Цифровая трансформация в банках как неизбежность и искусственный интеллект как средство развития банкинга

BIS Journal №4(39)/2020

14 декабря, 2020

Цифровая трансформация в банках как неизбежность и искусственный интеллект как средство развития банкинга

Бизнес банков и клиентское обслуживание перемещаются из офисов и операционных касс в так называемое цифровое пространство. Появляются online-банки, функционирующие без офисов.

При этом постоянно увеличивается потребность клиентов в цифровых финансовых сервисах, в том числе предоставляемых через интернет и мобильные приложения и позволяющих экономить значительные объёмы времени и денежных средств. Возрастают требования клиентов не только к перечню, но и к качеству банковских сервисов. Теперь уже банкам для поддержания своей конкурентоспособности нужно формировать индивидуальные предложения для каждого клиента.

И, как следствие, приходит осознанная банками необходимость трансформации своих бизнес-моделей и информационной архитектуры.

 

ОТ ДОКУМЕНТОЦЕНТРИЧНОСТИ К ДАТА-ЦЕНТРИЧНОСТИ

Трансформация бизнес-моделей – это в первую очередь предоставление финансовой услуги не в офисах банка, а там и тогда, где и когда такая услуга востребована клиентом.  Это может быть как чисто финансовая услуга (например, банковский перевод), так и часть комплексной услуги (например, покупка автомобиля за счёт кредита или оплата ЖКХ).

Суть же цифровой трансформации – это переход от документоцентричности деятельности к дата-центричности.

Сейчас большинство банков ориентированы на финансовые документы (платёжные поручения, кредитные договоры, гарантии  и др.).

Основной актив цифровой организации – это её данные. Дата-центричность предполагает учёт не только цифр (счетов, проводок, документов), но также их семантического смысла, т. е.  должно быть единство формы и содержания.

 

В ЦЕНТРЕ – КЛИЕНТ!

Именно такой подход позволяет сделать клиента центром банковской деятельности, привязать к нему не только историю использования клиентом предоставляемых банком услуг, но и прогнозировать его поведение, выявлять клиентские потребности и предпочтения, вырабатывать рекомендации для принятия оптимальных решений со стороны клиента.

В части организационной культуры при цифровой трансформации необходим переход от функциональных исторически сложившихся подразделений к кросс-командам, объединяющим бизнес, ИТ и маркетинг.

Банки должны приспосабливаться к изменениям внешней среды, вливаясь в так называемые финансовые экосистемы – динамичные и совместно развивающиеся сообщества, состоящие из разнообразных субъектов, создающих и получающих новое содержание в процессе как взаимодействия, так и конкуренции.

Но главное – банки должны сделать своих клиентов частью этой экосистемы.

 

ИИ КАК ДВИГАТЕЛЬ РАЗВИТИЯ

Для реализации сказанного выше необходима цифровая финансовая платформа, предусматривающая повсеместное внедрение основных трендов развития информационных технологий. И главным как средство развития и наиболее передовая составляющая часть цифровой трансформации, конечно же, является искусственный интеллект (ИИ).

По ИИ написано достаточно много работ. В качестве свидетельства его противоречивости можно привести пример технологии IBM Project Debater, которая может участвовать в качестве ИИ в различных дискуссиях. По этой технологии был создан проект, в который было занесено порядка тысячи рефератов и научных статей студентов и молодых учёных. С одной стороны, результат показал, что ИИ не способен принимать моральные решения, потому что мораль – уникальная способность и черта человека. Поэтому если ИИ применять широко, то он может быть опасен. Но, с другой стороны, он может взять на себя часть рутинных функций и дать людям больше свободного времени. ИИ спорит как бы сам с собой.

 

ДВА ПОДХОДА И БОЛЕЕ

Существуют два подхода к развитию ИИ. Первый, традиционный – это повтор человеческих возможностей. Второй – это создание оригинального машинного ИИ.

При традиционном подходе необходимо переложить способности человека в программный код. Здесь главной задачей является распознавание и обработка графических и звуковых образов, так как основную массу информации о внешнем мире человек получает через зрение и слух. Реализуя традиционный подход, освобождаем человека от рутинных действий – для творчества и аналитики. Главное в этом подходе – не написание алгоритмов, а умение увидеть и правильно поставить прикладную задачу.

Второй подход – инновационный. Он более рискованный. Это когда роботы с ИИ начнут на определённом этапе самостоятельно обучаться и обучать себе подобных. И в этом случае человек становится лишним звеном в цепочке эволюции? Не хотелось бы…

На стыке обоих подходов можно говорить о создании универсального ИИ, правда, с большой оговоркой. Он должен решать широкий круг задач, но функционировать только в закрытых средах, где существуют определённые правила поведения и конечный набор состояний. То есть универсальный ИИ может измеряться не способностью достигать сложных целей в широком диапазоне изменчивости внешней среды, а эффективностью приобретения навыков.

Также можно говорить об узком ИИ, который применяется для узких прикладных задач. Чем уже эта задача, тем более эффективными могут быть ИИ-решения. Например, распознавание документов – это узкий ИИ.

Основные алгоритмы распознавания визуальных образов и обучения машин были придуманы ещё лет 50-70 назад. Но эти адаптивные алгоритмы нужно было хорошо «обучать» не только на больших выборках, но и быстро. Однако вычислительных мощностей того времени для этого не хватало.

Сейчас эти алгоритмы вполне реализуемы и востребованы.

 

 

ПРИМЕРЫ РОБОТИЗАЦИИ

Внедрение элементов ИИ в повседневную жизнь происходит не так быстро, как того хотелось бы. Но это болевая точка любой молодой технологии, любого революционного новшества. Однако, даже невзирая на новизну применяемых алгоритмов, программы уже способны воспроизвести множество функций, которые ранее выполняли люди.

Например, роботизация коснулась самых обыденных операций в работе финансовых организаций, а именно тех, которые требуют больших временных затрат, но просты по сути и дают на выходе небольшую добавленную стоимость. Приведём несколько примеров:

  1. При анализе кредитозаёмщика необходимо автоматически проанализировать его социальный интернет-профиль, получить информацию из государственных организаций, проверить документы на их действительность. Затем – собрать всю информацию о заёмщике воедино и проранжировать его по доходности, надёжности, риску. Это уже могут делать программные роботы.
  2. Обработка потоков бумажных документов: счёта-фактуры, акта выполненных работ, акта сверки, товарных накладных, универсальных передаточных документов. Эту «бумагу» необходимо отсканировать, распознать, разнести по учётным регистрам, сделкам и договорам. Это также уже умеют делать роботы, не те же самые, а другие – программные роботы всегда имеют узкую специальность. При этом участие человека ограничивается исключительно только теми документами, которые робот не распознал или в которых робот «сомневается».
  3. Большинство российских банков уже задумываются о перспективах замены живых операторов клиентской поддержки чат-ботами. Роботы становятся незаменимыми там, где нужно проинформировать клиента о продуктовой линейке или помочь корректно заполнить реквизиты, сориентироваться в навигации по сайту или предупредить о сроках платежа.
  4. Если речь идёт о внутренних бизнес-процессах в банке: чаще всего это касается доработки потока бумажных документов, выгрузки выписок, переноса данных из одной системы в другую и пр.
  5. Параллельно активное применение получают программы, позволяющие оценивать качество общения с клиентом. Роботы научились реагировать не только на определённые ключевые слова, но и в целом анализировать (по целому ряду параметров) поведение сотрудников при беседе с клиентом. Ну а отслеживание удовлетворённости клиента конкретной услугой было едва ли не первым направлением роботизации, причём не только и не столько в финансовой сфере.

 

РОБОТЫ-КОЛЛЕКТОРЫ

В качестве ещё одного примера из перспективных направлений внедрения роботизации, имеющего и большую социальную значимость, приведём общение с должниками.

Для этого банки разрабатывают специальные программы — роботов-коллекторов.

В чём преимущества роботизации при работе с должниками? Они лежат на поверхности: деятельность коллекторов — один из наиболее чувствительных в социальном плане сегмент финансового рынка.

Достаточно вспомнить, сколько внимания и СМИ, и чиновники всех ветвей власти уделяли проблеме общения коллекторов с должниками, сколько жалоб на действия коллекторов поступало от граждан. Сегодня, после того как профильный закон чётко определил границы дозволенного в общении с должниками, процедуру взыскания долга удалось описать машинным языком, задав строгие скрипты общения с гражданами. И эти программы не просто робот-магнитофон, способный позвонить должнику и выдать стандартный набор шаблонных фраз. ИИ выбирает следующую фразу на основе анализа полученного от собеседника ответа, анализирует эмоции абонента, однако сам не подвержен эмоциям и, следовательно, избавлен от нервных срывов, а в результате и от жалоб на некорректное поведение.

 

СФЕРЫ ПРИМЕНЕНИЯ

Роботизация позволяет высвободить миллионы человеко-часов и сэкономить финансы. Недавно один крупный банк заявил, что экономит до ста миллионов рублей ежегодных расходов с помощью роботизации рутинных процессов. Современные технологии настолько искусны, что не требуют перестройки всей системы, будь то внутренние процессы в компании или коммуникация с клиентами, — они научились дополнять функционирование, например, всей IT-инфраструктуры, не нарушая основы её работы. Словом, действуют почти как человек. При этом машины работают без перерывов на обед и сон, а количество ошибок только снижается. Робот, в отличие от человека, не наступает на одни и те же грабли дважды и не подвержен эмоциональным всплескам. Роботизация в работе банков привела к тому, что появились новые специальности, например оператор чат-ботов — сотрудник, основные обязанности которого состоят в регулярной отладке программного обеспечения под актуальные запросы регуляторов или клиентов. Важно то, что сфера применения машинного интеллекта постоянно расширяется — по мере развития алгоритмов.

 

Всё активнее в кредитных организациях применяются элементы ИИ:

  1. Платежи и переводы. Например, клиент при включённом мобильном приложении просто голосом говорит, что хочет отправить деньги «Маме!» или «Сыну за учёбу», или «Дочери на мобильный телефон», и этого достаточно, чтобы платёжное поручение было сформировано. Далее идёт только подтверждение на выполнение операции, а всё остальное делает ИИ.
  2. Планирование и управление активам. Здесь ИИ может вести алгоритмическую торговлю, заключая по несколько сотен сделок в секунду, что недоступно человеку; главное – правильно отладить алгоритмы. Также на основе фундаментального и технического анализа курсов ценных бумаг (это уже большие данные) можно давать рекомендации по изменению составляющих портфеля.
  3. Управление рисками. До управления операционными рисками ИИ пока не добрался, а вот что касается финансовых и кредитных рисков – здесь обширная область его использования. Ведь банковская деятельность – это искусство управления в координатах «риск – доходность». Кто-то из банков ведёт рискованную политику и этим повышает свою доходность (главное – не выходить за рамки действующих нормативов), а каким-то банкам категорически нельзя приближаться к нормативным пределам риска. До недавнего времени поддержание баланса «риск — доходность» держалось на конкретных людях или на долгих расчётах, а теперь искусственный интеллект выдаёт «подсказки» в реальном времени.
  4. Кредитование. Немного выше мы говорили о том, как программные роботы помогают анализировать кредитозаёмщиков, проводят их скоринг. А кредитному менеджеру остаётся только принятие решения на достоверных и актуальных данных.
  5. Автоматизация рутинных и «нормативно неизбежных» операций, сюда же относится подготовка регуляторной отчётности. Один из примеров – про потоковую обработку бумажных документов –мы уже обсуждали. Она значительно освобождает время либо для творческой работы, либо для работы со «слабораспознанными» документами. Здесь же надо упомянуть действия банков по ПОД/ФТ, которые вручную требуют очень много ресурсов, а недостаток ресурсов или некачественная отчётность может повлечь лишение лицензии. Принцип действия остаётся прежним: информационные системы и программные роботы готовят данные для принятия решения, которое остаётся за человеком.

 

В АКАДЕМИЧЕСКОЙ СРЕДЕ

Интересно, что если банкиры,как правило, используют термин «искусственный интеллект», то сами научные работники относятся к нему весьма осторожно и стараются не упоминать всуе. Учёные видят вместо ИИ в основном математические задачи и алгоритмы. И главным для них является подготовка кадров для решения таких математических задач. Интеллект, по мнению академической науки,нужен не столько искусственный, сколько человеческий, чтобы услышать задачи бизнеса, понять, адекватно интерпретировать и поставить математические задачи. Затем -решить их!

В академической среде и среди ряда российских технологических компаний популярной является точка зрения, что ИИ в большей своей части - это обыкновенный прецедентный анализ. И этот прецедентный анализ хорошо работает, иногда даже лучше, чем сам человек, особенно в ситуациях, которые похожи на те, что встречались раньше. При этом никакой этики и морали, которыми пытаются «нагрузить» ИИ, в прецедентном анализе нет. В каждом случае по отношению к текущему анализу важно и нужно решить две задачи. Первая задача – определение похожей ситуации как прототипа, вторая задача – собственно анализ с опорой на данные обучающей выборки и поиск управляющего решения.

 

ПОСЛЕСЛОВИЕ

Мировой опыт показывает, что ИИ традиционно занимаются в основном инженеры. Математиков в этой области почти нет. Инженеры — важная и нужная профессия, но в этом деле они должны идти после математиков.

Если говорить про нашу страну, то и в Советском Союзе, и в современной России проблемами ИИ на высоком теоретическом уровне занималась и продолжает заниматься большая группа выдающихся математиков.

И одним из них является академик РАН Константин Владимирович Рудаков, который известен не только своими высокими математическими достижениями, но и практическими разработками.

Однако современная мода некоторых наших чиновников – смотреть только на «зарубеж» — коснулась и ИИ. Например, недавно прошла информация, что главный у нас по ИИ — Сбербанк!

И как правильно ответил на эту новость в одном из интервью Константин Владимирович: «Если главный по искусственному интеллекту – Сбербанк, то главной по кредитам должна быть Академия наук»!

Смотрите также