BIS Journal №4(43)/2021

25 ноября, 2021

«ВТБ – не столько фабрика ИИ, сколько наука и практика, как целое»

На вопросы BIS Journal отвечает заместитель президента — председателя правления ВТБ Вадим Кулик.

— Самое сложное — договоримся о терминах. Как вы относитесь к понятию и термину «Искусственный интеллект» (ИИ)? Как трактуют это понятие в ВТБ, какие термины используют?

— Для нас искусственный интеллект – набор технологий, который позволяет решать задачи за пределами возможностей бизнес-аналитики и классического программирования. В первую очередь технологии ИИ дают возможность понимать потребности наших клиентов на качественно новом уровне, быть максимально удобными для клиента, выстраивать партнёрства в части данных, быть операционно эффективными. Мы используем весь спектр направлений ИИ для этих задач – от компьютерного зрения и графовой аналитики до применения глубокого обучения в задачах оптимального размещения инфраструктуры банка. Важно отметить, что под ИИ в банке мы понимаем не только модели, которые без интеграции в бизнес-процесс не приносят ценности, но и весь жизненный цикл применения технологий ИИ: от данных и разработки модели до её внедрения и автоматического мониторинга качества.

— Где, на каких участках работы и в каких масштабах используют ИИ в ВТБ?

— ВТБ использует искусственный интеллект в большинстве процессов, в том числе при формировании предложений и принятии решений по кредитам, в голосовых помощниках, работе кол-центра, чат-ботах, в маркетинговых задачах. Технологии ИИ также применяются для распознавания и сегментации документов и защиты клиентов от мошенников. В рамках реализации цифровой трансформации ВТБ в 2020 году создал и запустил ИТ-платформу, которая позволяет унифицировать и упростить внедрение технологий искусственного интеллекта в бизнес-процессы банка. В 2021 году ВТБ запустил в промышленную эксплуатацию новый продукт Фабрики искусственного интеллекта — систему управления моделями машинного обучения. Это ещё один этап в развитии и внедрении технологий искусственного интеллекта в бизнес-процессы банка. Кроме того, ВТБ одним из первых российских банков начал использовать искусственный интеллект при открытии и модернизации своих отделений и банкоматов. Банк разработал и внедрил модель машинного обучения, которая с помощью анализа Big Data позволяет прогнозировать спрос на банковские услуги в конкретных точках города. Реализация проекта позволит уменьшить среднее время доступности отделений ВТБ для клиента до 15 минут.

— Чей опыт по использованию ИИ ВТБ взял за основу своей модели?

— Крупные российские банки занимают передовые позиции в мире по применению и внутренней разработке ИИ-решений. В других странах драйверами такой разработки в финансовом секторе часто становятся финтех-компании, у нас же основной драйвер – крупнейшие игроки финансового рынка. Поэтому опыт ВТБ во многом уникален. Мы изначально ориентировались на централизацию функции ИИ в банке, в том числе с помощью создания специализированных платформ, которые позволяют эффективно применять ИИ в таких сложных областях, как геоаналитика, графовая аналитика, анализ неструктурированных и потоковых данных.

В этом плане мы похожи на крупнейшие мировые компании. Они также создают платформы, поддерживающие специализированные задачи ИИ, но не ограничивающие разработчиков в инструментах и области применения. Уникальной особенностью в данном случае стала необходимость внедрения инноваций в условиях жёсткого банковского регулирования. Достичь баланса нам удалось за счёт централизованно выстроенного MLOps процесса (система управления моделями). Он поддерживает полный жизненный цикл моделей и обеспечивает как внедрение наиболее инновационных технологий, так и полное соответствие требованиям регулятора.

— Какую пользу, эффект получает ВТБ от использования ИИ?

— Все более-менее серьёзные игроки рынка так или иначе используют в процессах математические модели. Этим сегодня никого не удивить. При этом, чтобы выйти на принципиально новый уровень в условиях конкурентной борьбы за каждого клиента, необходим комплексный подход. Он предполагает, что ИИ становится частью повседневной реальности и пронизывает все без исключения бизнес-процессы и системы банка. Приоритет ВТБ – комфорт и удобство клиентов. Анализируя большое количество разнородных данных, мы лучше понимаем потребности потребителей, именно это позволяет постоянно улучшать клиентский опыт. Кроме того, ИИ позволяет снизить риски различной природы: от рисков мошенничества до операционных и технологических рисков.

— Цена вопроса. Насколько выгодно использование ИИ в вашем банке?

— Применение искусственного интеллекта в 2020 году позволило банку показать экономию в размере 1,2 млрд рублей.

— Какие риски, проблемы наблюдаются (преодолены и ожидаются) от использования ИИ? Как они решаются?

— Люди боятся, что их персональные данные станут доступны, им часто звонят злоумышленники. В этом мало приятного, и очень бы хотелось, чтобы крупные индустриальные игроки предпринимали какие-то действия. Сами игроки понимают, что новый этап конкуренции связан с производством продуктов на основе ИИ, требующих как можно больше различных классов Big Data. Получается противоречие: больший объём Big Data даёт возможность лучших предсказаний, но при этом растут риски. Власти начинают это регулировать, тем самым сдерживается прогресс. Такова общемировая тенденция.

На этом фоне стали появляться технологии, которые позволяют сохранить конфиденциальность первичных данных и при этом — после проведения определённых манипуляций — строить на них модели. Например, технология Data Fusion, где нейросеть «оборачивает» первичные данные, чтобы они были обрабатываемы для предсказательных моделей, но в то же время их дешифровка была бы практически невозможна. Такая технология отвечает интересам государств и физических лиц и позволяет корпорациям развиваться.

К примеру, мы уже провели тестирование технологии MPC (Multiparty computation) в рамках совместного мероприятия ВТБ и Ростелекома «Платформа больших данных». Особенность технологии MPC в отсутствии обмена исходными данными между компаниями: это даёт возможность пользователям сервиса реализовать подход Data Fusion.

— Существует ли проблема кадров в сфере ИИ? Как она решается?

— По прогнозам экспертов, глобальный рынок решений в области ИИ будет расти на 40% в год и к 2025 году составит более 300 млрд долларов.

Этот глобальный тренд в полной мере ощущается и внутри банка. Сферы применения ИИ увеличиваются с огромной скоростью. Идёт активный процесс технологического замещения, который, в свою очередь, требует найма большого количества высококвалифицированных специалистов в этой области. Причём речь идёт не только о data science — командах, а также о специалистах по таким направлениям, как обработка/хранение/подготовка данных (data engineers), разработка/построение эффективной и надёжной CI/CD-инфраструктуры для внедрения алгоритмов ИИ и автоматизация рабочих процессов (DEV OPS, CI/CD, ML engineers).

На рынке труда наблюдается дефицит специалистов в области машинного обучения и ИИ. Финансовые институты и финтех-компании находятся в активной конкуренции за высококвалифицированные кадры. Мы не ожидаем изменения данной тенденции в течение ближайших лет. Одним из решений данной проблемы может быть разработка внутренних программ обучения новых талантливых сотрудников для повышения их квалификации.

— Насколько правильно работает ваш ИИ? Как влияет на внутреннюю операционную устойчивость организации на разных участках и в целом?

— В банке действует система внутреннего контроля, которая опирается на концепцию трёх линий защиты, в том числе для управления модельным риском ИИ. Первая линия – это непосредственно разработчики моделей, вторая – независимое подразделение валидации и управления модельным риском, осуществляющее независимый контроль и проверку разработанных моделей ИИ, третья линия – независимое подразделение внутреннего аудита, контролирующее соблюдение внутренних стандартов со стороны первой и второй линии защиты. Правильность работы моделей ИИ помогает отслеживать действующая автоматизированная система мониторинга моделей, внутренний учёт разработанных моделей ведётся в системе управления моделями, а правила и процесс взаимодействия подразделений регламентируются утверждённым стандартном жизненного цикла моделей. Модельный риск использования ИИ не оказывает значимого влияния на операционную устойчивость организации в силу действующих организационно-технологических мер по управлению модельным риском.

— Какие нейросети используются в ваших системах?

— Мы уделяем большое внимание совершенствованию используемых практик в сфере машинного обучения (machine learning) и глубокого обучения (deep learning), так как часто даже небольшое улучшение в качестве используемых моделей приносит существенный финансовый эффект. Специалисты регулярно изучают лучшие международные практики, принимают участие в конференциях, обмениваются опытом. Важно, что для создания коллаборации между научным сообществом и практиками data science в 2021 году была создана международная площадка – конференция Data Fusion.

Непосредственно нейронные сети используются для анализа транзакций, для поддержания диалога с клиентом в голосовом ассистенте, анализа графов и создания рекомендаций. В настоящее время активно развиваются решения на основании компьютерного зрения (Computer Vision) для верификации пользователей, контроля и регулирования деятельности дополнительного офиса и борьбы с мошенниками. При выборе архитектуры нейронных сетей в ряде случаев мы используем разработанное нами совместно с научным сообществом решение по нейронному поиску архитектур (Neural Architecture Search), которое позволяет рассматривать большее количество архитектур нейронных сетей и ускоряет поиск наиболее подходящей. Пока это применимо в основном к рекуррентным и полносвязанным архитектурам, в дальнейшем планируем распространить это решение и на сверточные сети.

— Какие перспективы для ИИ в ВТБ вы видите? Какие новые шаги планируете?

— Мы активно работаем над совмещением науки и практики, считаем это направление перспективным. В апреле ВТБ и Московский физико-технологический институт (МФТИ) договорились об открытии на базе МФТИ совместной лаборатории, цели которой: развитие технологий Big Data, искусственного интеллекта в банках, содействие научно-исследовательской деятельности и поддержка профессиональных кадров. Банк совместно с МФТИ создаёт прикладные разработки приложений и сервисов распознавания речи для улучшения клиентской поддержки ВТБ. Ещё одним направлением совместной работы в новой лаборатории являются исследования и проекты в области определения психоэмоционального состояния персонала банка с помощью нейросетей. Кроме того, ВТБ и МФТИ будут разрабатывать математические модели для повышения эффективности работы банка, а также технологии для бизнес-партнёров ВТБ.

— Видите ли вы конкурентов в сфере ИИ? Или, наоборот, считаете, что в этой сфере необходимо делиться опытом и двигаться вперёд сообща?

— С точки зрения развития ИИ как фундаментальной науки, безусловно, необходима кооперация специалистов. При этом практическое применение технологий ИИ часто связано с конкуренцией, что усложняет кооперацию.

— Как обеспечивается информационная безопасность при использовании ИИ?

— На текущем этапе развития ИИ не способен выходить за рамки запрограммированной в нём аксиоматики, определяющей в числе прочего и стратегию его самообучения. Поэтому в настоящее время автоматизированные системы, использующие технологию ИИ, укладываются в классическое определение: система, состоящая из персонала и комплекса средств автоматизации его деятельности, реализующая информационную технологию выполнения установленных функций. Соответственно, для обеспечения информационной безопасности при использовании ИИ необходимо проводить стандартные мероприятия. В том числе идентифицировать уязвимости, противодействовать угрозам, минимизировать возможные последствия реализации угроз, руководствоваться известными принципами защиты. Среди них: комплексность, системность, адекватность, проактивность, минимизация полномочий, наличие нескольких эшелонов защиты и т. д.

— Существуют ли особые, специфические проблемы информационной безопасности при использовании ИИ?

— Да, определённая специфика всё же есть. Например, Data Science — аналитикам для выполнения работ требуется доступ к максимально большому и заранее не определённому объёму данных, а разработка и тестирование моделей машинного обучения проводится, как правило, на реальных данных. При этом необходима установка и использование широкого спектра современных средств разработки. В таких условиях для снижения рисков информационной безопасности требуется создание отдельных специализированных промышленных сред с особым режимом информационной безопасности.

— Как используется ИИ в работе службы информационной безопасности ВТБ?

— Безопасность данных и средств клиентов – приоритет для ВТБ, банк постоянно совершенствует методы защиты. Например, недавно ВТБ внедрил новую модель на основе искусственного интеллекта для предотвращения мошеннических операций по картам: обученный на более чем 10 тысячах параметров алгоритм машинного обучения выявляет в 1,5 раза больше попыток злоумышленников совершить мошеннические операции по сравнению с ранее действовавшими системами.

Разработанная специалистами ВТБ модель за несколько миллисекунд на основании всех доступных массивов Big Data анализирует операцию и при обнаружении потенциальной опасности направляет клиенту дополнительное уведомление о необходимости дополнительного подтверждения. 

Смотрите также