Что может искусственный интеллект в финансовом секторе

Материал подготовлен при участии Олега Корнышева, руководителя группы Advanced Analytics McKinsey в регионе ЕЕМА (СНГ, Ближний Восток, Турция и Африка), и Андрея Воздвиженского, эксперта банковской аналитической группы McKinsey

Высокая конкуренция и снижение нормы прибыли заставляют российские банки искать новые способы повышения эффективности. Одна из главных волшебных палочек – искусственный интеллект (ИИ), который одним дает более чем двукратное ускорение среднегодовых темпов роста выручки (CAGR), а другим – дополнительный центр прибыли в миллиарды долларов. Тем не менее сегодня менее 7% российских банков способны в полной мере использовать возможности ИИ в анализе больших данных.

Откладывание проектов внедрения искусственного интеллекта участниками российского банковского рынка может одних привести к существенному отставанию от конкурентов, а других – к полному исчезновению с рынка.

Деньги и технологии

Мировая динамика развития ИИ впечатляет: инвестиции в компании, специализирующиеся на искусственном интеллекте, в 2018 г. достигли $45 млрд, увеличившись в 3,5 раза по сравнению с 2016 г.

Технологический арсенал искусственного интеллекта внушителен уже сегодня.

С некоторым упрощением его можно разделить на пять больших групп: машинное обучение, обработка естественного языка, алгоритмы машинного зрения, программные агенты, или боты и, наконец, робототехника. Использование этих технологий, еще недавно проходивших по разряду научной фантастики, эффективно уже сейчас. ИИ принимает решения быстрее, делает это точнее и дешевле человека. Не зря больше половины российских компаний уже выделили бюджеты на внедрение решений на основе углубленной аналитики.

Один из трех

Согласно исследованию Глобального института McKinsey (MGI), финансовый сектор наряду с телекоммуникациями и хайтеком – наиболее перспективная площадка для внедрения ИИ. Причина – значительный экономический эффект в работе с клиентами, риск-менеджменте, повышении эффективности. ИИ в финансовой сфере уже разрабатывает продукты для перекрестных и дополнительных продаж, оптимизирует ценообразование, сокращает отток клиентов, идентифицирует их по голосу или лицу, оценивает кредитные риски, выявляет мошенников, прогнозирует спрос.

Многие мировые банки переходят от единичных случаев использования ИИ к полноценным программам внедрения. По данным McKinsey, уже сегодня более 80% крупных банков применяют эти технологии. В России тенденция та же – проекты по внедрению ИИ входят в повестку дня руководителей 50% российских банков. Достаточно сказать, что один из крупнейших российских банков, по признанию его руководителя, сейчас зарабатывает на внедрении искусственного интеллекта более $2 млрд.

Лучше, чем люди

Характерный пример применения ИИ – кредитный скоринг, сокращающий убытки крупнейшим игрокам на рынке автокредитования США за счет более точной оценки риска заемщика на 23–25%. В свою очередь, один из крупнейших банков в мире использует искусственный интеллект для найма персонала, получая эффект от более точного выбора оптимального кандидата. В России один из банков «большой тройки» принимает 98% решений о выдаче кредитов физическим лицам с использованием искусственного интеллекта.

Исследование McKinsey показывает, что у кредитных институтов, которые внедряют ИИ в масштабе всей организации, показатель cost-to-income (отношение операционных расходов к доходам) на 12 процентных пунктов ниже, чем в среднем по рынку.

Семь элементов успеха

На основе исследования удалось сформулировать основные составляющие успеха компаний, внедряющих искусственный интеллект. Первый – корпоративная культура и готовность к работе с новыми инструментами. Особая роль принадлежит управленческой команде: шансы повышаются, если топ-менеджмент знаком с современными цифровыми технологиями не понаслышке. Успешные компании дают приоритет ИИ-проектам. Еще одна основа успеха – правильная организационная модель.

Успешные программы в обязательном порядке включают управление талантами – наем сотрудников с новыми компетенциями и развитие уже работающего персонала. Помимо этого ИТ-системы должны отвечать требованиям специалистов по обработке и хранению данных. И наконец, сами данные, которые должны быть полезны, значимы и достаточны для обработки.

Особый путь

При внедрении ИИ компании часто помнят лишь о технологических аспектах проекта. Отличие России – эта проблема не так критична, как для остального мира в силу мощной математической школы. Наши слабые места – невыстроенные процессы в организации, в том числе отсутствие правильной системы верификации моделей или процесса переобучения ранее построенных моделей. А культурный аспект – готовность персонала компании принимать новое, использовать подход test and learn – и вовсе зачастую становится неразрешимой задачей. Хорошей практикой в типичном российском случае, как показывают уже реализованные программы, является реализация нескольких небольших модельных проектов перед полномасштабным развертыванием программы. Это снижает у менеджмента страх неудачи, у персонала – недоверие к новому инструментарию.

Мнения экспертов банков, финансовых и инвестиционных компаний, представленные в этой рубрике, могут не совпадать с мнением редакции и не являются офертой или рекомендацией к покупке или продаже каких-либо активов.