуказанной проблемы, но и дальнейшего развития систем ИИ в компании. Преодоление данного фактора как зависящего от развития компетенций и обучения людей может занять до 10 лет. Отсутствие необходимой инфраструктуры — типичная для большинства крупных компаний ситуация, обусловленная отсутствием в прошлом единой стратегии развития ИТ-инфраструктуры, наличия различных платформ и решений, которые ранее были внедрены в компании. Нечаев подчеркивает различия в потенциале участников банковского рынка: «крупные банки обладают всем набором ресурсов и могут их максимально эффективно использовать с учетом имеющегося у них объемов данных.
Для остальных банков в настоящий момент, помимо ограниченности ресурсов, также есть и ограничение в виде количества данных и, соответственно, достоверности моделей ИИ. Поэтому для таких банков необходимо создание профильного сообщества для совместного использования данных и необходимых ресурсов». Этот комплексный фактор большинство экспертов рассматривают в неразрывной связи со следующим за ним по важности барьером — разрозненностью данных информационных систем.
Российские банки будут использовать искусственный интеллект без лишнего регулирования
Обработка больших объемов данных: В сфере финансовой аналитики в России, особенно в банковском секторе, собирается огромное количество данных о клиентах и транзакциях. ИИ и технологии анализа больших данных позволяют эффективно обрабатывать эту информацию. С одной стороны, проникновение продвинутой аналитики во все сферы деятельности банка означает высокую зависимость от искусственного интеллекта. С другой стороны, как было сказано выше, ИИ — это не более чем инструмент. Сложный и специализированный. Искусственный интеллект выявляет нужды и желания клиента, он может выделить закономерности и взаимосвязи, незаметные для человека, он постоянно на связи для того, чтобы облегчить работу сотрудникам банка и улучшить опыт взаимодействия со стороны клиента. Искусственный интеллект и банки Где в банковском деле можно применять ИИ? В статье рассматривается роль искусственного интеллекта в банковской сфере и возможность его применения в различных аспектах деятельности банка. Искусственный интеллект в банковской сфере может стать следующим важным отличительным фактором. Успех требует целостной трансформации, охватывающей несколько уровней организации.
Не только для чат-ботов: банки нашли применение искусственному интеллекту
Наибольшего финансового эффекта от технологий ИИ российские банки ждут в таких сфе-рах, как выявление мошеннических транзакций, взыскание задолженности и кредитный скоринг, – именно их банки чаще всего включали в тройку самых перспективных. Статья Искусственный интеллект в банках, 2024 Зачем банки тратят миллиарды долларов на генеративный ИИ, В Китае запущена система определения местоположения должников Она создавалась при участии российских ученых, Названы 10 ИИ-трендов, меняющих банковский. Наибольшего финансового эффекта от технологий ИИ российские банки ждут в таких сфе-рах, как выявление мошеннических транзакций, взыскание задолженности и кредитный скоринг, – именно их банки чаще всего включали в тройку самых перспективных. Одним из важных направлений цифровизации банковской сферы, позволяющим снижать издержки и увеличивать доходность, является внедрение методов искусственного интеллекта (ИИ) и использования больших данных в операционной деятельности. Статья Искусственный интеллект в банках, 2024 Зачем банки тратят миллиарды долларов на генеративный ИИ, В Китае запущена система определения местоположения должников Она создавалась при участии российских ученых, Названы 10 ИИ-трендов, меняющих банковский. По сути, графовые нейросети — это способ применения классических моделей нейронных сетей к данным в виде графов. «Хоум Кредит Банк» реализовал свой вариант гибридного ИИ в сфере розничного кредитования и смог в результате добиться оптимизации кредитного решения.
Куда стремится «умное» стадо? Количество переходит в качество. Обзор сфер применения ИИ в банках
Человеку это дает возможность самому заполнять медкарту, превращая ее в свой медицинский дневник. Городу же это позволило внедрять технологии, когда с помощью искусственного интеллекта начал ставиться сначала предварительный диагноз - таких диагнозов поставлено уже около 10 млн. Он считает, что на такую систему в течение года перейдут все врачи общей практики. Но это вовсе не означает, что врач вообще устраняется, пояснил Собянин. Но связано это, по его мнению, не столько с механизмом принятия решения, сколько с недостоверностью данных в карте. Чем больше правильных сведений будет накапливаться, тем более точным будет становиться диагноз, так как одновременно происходит и обучение машины. В перспективе же, уверен мэр, у каждого человека появится цифровой двойник, с помощью которого можно будет диагностировать болезни не по их обострению, а прогнозировать их развитие на основе имеющихся данных и понимания всех медицинских процессов. Здравоохранение является той сферой, где искусственный интеллект наиболее востребован Новый этап развития цифровых технологий, по словам мэра, начался в Москве и в управлении городом.
В частности, если в градостроительстве еще недавно BIM-технологии применялись в проектировании отдельных зданий, то сейчас настало время использовать искусственный интеллект в развитии крупных городских анклавов. Отдельных райнов, девелоперских проектов, где будут увязаны системы образования, здравоохранения, спорта, транспорта, подключение к недвижимости всех необходимых сетей. Такой подход тоже близок. Самый же большой информационный поток наблюдается, по словам мэра, в сфере образования, где искусственный интеллект лежит в основе создания "Московской электронной школы". Он уже существенно облегчил жизнь и учителей, и учащихся, внеся в их жизнь электронные дневники, журналы, тематическую подгрузку заданий, многие вещи, связанные с проверочными работами. А в области безопасности искусственный интеллект помог снизить в разы грабежи квартир и угон машин, кратно уменьшил аварийность и смертность на дорогах. Надо бояться внешних вызовов.
Ракеты, которые сегодня летят на нас и убивают, уже работают отчасти с его помощью. Это такой же вызов, с которым встретились предыдущие поколения, вкладывая огромные национальные ресурсы в системы ядерной и термоядерной безопасности страны. И наша выживаемость сегодня во многом зависит от того, насколько мы конкурентоспособны в мире в развитии искусственного интеллекта и всех новых технологий", - отметил Собянин.
Генеративные нейросети способны в рекордно сжатые сроки создавать персонализированный контент для каждого клиента, тем самым снимая значительную нагрузку с консультантов и специалистов. В свою очередь, встроенные финансы, BNPL и новые платежные инструменты неминуемо будут менять потребительские предпочтения, смещая и дальше акцент на скорость, простоту и удобство проведения транзакций и совершения покупок.
Это несомненно будет способствовать дальнейшему развитию финансовой отрасли в России. Елена Батурова, директор Центра развития финансовых технологий Россельхозбанка Ознакомиться подробнее с мировыми финансовыми трендами и другими аналитическими материалами по теме инноваций можно на платформе «РСХБ в цифре».
При этом финансовые продукты технически совершеннее тех, что предлагают банки. Они не считаются финансовыми компаниями, финтехами или цифровыми банками, потому что работают без поддержки традиционных банков, их основная деятельность не связана с финансами. Хоть ИИ давно существует как технология, он становится чаще необходим любым компаниям, которые обращают внимание на активно развивающиеся направления: умную автоматизацию, машинное обучение, робототехнику, аналитику.
Естественно, поставщики финансовых услуг прилагают усилия, чтобы внедрить многое из этого ради автоматизации постоянных задач, последовательного обслуживания клиентов, глубокого анализа поведения, эффективного поиска мошенничества. Польза искусственного интеллекта в сфере финансов Сильная конкуренция на рынке и новые требования клиентов привели к тому, что продвинутые финансовые компании доверились искусственному интеллекту. И он оказался надёжным помощником, позволяющим опережать конкурентов и оказывать клиентам персонализированный сервис по сниженной стоимости. Вот каким учреждениям технология помогает модернизировать старые услуги или предоставить новые: В банках ИИ повышает качество сервиса, обслуживая клиентов в режиме реального времени. Здесь чат-боты, голосовые и виртуальные помощники задействуются не только для информирования, но и для денежных операций. В кредитных компаниях он легко идентифицирует личности, оценивает кредитоспособность, выявляет мошенников.
В страховых компаниях он автоматизирует заявки по страховым случаям, определяет риски, обнаруживает мошенничество со страховками. Финтех-стартапам разработки на основе ИИ помогают конкурировать с перечисленными типами организаций или же наладить с ними сотрудничество через B2B. А в B2C появляются посредники, зарабатывающие на формировании комплексных услуг из множества мелких, предоставляемых разными компаниями. Помимо решения задач в финансах, ИИ способен наладить любые бизнес-процессы на бесперебойную работу. Например, автоматизировать внутренние процедуры, уменьшить время обработки неструктурированных и больших данных, снизить повторные расходы, составлять отчёты. ИИ быстро обретает знания и самообучается, улучшая взаимодействие человека с машиной.
Искусственный интеллект как финансовая технология Финансовые компании первыми стали использовать мейнфреймы и реляционные базы данных. Они с нетерпением ждали следующего уровня вычислительной мощности. Гонка вычислений в последние 20 лет снова произвела революцию.
Компания Програмбанк была создана в 1989 году и с тех пор является одним из лидеров на рынке банковского программного обеспечения России. С недавних пор, благодаря стараниям Банка России, у Програмбанка прибавилось работы: теперь среди клиентов компании присутствуют также страховые и микрофинансовые организации.
Перед тем, как приступить к основной теме встречи, вместе с Директором по Маркетингу Виталием Заниным мы прошлись по офисам компании. Именно здесь разрабатывается программное обеспечение, с помощью которого происходит управление банковскими а теперь еще и страховыми процессами. Это те самые специалисты, которые дают нам возможность расплачиваться карточками в магазинах, брать кредиты, открывать депозиты, пользоваться банкоматами и т. К счастью, здесь нет системы open space, которую так любят западные компании. Это только кажется, что когда все на виду, и когда сотрудники совершенно разных подразделений сидят рядом друг с другом в одной большой комнате, они лучше работают.
По крайней мере, так заявляют руководители компаний, у кого сотрудники работают в таких условиях. На самом деле — открою тайну — это просто банальная экономия на аренде помещений. Здесь приятно даже пройтись по коридорам, можно посмотреть выставку фоторабот сотрудников компании, а также коллажи и детские рисунки. Что такое искусственный интеллект А теперь — переходим к самому главному — к Искусственному Интеллекту! Сначала определение: Искусственный Интеллект — свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека.
Как внедрять Искусственный Интеллект в банковской сфере Чтобы понять, как внедрять Искусственный Интеллект в банковской сфере, для начала надо ответить на вопрос — зачем? И только потом переходить к вопросу — как? Это не потому, что внедрять его незачем. Конечно, есть зачем. Но в зависимости от цели внедрения очень многое меняется в представлении — как его внедрять?
Теперь попробуем во всем этом разобраться. Начнем с истории. Основная функция банков Банки, в том виде, как они были созданы, имеют своей основной функцией — работу с деньгами. Искусственный Интеллект — это своеобразная техника работы с идеальными объектами — с образами субъективной реальности. Деньги, если верить Марксу, объект абсолютно идеальный.
Поэтому сразу же напрашивается вывод — Искусственный Интеллект и деньги должны быть вместе «близнецы-братья», но это уже из другого классика. Главная функция банков изначальная — двигать деньги и их хранить. Сегодня это делает кто угодно и помимо банков. Вопрос в масштабах. В микромасштабах это делают сотовые операторы.
И хранят деньги, и переводят их, и в даже кредиты дают. Это означает, что для того чтобы совершать основные банковские операции, никакого Искусственного Интеллекта не надо, это полностью алгоритмизируемая деятельность.
Машинное обучение в банковской сфере — Возможности, риски, варианты использования
Безусловными лидерами в сфере ИИ в России и в мире являются финтех-компании. По данным McKinsey & Co, в 2020 году 60% организаций из этой отрасли использовали ИИ. Мы провели анализ мировых финтех трендов и выявили наиболее популярные решения за этот период. Генеративный ИИ в виде чат-бота ChatGPT нашел применение в банковской сфере в конце 2022 года. Электронные друзья: как роботы с ИИ покоряют рынок детских игрушек |. В рамках данной работы будет рассмотрено применение ИИ в банковской сфере, момент по количеству заявленных технологий. В Почта Банке корреспонденту ComNews рассказали, что обладают большим опытом в сфере ИИ. Организация использует биометрические технологии для идентификации сотрудников и клиентов (в том числе в рамках Единой биометрической системы). Искусственный интеллект в банковской сфере может стать следующим важным отличительным фактором. Успех требует целостной трансформации, охватывающей несколько уровней организации.
Искусственн
Чем ИИ может быть полезен в сфере финансов, какие существуют риски его применения, как регулируют ИИ в мировой практике и какой подход может быть использован для российского финансового рынка — эти и другие вопросы Банк России поднимает в консультативном. Искусственный интеллект в банковской сфере может стать следующим важным отличительным фактором. Успех требует целостной трансформации, охватывающей несколько уровней организации. Проведение периодических проверок и онлайн мониторинга. Когда приложения ИИ разработаны третьими лицами, следует проводить надлежащую проверку этих лиц, а также проводить периодические проверки для управления рисками в сфере FinTech в Гонконге. Искусственный интеллект выявляет нужды и желания клиента, он может выделить закономерности и взаимосвязи, незаметные для человека, он постоянно на связи для того, чтобы облегчить работу сотрудникам банка и улучшить опыт взаимодействия со стороны клиента. В отчете также детально рассмотрена конкурентная среда, изучение которой основано на обширной оценке ключевых стратегических разработок, принятых ведущими игроками рынка ИИ в сфере информационной безопасности за последние несколько лет.
4 лучших практики применения машинного обучения в банковском секторе
Но каковы основные преимущества машинного обучения в банковской сфере? На этот вопрос есть множество вариантов ответов, и, что еще интереснее, количество ответов будет увеличиваться по мере появления на рынке новейших технологических решений. Вот попытка выделить наиболее важные из них: Большая автоматизация и повышенная производительность Искусственный интеллект и машинное обучение могут легко справляться с рутинными задачами, предоставляя менеджерам больше времени для работы над более сложными задачами, чем на монотонной бумажной работе. Автоматизация всей организации в конечном итоге приведет к увеличению прибыли. Индивидуальное обслуживание клиентов Автоматизированные решения с возможностями работы с большими данными могут отслеживать и хранить столько информации о клиентах банка, сколько необходимо, обеспечивая наиболее точный и персонализированный клиентский опыт.
Вторая модель — гибридный подход, то есть сочетание инструментов жесткого регулирования, мягкого регулирования и саморегулирования на основе риск-ориентированных принципов Китай, Канада, США. Третья модель — стимулирующий подход с применением инструментов мягкого регулирования саморегулирование, этические принципы и полное отсутствие ограничительных мер в отношении ИИ Великобритания и Сингапур. Регулятор в части развития технологии в РФ считает целесообразным поддержать создание условий, направленных на стимулирование развития ИИ на финансовом рынке с учетом риск-ориентированного принципа регулирования. То есть, ЦБ на данный момент не видит необходимости в оперативной разработке отдельного регулирования использования технологии финансовыми организациями, но не исключает внедрение специальных требований в отдельных случаях, после проведения консультаций с участниками рынка. ЦБ выделил два законопроекта, которые уже находятся на рассмотрении в Госдуме и которые на данном этапе могут помочь в регулировании ИИ.
За последние восемь лет Сбербанк прошел путь от уровня точечных ИИ-проектов до уровня ИИ для принятия решений, рассказал он. Сейчас ИИ участвует в принятии ключевых решений, которые раньше в банке принимал человек: какой продукт предложить конкретному клиенту, как выстроить оптимальный маршрут для инкассации, что ответить клиенту в чат-боте или колл-центре, какое количество сотрудников должно быть в определенном отделении банка во второй половине дня в пятницу и т. Также Сбербанк активно использует ИИ в корпоративном кредитовании с 2018 г. При кредитовании клиентов-юрлиц и индивидуальных предпринимателей ИИ помогает структурировать кредитную сделку, проанализировать риски и проверить деловую репутацию клиента, а также принять итоговое решение, пояснил банкир. Он также отметил, что уровень качества такого кредитного портфеля выше, чем у аналогичного «ручного» портфеля.
Но к такому наука пока еще не пришла — хотя активно двигается к этому и, по разным оценкам, достигнет цели примерно через 30—40 лет. Как раз он и применяется сегодня в различных задачах», — пояснил Адель Валиуллин. В данном случае речь идет о технологиях, с помощью которых компании решают отдельные задачи в узкой области. И когда сегодня специалисты произносят фразу «искусственный интеллект», на самом деле они говорят именно о специализированном ИИ. Здравствуйте, вам одобрен кредит Как уже говорилось, банки, и в частности Газпромбанк, активно развивают и применяют технологии искусственного интеллекта в различных направлениях бизнеса. Одна из главных и сложных задач — управление рисками. Кредитные скоринговые системы, или системы оценки кредитоспособности, стали одним из ключевых инструментов для управления риском в банковской сфере. Посмотрим, как работает скоринг с использованием ИИ в розничном банкинге: 1 клиент заполняет заявку на один из кредитных продуктов потребительский кредит, кредитная карта, автокредит или ипотека ; 2 данные клиента обогащаются различными источниками кредитной историей, трансакционной активностью, активностью по банковским продуктам и др. Как уже говорилось, банки, и в частности Газпромбанк, активно развивают и применяют технологии искусственного интеллекта в различных направлениях бизнеса. Универсальной системы кредитного скоринга нет, каждый банк самостоятельно создает ИИ-модели для выполнения этой задачи. Для обучения необходим тренировочный набор данных, например исторические данные по кредитам, которые выдавал банк в последние несколько лет, и выплаты или просрочки по ним. При обучении на сотнях тысяч исторических заявок ИИ-модель выявляет различные линейные и более сложные, нелинейные закономерности в данных, что позволяет с высокой точностью предсказывать вероятность дефолта по новым заявкам. Чем точнее полученная модель, тем качественнее происходит разделение «хороших» и «плохих» заявок. И это позволяет банку выдавать больше кредитов при оптимальном уровне риска, что приносит дополнительную прибыль.
Материалы по теме
- Компания Програмбанк
- Российские банки будут использовать искусственный интеллект без лишнего регулирования
- Использование искусственного интеллекта в банках
- Искусственный интеллект и BNPL-сервисы: проанализировали тренды финтеха 2023 года
- Новое электричество — не игрушка
Как мобильный банкинг с поддержкой искусственного интеллекта улучшает финансовую сферу
"ика" Банки могут сэкономить миллиарды долларов, используя такие технологии, как автоматизация и искусственный интеллект(ИИ), говорится в исследовании. В бэк-офисах ИИ отвечает за оценку платежеспособности (так, решения о выдаче 90% потребительских кредитов и 100% кредитных карт Сбера еще три года назад выдавал искусственный интеллект). что страны могут делать акценты на различных инструментах регулирования в отношении ИИ, а подходы к регулированию ИИ варьируются в различных юрисдикциях. При этом речь в основном идет о подходах к ИИ в целом, а не отдельно – на финансовом рынке.
Банки распробовали ИИ
Автоматизация всей организации в конечном итоге приведет к увеличению прибыли. Индивидуальное обслуживание клиентов Автоматизированные решения с возможностями работы с большими данными могут отслеживать и хранить столько информации о клиентах банка, сколько необходимо, обеспечивая наиболее точный и персонализированный клиентский опыт. Оптимизация клиентского следа позволяет банкам использовать аналитические возможности искусственного интеллекта и машинного обучения для выявления даже самых незаметных тенденций в поведении клиентов, что помогает создать более персонализированный опыт для каждого отдельного клиента. Более точная оценка рисков Наличие точного цифрового следа каждого клиента также может помочь банкам снизить неопределенность для менеджеров, работающих с отдельными клиентами. Автоматизированная система более точна, чем человек, в таких областях, как анализ андеррайтинга кредита, исключая любую возможную человеческую предвзятость.
С учетом все возрастающей роли экосистем в экономике России и в целом общемирового тренда на переход к платформенной экономике данные стремления регулятора являются очень актуальными, призванными обеспечить сохранение набранных хороших темпов по внедрению инноваций в финансовую сферу. Искусственный интеллект в банковских операциях Одним из важных направлений цифровизации банковской сферы, позволяющим снижать издержки и увеличивать доходность, является внедрение методов искусственного интеллекта ИИ и использования больших данных в операционной деятельности. Крупные розничные банки сегодня уже сложно отличить от IT-фирм, примерно каждый пятый сотрудник в них является IT-специалистом либо «цифровым талантом», постановщиком задач для IT [3], а среди основных игроков отрасли практически не осталось банков, не использующих методы искусственного интеллекта см.
Как и большинство крупных современных розничных компаний, обладающих обширной клиентской базой, банки сегодня используют методы искусственного интеллекта и больших данных в маркетинге, в обработке персональных и биометрических данных клиентов, в работе с потребителями своих услуг: выявляют и предугадывают их потребности, оказывают поддержку пользователям посредством чат-ботов и голосовых помощников и т. Однако специфика банковской деятельности открывает и дополнительные возможности для внедрения ИИ, не характерные для других компаний: идентификация клиентов. Банки в своей деятельности должны не просто установить паспортные данные клиента, что большинство из них уже делает для ускорения процесса также путем компьютерного распознавания изображений, но и удостовериться в том, что клиент не состоит в многочисленных списках лиц, обслуживание которых запрещено либо требует дополнительной отчетности. Цена ошибки здесь очень велика, и отсутствие автоматизации этих процессов грозит серьезными последствиями для банков в случае нарушения данных ограничений — вплоть до приостановления лицензии; борьба с мошенническими операциями антифрод-системы. В такой области как операции с платежными банковскими картами, необходимо в режиме реального времени обрабатывать транзакции клиентов и, с одной стороны, вовремя пресекать подозрительные, не характерные для данного клиента операции во избежание хищения денежных средств с платежных карт, а, с другой, не препятствовать обычным операциям, авторизованным самими клиентами во избежание недовольства скоростью обработки операций. Эффективно реализовать подобную систему возможно посредством самообучающихся компьютерных алгоритмов анализа больших данных клиентских операций; соблюдение законодательства о противодействии отмыванию доходов и финансированию терроризма, выявление сомнительных операций. Осуществление данного анализа в ручном режиме становится долгим, дорогим и в целом практически невыполнимым без использования методов ИИ; определение кредитного риска по клиенту.
Конкурентная борьба сегодня требует от розничных банков производить хотя бы первичный скоринг по заемщику в течение короткого периода времени, обычно составляющего около 15 минут, в противном случае придирчивый клиент, не дождавшись ответа, обратится за кредитом, возьмет кредитную карту в другом банке. Данную задачу нереально решать при отсутствии автоматизации процесса скоринга; создание индивидуальных консультаций для клиентов на инвестиционном рынке. Автоматические инвестиционные консультанты, учитывающие индивидуальные предпочтения клиента, его аппетит к риску и способные предложить ему оптимальную структуру инвестиционного портфеля, сегодня стали правилом хорошего тона, а их отсутствие в инвестиционном банке является существенным конкурентным недостатком. Многие банки пошли дальше общепринятых в отрасли областей применения ИИ и стремятся автоматизировать компьютерными методами большинство рутинных операций, которые ранее выполнялись людьми. Автоматизация банковских процессов сегодня не является просто прихотью акционера или данью моде, ее внедрение продиктовано помимо нарастающей конкуренции со стороны финтехов и бигтехов еще и постоянным усложнением регулирующего законодательства, усилением контроля со стороны государства за законностью проводимых операций, ростом числа императивных отчетов. Так, количество обязательных сообщений в финансовый мониторинг в 2021 году по сравнению с 2020 годом вы-росло почти в четыре раза, что приводит к необходимости пропорционально увеличивать штат соответствующих специалистов, множа издержки, либо внедрять ИИ в помощь существующим сотрудникам для автоматизации процесса анализа операций и формирования обязательных сообщений и отчетов, на что было указано на сессии ПМЭФ-2022 «Будущее банков: трансформация бизнес-возможностей» [3]. Таким образом, внедрение методов искусственного интеллекта в операционную деятельность банков позволяет не только точнее соблюдать все многочисленные требования регуляторов, имеющих тенденцию к усложнению, снижая операционные риски, но и существенно экономить на издержках и увеличивать доходы.
В Сбербанке оценили финансовый эффект от использования ИИ в организации в 2021 году в 205 млрд руб. А планируемый эффект в 2022 году должен возрасти до 230-250 млрд руб. При этом в компании более половины клиентских процессов уже проходят с использованием методов искусственного интеллекта.
Технологии генеративного искусственного интеллекта, новые платежные инструменты, встроенные финансы и BNPL-сервисы стали лидерами развития инновационных решений. Мы провели анализ мировых финтех трендов и выявили наиболее популярные решения за этот период. Данная технология помогает сотрудникам финансовых институтов повышать продуктивность работы за счет сокращения времени коммуникации с клиентами, которые теперь могут получить оперативную консультацию от чат-бота прямо в приложении банка или во время звонка в контакт-центры. Другими сферами использования генеративного ИИ стали анализ и прогнозирование, а также автоматизация существующих операционных процессов. Новый платежный инструментарий стикеры, QR-коды, биометрия, мобильные приложения гарантирует улучшенную безопасность при совершении транзакцийи обеспечивает повышенный уровень удобства во время проведения необходимых финансовых операций.
Для клиентов, которым надоело долгое ожидание и переход от одного оператора колл-центра к другому, чат-боты предлагают гораздо лучший клиентский опыт. И плюсы здесь не только для клиентов: страховые компании тратят много денег на персонал, занимающийся урегулированием претензий. Используя ИИ, страховщик может сократить расходы и ускорить процесс обработки. Благодаря этому компании могут формировать положительные эмоции у клиентов и повышать прибыль. Управление рисками с комплексным анализом данных Помимо обработки претензий, ИИ способен даже на такие сложные манипуляции, как анализ рисков в финансовой среде. Способность искусственного интеллекта в финансах анализировать большие объемы структурированных и неструктурированных данных может улучшить возможности управления рисками и соответствия требованиям. Таким образом, риск-менеджеры в финансовых учреждениях могут более эффективно и своевременно выявлять риски для принятия более обоснованных решений. Антифрод Потребителям нужны гарантии того, что их деньги и личная информация будут храниться в безопасности, и искусственный интеллект может помочь в этом.
Роботизация позволяет компаниям заранее предотвращать мошенничество и помогает повышать безопасность, изучая и определяя обычные закономерности и тенденции данных, а также предупреждая агентов о любых аномалиях или подозрительных действиях. При подозрении на мошенничество модели ИИ можно использовать для отклонения или пометки транзакций для дальнейшего расследования. В TalkBank, например, развивается поведенческая система антифрод, чтобы анализировать, как человек общается с чат-ботом. Это позволяет понимать — операцию совершает клиент или злоумышленник получил доступ к аккаунту клиента. Система может такие операции ограничивать либо полностью блокировать, запрашивая дополнительную информацию у клиента либо отправляя в отделение банка-партнера. Также в TalkBank применяются классические антифрод-решения, размещенные на стороне банка-партнера. Они учитывают характер транзакции и в совокупности дают более защищенный опыт клиенту, чем в классических банках. И это тоже плюс в копилку искусственного интеллекта — он забирает на себя рутинные задачи, такие как вход в приложения и системы, перемещение файлов и папок, извлечение, копирование и вставка данных и так далее.
В таких условиях люди могут сосредоточиться на более важных задачах. Предприятия также получают импульс: более высокая производительность, эффективность бизнеса, устойчивость и сокращение расходов за счет автоматизации. И это приводит к возможности масштабирования бизнеса.