"Пользователи банковских услуг ждут не просто безопасного перевода средств или какого-то стандартного набора возможностей, - рассказывает Дмитрий Медведев, директор департамента прикладных решений ЛАНИТ-ТЕРКОМ. - Скорее им интересен удобный персонализированный сервис". Искусственный интеллект как раз позволяет создать его. "Анализируя финансовое поведение, привычки и историю покупок, система предлагает набор индивидуальных банковских продуктов или услуг. Это могут быть оптимизация расходов или инвест-решение", - разъясняет эксперт.
У сервисов на основе ИИ есть неоспоримые преимущества. "Виртуальные ассистенты консультируют круглосуточно. Они помогают открыть вклад, оплатить услуги, составить бюджет. Фактически искусственный интеллект - это такой личный цифровой финансовый советник, который всегда рядом", - отмечает Дмитрий Медведев.
Зови меня по имени
Решения с использованием ИИ в банковской сфере - это уже не эксперимент, а рабочий инструмент. Можно выделить несколько направлений, где он применяется в финансовом секторе. Первое - это обслуживание клиентов. "Чат-боты, голосовые помощники, автоматизированные кол-центры, - перечисляет Дмитрий Медведев. - Они позволяют снизить нагрузку на операторов и ускорить процессы".
Чат-боты есть практически в каждом банке, констатирует Владислав Балаев, руководитель практики Центра компетенций больших данных и искусственного интеллекта ЛАНИТ. Их качество может существенно различаться. Основная борьба сегодня разворачивается между такими решениями, считает он. Клиент остается с тем банком, инструменты которого позволят ему быстрее справляться с проблемами, и легко расстается с тем, который заставляет его долго висеть на телефоне и ждать ответа оператора. Сегодня у многих банков в приложении есть ассистенты, которым дают имена, отмечает эксперт. Они становятся визитными карточками самих финансовых организаций, но в первую очередь они должны быть их высокоэффективными помощниками.
"Мы видим первые шаги трансформации банков, которые тестируют советников, - говорит Дмитрий Медведев. - Они помогают клиентам управлять инвестициями. Алгоритмы предлагают инвестиционные портфели, исходя из уровня риска, сами раскладывают траты по категориям, предупреждают о перерасходе, предлагают, куда лучше направить сбережения".
Деньги любят безопасность
Есть банки, которые не используют ИИ, но это точно не самые крупные, считает Владислав Балаев. "Банк, который не применяет ИИ, становится привлекателен для мошенников. Объем данных, который проходит сегодня через финансовые организации, достаточно большой. Проверить все транзакции на безопасность вручную невозможно. Для этого необходимы алгоритмы машинного обучения", - поясняет он.
Финансовое мошенничество становится все более изощренным, и традиционные методы с ним не справляются, добавляет Дмитрий Медведев. "Система с ИИ анализирует миллиарды транзакций в реальном времени, выявляя нетипичные паттерны поведения", - говорит он. В будущем такие решения смогут анализировать не только поведение клиента, но и глобальные цифровые потоки. Например, выявлять заранее скоординированные атаки на различные банки, строить карту мошеннических сетей в масштабах всей страны, считает эксперт.
ИИ также применяется при оценке надежности клиентов при выдаче кредитов. "Искусственный интеллект анализирует данные заемщиков, оценивает платежеспособность, прогнозирует риски и обеспечивает точность, которая недоступна традиционным решениям", - рассказывает Дмитрий Медведев.
Невидимая работа ИИ
Банки активно внедряют инструменты, которые помогают сотрудникам быстрее справляться с рутиной. "Многие кредитные организации заинтересованы в автоматизации бэк-офиса, систем документооборота, контроля и распознавания изображений, внедрении AML-проверок (Anti-Money Laundering - система мер, направленных на борьбу с отмыванием денег). ИИ берет на себя эти задачи и сокращает время работы, минимизирует человеческий фактор в этих процессах", - рассказывает технический директор компании bpm Александр Лутай. Такие решения позволяют банкам справляться с задачами меньшим количеством сотрудников. "Одно из наиболее востребованных направлений - это помощь с подбором персонала в hr-подразделениях. В этих отделах много стандартизированных операций", - отмечает специалист.
Подобные разработки создаются на основе существующих в компании регламентов. Экспертам остается только перепроверить результат. Нейропомощники для новых сотрудников подсказывают пошаговые алгоритмы выполнения определенных задач с точки зрения нормативных документов организации. "Может быть даже нейропомощник руководителя, - перечисляет возможные решения на основе ИИ Александр Лутай. - Он проводит оценку сотрудников, выявляет их сильные и слабые стороны, дает рекомендации для развития".
Существуют также нейропомощники для владельцев продуктов, нацеленные на то, чтобы собирать информацию об актуальных мошеннических схемах и проводить оценку уязвимости решения.
"Мы создавали помощника по внутренней нормативной документации в двух банках. В обоих случаях это были сервисы, связанные с кредитными процессами. До внедрения нашего продукта сотрудникам приходилось долго искать в документах, как правильно структурировать сделку, - рассказывает Александр Лутай. - Для решения этой проблемы был разработан ИИ-помощник, который давал быстрый ответ, как это сделать корректно в конкретной ситуации".
Александр Лутай рассказывает еще об одном продукте - ассистенте для риск-менеджеров: "Работа этих сотрудников основана на регламентах и накопленном опыте сделок. Задача состояла в том, чтобы банк мог выдавать больше кредитов без увеличения штата риск-менеджеров. Часть их работы была автоматизирована за счет внедрения ассистента".
Продукты с применением ИИ, направленные на автоматизацию обработки документов, ускоряют внутренние процессы в банках. Владислав Балаев делится опытом разработки для финансовой сферы: "Если раньше на то, чтобы проверить документ и заполнить по нему карточку во внутренней системе, требовалось 10 минут, то сейчас на это уходит до 2 минут".
Эксперт также приводит пример решения, используемого для автоматического мониторинга в банках. Его основная задача заключается в выявлении структурных проблем, влияющих на сбои в транзакциях кредитной организации, с целью их своевременной фиксации и устранения. Существовавшая в банке система не справлялась с этой задачей, и для отслеживания сбоев приходилось задействовать человеческие ресурсы. Владислав Балаев рассказывает, что применение разработки на основе ИИ позволило повысить качество мониторинга и в десять раз сократить количество ложных срабатываний (срабатываний системы мониторинга, в которых система фиксирует, что в транзакционном потоке был сбой, а на самом деле его нет).
Он добавляет, что ИИ помогает многократно улучшить и качество систем, направленных на предотвращение мошеннических операций.
Будущее за интеллектом
В перспективе ИИ сможет не только реагировать на запросы клиента, но и проактивно предлагать ему какие-то решения. "Например, предсказывать кассовые разрывы бизнеса или предлагать клиентам сберегательные инструменты в преддверии жизненно важных событий", - говорит Дмитрий Медведев.
Эксперт отмечает, что в ближайшее время ИИ выйдет за рамки чат-ботов и антифрод-систем. "Думаю, что в будущем ИИ будет помогать формировать долгосрочные стратегии клиентов, управлять инвестиционными портфелями в режиме реального времени, прогнозировать состояние рынков, макроэкономики", - отмечает он. ИИ может также стать ключом к развитию невидимых банков, когда сервисы, встроенные в повседневную жизнь человека, работают незаметно, но эффективно.
Владислав Балаев также отмечает, что разнообразие технологий на основе ИИ будет повышать в компаниях запрос на формирование единой стратегии по их внедрению. Для решения данной задачи в ЛАНИТ разработан продукт Landev AI. Кремниевые помощники. Он позволяет быстро собирать решения и сервисы с ИИ, быстро вводить их в эксплуатацию, ускоряя time-to-market (время от появления идеи до вывода проекта на рынок): "Использование Landev AI. Кремниевые помощники позволило запускать проекты, которые раньше занимали бы шесть месяцев, за несколько недель", - рассказывает Владислав Балаев.
Привлечение новых клиентов - большой блок развития ИИ в банковской сфере, добавляет Александр Лутай. Для этого ИИ нужно научить выявить потребности существующих и потенциальных потребителей банковских услуг. "Если речь идет о крупных корпоративных заказчиках, это можно сделать даже на основе информации из открытых источников", - рассказывает он. Перспективным направлением является поведенческий кластеринг клиентов с использованием методов машинного обучения с последующей генерацией и интерпретацией тегов для них с помощью LLM (Large Language Model - языковая модель, которая может распознавать и генерировать текст. - Прим. ред.). Поведенческий кластеринг предполагает анализ финансового поведения и выявление схожих по каким-то признакам групп, а LLM помогает дать описание выделенным кластерам и таким образом сформировать сегменты, и это уже можно использовать для подготовки персонализированных предложений по сегментам. "Банки, с которыми мы работаем, хотят создавать таких агентов, - отмечает эксперт. - А у нас есть понимание, как такое решение должно работать". Также ИИ может выделять тренды рынка, к примеру, подбирать информацию о предложениях, которые другие банки уже делают своим клиентам.
Еще одно направление, которое может получить развитие, - это снижение просроченной задолженности за счет применения ИИ-решений не только на этапе принятия решения о выдаче кредитов для снижения вероятности возникновения просрочки в будущем, но и для работы с уже наступившей просрочкой. Здесь можно ожидать появление ИИ-агентов, которые позволят эффективнее возвращать просроченную задолженность и тратить на это меньше ресурсов банка.
ИИ способен вывести банки на новый уровень. Затормозить этот процесс может только отсутствие доверия со стороны клиентов. ИИ проникает в довольно чувствительные для людей сферы, поэтому требования к прозрачности алгоритмов, защите персональных данных и этическому использованию информации выходят на первый план, обращает внимание Дмитрий Медведев. Клиенты должны быть уверены, что эта открытость возвращается им в виде хороших условий банков, подходящих предложений и полной защиты их финансов. А руководство кредитных организаций должно видеть результат от вложенных в разработку ИИ-решений инвестиций и усилий.