Применение ИИ в финансовой сфере экономит миллионы
Что дает искусственный интеллект? Этот вопрос все еще стоит перед учеными и философами. Возможно, с теоретической точки зрения все еще не вполне гладко и споры о результатах специфических тестов, да и самих границ применения, будут продолжаться еще долго. Но, в контексте повседневной жизни, ответ будет однозначным. В широком смысле искусственный интеллект — это технологии, которые делают наши устройства «умнее», производительнее и автономнее.
Трансформация основ
За последние несколько лет существенно изменилось само отношение к искусственному интеллекту: с появлением инструментов, таких как виртуальные помощники, а также развитием бизнес-решений на основе ИИ, эта тема получила менее философский и гораздо более прагматичный характер. Теперь, для все большего числа компаний, главный вопрос состоит не в том, использовать ли ИИ, а, скорее, как именно применять его для достижения максимального эффекта. Так что сегодня, во всяком случае, в развитых странах, уже трудно представить область экономики, в которой не применяется ИИ.
Трансформация, вызванная внедрением искусственного интеллекта, носит фундаментальный характер, сравнимый разве что с той, которая была вызвана в свое время распространением электричества или всеобщей компьютеризацией. Пока что без ИИ можно обойтись — общая инерция мирового рынка это позволяет, но очень скоро глобальные процессы изменят это положение, сделав технологии искусственного интеллекта одним из обязательных элементов процветающего бизнеса. Особенно остро это чувствуется в областях, эффективность бизнеса которых уже сегодня напрямую зависит от ИТ. В этом смысле, можно рассмотреть высоко-конкурентную сферу финансов.
Дело в том, что деятельность подобных организаций, по самой своей сути базируется только на данных. Денежные хранилища и подземные бункеры, наполненные золотыми слитками — это больше кинематографическое клише, чем главная часть деятельности банков, многие из которых и вовсе не имеют дела с физическими активами. Основная ценность скрывается в базах данных — миллиарды активных транзакций, сведения о счетах и клиентах, важнейшие документы, все это уже давно приняло электронную форму. При этом объемы продолжают расти с умопомрачительной скоростью, справиться с ними традиционными методами уже попросту невозможно. В этом контексте технологии искусственного интеллекта пришлись как нельзя кстати. И не важно, как именно их называть, и отвечают ли критериям «теста Тьюринга» — главное, они дают осязаемый эффект, недостижимый иными методами.
Кстати, раз мы уже вспомнили фамилию великого ученого, стоит отметить и то, что в прошлом году, Институт Алана Тьюринга, опубликовал доклад, где подробно рассматриваются некоторые важные области применения ИИ, начиная с алгоритмической торговли, которая в настоящее время составляет около половины всей деятельности на биржах, и заканчивая системами автоматического обнаружения случаев мошенничества в банковской сфере. Последнее направление очень востребовано, поскольку сводит к минимуму число успешных действий «цифровых» злоумышленников. Также отмечены положительные аспекты применения для чат-ботов, которые помогают клиентам в управлении своими счетами, делая этот процесс более комфортным, быстрым и доступным.
Большие возможности и высокие риски
Удивительное следствие развития ИИ состоит в том, что на пути внедрения новых технологий, банки и другие финансовые организации конкурируют не только между собой, но и со многими другими отраслями, даже не связанными напрямую. Будь то алгоритмы музыкальных рекомендаций или автоматическая расшифровка сеанса конференц-связи, потребители и компании привыкли к системам, которые предвосхищают потребности и обеспечивают все больше возможностей. Следующим логичным шагом является то, что они переносят опыт своей повседневной и привычной жизни на модель общения с финансовыми компаниями. Условно говоря, банки ведут технологическую гонку не друг с другом, а с Netflix и Spotify, находясь пока в положении догоняющих, хотя, попытки стать законодателями технологической моды предпринимаются регулярно. Приведение сферы финансов в соответствие с новой ИИ-реальностью остается сложной задачей. И дело тут не в денежных ресурсах, интеллектуальном потенциале или отсутствии «инновационного мышления». Банки существенно ограничены вопросами точности и безопасности.
Скажем, если видеосервис выдаст вам не вполне удачные рекомендации по просмотру фильмов, это не станет большой проблемой, поскольку речь идет о дискуссионной теме, лежащей в области вкусов и предпочтений. Когда некорректно отвечает банковский чат-бот, который не может понять постановку вопроса клиента, это вызывает раздражение, но, если недоработки в области ИИ, затрагивают внутренние системы, могут произойти серьезные неприятности, связанные с потерей огромных денег. В августе 2012 г. из-за компьютерного сбоя компания Knight Capital потеряла $440 млн за 45 минут биржевых торгов. Knight Capital заявила, что проблемы возникли из-за нового на тот момент программного обеспечения, которое было установлено для автоматизации торговли акциями. В какой-то момент алгоритмы компьютеризированных систем компании вошли в резонанс с рынком и начали «разгонять» стоимость определенных акций, которые в результате оказались сильно переоцененными, в итоге их пришлось продать с огромным убытком. В среднем компания теряла более $10 млн в минуту.
Для сравнения, годовая прибыль Knight Capital за предыдущий год составила $289 млн. Это далеко не единичный пример такого рода, но он наглядно демонстрирует то, что может произойти, если финансовые организации начнут неосмотрительно внедрять ИИ в процесс основной деятельности. До сих пор технологии на основе искусственного интеллекта все еще остаются довольно инновационными, а во многих случаях откровенно сырыми. Да и к тому же нельзя просто внедрить новые ИИ-решения, надо понять, что при этом делать с уже существующими системами, избавиться от которых не удастся еще очень долго.
Роботизация и платформы нового класса
Интеграция ИИ с традиционными ИТ — сложный и неоднозначный вопрос, требующий кропотливой работы и индивидуального подхода в каждом конкретном случае, особенно, если речь идет о крупных компаниях с объемным «ИТ-наследием». Также стоит учесть, что ИИ требует пересмотра концепции работы с данными, в т.ч. новых подходов к вопросу их сбора, хранения и управления «цифровыми активами». Для многих предприятий внедрение систем управления данными будет означать создание совершенно новых вычислительных мощностей наряду с такими инновациями, как мониторинг интернета для сбора необходимой информации. Более того, в сфере финансовых услуг, где информация всегда была основой бизнеса, существует более сложная проблема, связанная с преобразованием накопленных данных на язык, понятный ИИ. Информационные системы в области финансов создавались в течение десятилетий, и изменение существующих инфраструктур, которые в настоящее время приносят прибыль, является более сложной и рискованной работой по сравнению с построением ИТ-решений с нуля.
Одним из вариантов решения этой сложной, комплексной и даже фундаментальной, задачи может стать использование технологий роботизированной автоматизации процессов (robotic process automation). Решения RPA используют искусственный интеллект для изучения работы ИТ-системы без ее изменения. Такой подход призван обеспечить логический «мост» между старой ИТ-средой и новой инфраструктурой, разработанной для интеллектуальной автоматизации внутренних бизнес-процессов. Недавний опрос, проведенный компанией NetApp показал, что RPA уже широко применяется в финансовой отрасли, особенно в таких областях, как обслуживание клиентов, предотвращение мошенничества и управление портфелями активов.
Кстати, компания NetApp, являясь одним из лидеров мирового рынка СХД, активно развивает платформы для реализации проектов ИИ. В числе наиболее прогрессивных решений — комплекс ONTAP AI, построенный на основе инновационной архитектуры, объединяющей серверы NVIDIA DGX, СХД NetApp AFF и сетевые устройства Mellanox или Cisco. Напомним, что NVIDIA DGX A100 — первая в мире система для ИИ с производительностью 5 петафлопс, основанная на новой архитектуре NVIDIA Ampere. Высокую скорость обработки данных (до 300 Гбит/с на кластер) обеспечивает СХД NetApp AFF, использующая твердотельные накопители NVMe, а за передачу информации отвечают Ethernet-коммутаторы с интерфейсами 100 GbE. И все это работает под управлением программного обеспечения NetApp, специально разработанного для решения задач, связанных с искусственным интеллектом.
А что в России?
Развитие технологий искусственного интеллекта в России перешло из области решений для энтузиастов в сферу государственных приоритетов. Подтверждением этому служит не только разработка федерального проекта «Искусственный интеллект», но и утверждение Росстандартом соответствующих документов. Например, в декабре 2019 г. были утверждены ГОСТ Р 58776-2019 «Средства мониторинга поведения и прогнозирования намерений людей. Термины и определения» и ГОСТ Р 58777-2019 «Воздушный транспорт. Аэропорты. Технические средства досмотра. Методика определения показателей качества распознавания незаконных вложений по теневым рентгеновским изображениям». Оба документа вступили в действие 1 сентября 2020 г. Это лишь первые шаги, но начало положено и, очевидно, рано или поздно, последуют стандарты для области финансовых услуг, где ИИ уже активно применяется.
Российские банки активно используют технологии искусственного интеллекта в своей деятельности, особенно для борьбы с мошенничеством (антифрод) и оценки кредитоспособности клиентов. Например, в Сбербанке почти все решения о выдаче кредитов физическим лицам принимает ИИ, почти каждый третий кредит для организаций также выдается на основе автоматизированных алгоритмов. Причина в том, что, как убедительно показывает практика, ИИ гораздо быстрее, чем человек выявляет подозрительные операции и более точно может осуществить оценку заемщика. Но, Сбербанк не одинок. Согласно исследованию, проведенному «Эксперт РА» и «РАЭКС-Аналитика», более десяти российских банков активно используют ИИ в повседневной деятельности. В их числе «Тинькофф Банк», ГПБ, «МТС Банк», «Московский кредитный банк», «Русский Стандарт», «Промсвязьбанк», «Ренессанс Кредит», УБРиР, БКС, «Дельта Кредит», «Открытие».
«В Тинькофф ИИ и технологии ML развиваются уже несколько лет. Мы используем их в разных направлениях работы: рекомендательные системы и аналитика, лайфстайл-банкинг и общение с клиентами. Например, в Тинькофф Инвестиции роботизированный сервис рекомендаций помогает собрать сбалансированный инвестиционный портфель. Другой пример: оценка кредитного лимита на основе имеющихся данных клиента, его финансовых привычек и других факторов, которые могут сигнализировать нам, если лимит нужно изменить», — сообщил Вячеслав Цыганов, вице-президент, директор по информационным технологиям Тинькофф.
Кроме борьбы с мошенничеством и оценки заемщиков, ИИ в российских банках активно используется в процессе общения с клиентами в виде чат-ботов, а также так называемых «роботов-коллекторов» для проведения работ по взысканию задолженности. Решения последнего типа показывают высокую эффективность в работе с клиентами, имеющими небольшую задолженность. Дело в том, что обычный оператор способен выполнить не более пары сотен звонков в день (на качестве которых неизбежно сказывается человеческий фактор и банальная усталость), а роботизированный бот обрабатывает за то же время в разы больше контактов, причем с неизменным качеством. Только автоматизация рутинных процессов позволяет российским банкам экономить сотни миллионов рублей в год.
«В Тинькофф генерируется много контента для лайфстайл-банкинга, ИИ помогает сегментировать пользователей и предлагать релевантный для них контент, например, в Tinkoff Stories или Тинькофф Журнале. Конечно же мы активно используем чат-ботов, в 40% случаев диалог проходит целиком без участия оператора, это экономит банку до 50 млн рублей в месяц. Недавно мы запустили бота путешествий, который мониторит цены на авиабилеты в Телеграм. Одна из ключевых наших разработок — голосовой помощник Олег, который умеет распознавать и интерпретировать запросы клиентов, осуществлять денежные переводы, записывать в салон красоты, бронировать столик в ресторане и т.д. Полученную в коммуникации с клиентами информацию мы анализируем с помощью технологий ML и контролируем качество работы подразделений.
Ранее вручную мы могли проанализировать около 5% звонков, автооценка помогла нам обрабатывать 100%, а это значит вовремя скорректировать сценарии диалогов или отправить оператора на обучение. Кроме того, мы классифицируем с точностью 97% консультационные обращения клиентов и в дальнейшем используем эти данные для аналитики обращений по продуктам и улучшению UX. Мы создали свою технологию распознавания речи, которая на большинстве текстов допускает всего 10% ошибок. Голосовая биометрия на базе ИИ позволяет за 7 секунд распознать половину из звонящих клиентов, а за 15 секунд — уже 80%. С помощью ИИ происходит распознавание голоса и лиц, направленное в том числе на снижение количества мошеннических операций», — дополнил Вячеслав Цыганов.
Очень важное направление для банка — это соблюдение требований законодательства, направленных на предупреждение незаконных банковских операций. Изменения в сфере законодательства происходят постоянно, и люди не всегда успевают их отслеживать и применять, в отличие от ИИ. Кроме того, системы на основе искусственного интеллекта уже сегодня помогают клиентам сформировать оптимальный инвестиционный портфель, управлять своими денежными потоками, следить за оплатой счетов и т.д. При этом, как отмечают многие участники российского рынка, местные банки, по уровню инноваций в области ИИ, зачастую обгоняют финансово-кредитные организации ЕС и США, которые остаются гораздо более консервативными.
В конечном счете, мы наблюдаем, что значительные изменения ИТ-архитектуры, которые реализуются сегодня и в ближайшем будущем, похоже, примут глобальный характер, и откроют новые возможности для организаций финансового сектора во всем мире. Ключевым элементом этого процесса является переход к облачным вычислениям с их гибкостью, надежностью и адаптивностью к изменениям. К тому же, только облака способны сегодня обеспечить без капитальных затрат, должную интенсивность вычислений, которые требуются для обучения систем на основе искусственного интеллекта. Хотя во многих отношениях финансовые услуги являются сектором, который уже находится на переднем крае ИТ в целом, а также ИИ, в частности.
Новости
Интервью
Фёдор Прохоров:
Сбер дает доступ к своему облачному суперкомпьютеру и искусственному интеллекту
