Как искусственный интеллект меняет рынок финансовых услуг

В 2022 г. генеративный искусственный интеллект (ИИ) совершил скачок в развитии – вышла модель ChatGPT-3.5, получившая огромное общественное внимание: удобный сервис с низкой стоимостью расширил спектр задач, к которым можно применять ИИ без специального обучения. А уже в марте 2023 г. появилась новая модель – ChatGPT-4, которая была на два порядка больше своей предшественницы и содержала около 100 трлн параметров. Однако финансовые организации, как обладатели большого количества важных данных, начали эксперименты с ИИ на основе машинного обучения еще в 1980-х гг., а в 2010-х уже широко внедряли соответствующие инструменты. Появление новых генеративных ИИ только придало этому тренду дополнительный импульс. «Ведомости&» попросили экспертов и участников рынка рассказать о современных способах использования всех видов ИИ в финансах, а также поделиться прогнозами развития отрасли и сложностями, с которыми сталкивается технология.

Персональный помощник с интеллектом

Один из трендов в развитии ИИ для финансового сектора – это гиперперсонализация и человекоцентричность, когда продукт максимально адаптируется под потребности конкретного человека, считает генеральный директор Ассоциации «ФинТех» Максим Григорьев. Например, ИИ или рекомендательные системы подсказывают агенту дополнительные продукты, которые были бы интересны клиенту, поясняет директор департамента машинного обучения и работы с данными «Альфастрахования» Александр Логачев. Они учитывают как особенности клиента (его демографические данные, предпочтения и историю взаимодействия с компанией), так и специфику продаж агента.

Тенденция персонализации будет только усиливаться. «Генеративный ИИ может глубже погрузиться в контекст клиента и разговаривать с ним на его языке, делая каждую коммуникацию с клиентом уникальной и созданной исключительно для него», – рассказывает лидер направления «Данные» в банке «Точка» Галина Вакулина.

Технологии речевой аналитики позволяют лучше понимать потребности и эмоциональное состояние клиентов. Они анализируют их взаимодействие в контактных центрах и чатах, что позволяет более точно настраивать продуктовые предложения и клиентское обслуживание, добавляет Марина Ляшенко из Страхового дома ВСК.

В банке ВТБ наибольшие перспективы видят в объединении данных – концепции Data Fusion. Чем больше тот или иной бизнес знает о своем клиенте, тем более качественную услугу он может ему оказать, причем эта услуга будет оказана в наиболее оптимальное время, и финансовый сектор здесь не исключение, отмечает представитель банка.

Автоматический риск-менеджер

С помощью методов ИИ можно проанализировать кредитные данные о конкретном клиенте банка, например историю платежей, общую кредитную нагрузку, уровень дохода и т. д., объясняет Александр Попов, заведующий лабораторией нейронных систем и глубокого обучения МФТИ. Кроме того, ИИ принимает во внимание дополнительные факторы, влияющие на кредитоспособность, вплоть до данных Росстата о социальных условиях в конкретном регионе.

Росбанк уже активно внедряет технологии ИИ для оценки кредитоспособности клиентов, что позволяет расширить доступ к кредитам и улучшить точность анализа рисков, рассказывает директор департамента централизованного управления данными Росбанка Максим Травин.

Генеративный ИИ позволяет создавать более точные модели анализа рисков путем обработки больших объемов данных и выявления скрытых закономерностей. «Это способствует более обоснованным и оперативным решениям, что особенно важно в условиях высокой волатильности рынка. Такие технологии позволяют банкам более эффективно управлять кредитными рисками и улучшать прогнозирование дефолтов», – отметили в Россельхозбанке.

Дмитрий Удод, директор Центра развития искусственного интеллекта компании «Ингосстрах», указывает, что для задач анализа страховых рисков и принятия решений используются методы машинного обучения. В Центре развития ИИ «Ингосстраха» также разрабатываются генеративные модели для антифрода (борьбы с мошенничеством. – «Ведомости&»). «Суть данных моделей – попытаться методами распознавания текста и изображений определить, является клиент мошенником или нет. Например, при обращении клиента к нам с подозрительными параметрами нейронная сеть способна по определенным свойствам выявить этот факт и предварительно сообщить, является ли данный клиент подозрительным», – говорит Удод. Другой пример – оценка ущерба по фотографиям с места ДТП. «Генеративный ИИ при должном уровне его обучения способен распознать тяжесть происшествия», – поясняет Удод.

ИИ может использоваться для обнаружения аномалий в транзакциях, которые могут свидетельствовать о мошеннических действиях, а также для анализа паттернов поведения клиентов для выявления подозрительных операций. Реализация работы антифрод-систем в реальном времени позволяет предотвратить мошенничество до его завершения, рассказывает Травин.

ИИ может существенно помочь в оценке фактов социальной инженерии и противодействии фроду, согласен старший вице-президент по IT банка «Санкт-Петербург» Александр Рыбаков.

Лекарство от рутины

Финтех, как правило, связан с огромным количеством данных, на анализ которых у человека может уйти несколько дней или даже недель, в то время как ИИ справится с задачей за пару минут, объясняет руководитель проектов «Платформы Сфера» Вячеслав Борисов. С помощью технологии можно не только просуммировать данные, но и дополнить исследование собственными выводами: подвести краткие итоги, выделить тренды, добавляет он.

«Наиболее перспективным видится применение ИИ на участках работы, связанных с постоянно повторяющимися действиями», – соглашается Ляшенко. Это может быть любая ниша, которая требует обработки данных и документов в отраслях и бизнес-процессах.

Алексей Каширин, директор Центра продвинутой аналитики Альфа-банка, указывает, что автоматизация рутинных задач с помощью ИИ освобождает сотрудников «для выполнения более сложных и креативных задач».

Личный финансовый советник

Одним из основных направлений развития ИИ в ВТБ видят создание финансовых советников, основанных на технологиях ИИ. Они могут анализировать огромные массивы данных и предлагать пользователю оптимальные решения не только исходя из рыночной ситуации, но и с учетом анализа его возможностей и потребностей, отметил представитель банка.

«ИИ может использоваться для создания чат-ботов и виртуальных помощников, которые способны общаться с клиентами на естественном языке и предоставлять персонализированные ответы на их запросы. Такие системы могут учитывать историю взаимодействий клиента, его предпочтения и текущие финансовые потребности», – полагает Дмитрий Демидов, руководитель Лаборатории инноваций НОРБИТ (входит в группу «Ланит»).

На основе анализа регулярных расходов ИИ способен предложить клиенту варианты оптимизации бюджета или помочь в планировании крупной покупки. Если клиент часто делает импульсивные покупки, ИИ предложит стратегии для контроля расходов, приводит примеры Попов из МФТИ.

Синергия с различными базами, возможность аналитики чеков позволит давать рекомендации в том числе по покупкам тех или иных товаров с учетом определенной экономии. Либо позволит оценить, как изменение привычек покупать те или иные товары отражается на бюджете, согласен Михаил Комаров, профессор Высшей школы бизнеса НИУ ВШЭ.

Взгляд в будущее

«В будущем очень серьезный прорыв произойдет в направлении взаимодействия агентов ИИ между собой, это тесно связано с трендом «машина как клиент», – уверен Григорьев из Ассоциации «ФинТех». Прогнозируется, что агентам на основе ИИ человек будет делегировать часть задач и проблем. Взаимодействуя с такими же умными программами со стороны бизнеса, ИИ-агенты будут помогать человеку удобным и безопасным способом получать максимально адаптированные под его потребности сервисы.

«ИИ-инструменты будут становиться автономнее благодаря развитию методов и алгоритмов, позволяющих ИИ обучаться и адаптироваться к изменениям без вмешательства человека. Также будут разрабатываться алгоритмы, повышающие безопасность, конфиденциальность, надежность и этичность инструментов на базе ИИ», – прогнозирует Илья Левчук, директор департамента индустриальных ПАКов компании Fplus.

«От поиска релевантных сервисов и продуктов из числа уже существующих мы сможем перейти к созданию новых, уникальных предложений для каждого клиента «на лету», подобно тому как в дополнение к поиску информации, уже присутствующей в интернете, генеративный ИИ может помочь в синтезе нового контента, оптимизированного под запрос конкретного пользователя», – прогнозирует Попов.

По мере накопления данных о клиентах финансовые организации смогут создавать их точные цифровые модели и профили – цифровых двойников. Демидов из НОРБИТ уверен, что цифровые двойники позволят моделировать реакцию клиентов на новые продукты и услуги. «Возможность создания на основе больших объемов данных цифровых моделей клиентов (DToC, digital twin of customer) позволит не только симулировать поведение клиента в типичных сценариях, но и прогнозировать различные варианты его поведения в зависимости от состава пакета услуг и их стоимости», – поясняет он.

Банки все чаще будут выделять работу с ИИ в отдельные центры компетенций и центры экспертизы ИИ. «McKinsey в своем докладе «Будущее ИИ в банковской сфере» отмечает тренд на централизацию функций, связанных с экспертизой в ИИ и разработкой ИИ-решений, в рамках единого подразделения, так как подобная организационная структура позволяет финансовым организациям быстрее реализовывать и внедрять ИИ-сценарии», – отмечает старший преподаватель Центра прикладного искусственного интеллекта «Сколтеха» Алексей Зайцев.

Необходимо создавать специализированную инфраструктуру по разработке решений ИИ, считает директор дивизиона искусственного интеллекта Yadro Кирилл Корняков. «Подобно тому как практически все финансовые организации ранее создали собственные подразделения по разработке ПО, теперь стоит задача создания аналогичных подразделений, но уже в отношении ИИ. Это то, что называется MLOps – Machine Learning Operations, программно-аппаратные инфраструктуры, позволяющие построить полный цикл создания ИИ-решений, от сбора и разметки данных до развертывания и мониторинга исполняемых моделей ИИ», – поясняет он.

Проблемы и решения

Использование ИИ в финансовом секторе порождает ряд этических проблем, например вопросы конфиденциальности данных, прозрачности алгоритмов и недопущения дискриминации. «Решение этих вопросов требует разработки строгих стандартов и нормативных актов, а также использования технологий объяснимого, или интерпретируемого, ИИ (Explainable AI), которые позволяют понять логику принятия решений алгоритмами», – считают в Россельхозбанке.

«ИИ дает ответ, но почему именно такой, не объясняет. Устранить проблему можно с помощью добавления в ответ факторов, повлиявших на принятое решение», – соглашается директор по развитию бизнеса компании «Ланит – Би Пи Эм» Максим Волошинов.

Еще одна сложность использования ИИ – в проблеме ответственности. «Условный «последний человек, который нажал на кнопку» в процессе принятия решений с использованием систем ИИ, должен нести ответственность даже в том случае, если собственно катастрофическое решение было принято ИИ», – считает Андрей Кулешов, эксперт Центра прикладных систем ИИ МФТИ. «Конечно, должны возникнуть соответствующие законодательные нормы, практика применения, цифровые компетенции и т. д. Но без разумного и адекватного контроля со стороны носителей естественного интеллекта не обойтись», – подытоживает Каширин.

Наконец, генеративный ИИ иногда способен выдавать правдоподобные, но фактически ошибочные ответы, что тоже может создавать риски в финансовой сфере. Поэтому, по мнению Вакулиной из «Точки», «при внедрении ИИ-моделей необходимы решения для проверки качества информации и фактчекинга».

Риски кибербезопасности и утечки данных – еще одна проблема. «В банковской сфере более широкое развитие ИИ осложняется высокими требованиями по информационной безопасности, которые финансовые организации обязаны соблюдать по закону. Например, некоторые данные, которые необходимы для обучения моделей ИИ, относятся к категории банковской тайны», – говорит управляющий директор Дом.РФ Николай Козак.

Необходимо использовать шифрование данных, применяемых ИИ-системами, а также проводить регулярный аудит безопасности и конфиденциальности, включая тестирование на уязвимости, дополняет Травин из Росбанка. Использование методов анонимизации данных позволит минимизировать риск утечки персональных данных, отмечает эксперт.

Безопасное и эффективное использование ИИ в финансовом секторе требует ряда регуляторных изменений, считают эксперты. Ляшенко отмечает необходимость «разработки и внедрения правил использования ИИ, включая стандарты этики, требования к защите данных, а также механизмы прозрачности и объяснимости решений, принимаемых ИИ».

Однако тут возникает опасность противоположной проблемы – излишнего регулирования. «Для развития использования ИИ в финансах нужно обеспечить свободу использования данных и прозрачность того, как такие данные используются и на их основе принимаются решения. Ограничение свободы тут ведет к технологическому отставанию», – уверен Зайцев из «Сколтеха».

Среди препятствий для более широкого внедрения ИИ в финансах эксперты также называют недостаток компетентных специалистов и ограниченные вычислительные мощности. «Последнее легко решается деньгами. А вот создание команды специалистов требует очень много времени», – говорит Демидов из НОРБИТ.

«Одно из главных препятствий – стоимость собственных разработок. Для создания большой языковой модели, адаптированной под задачи конкретной компании, требуется объемная и сложная инфраструктура данных. Это влечет существенные затраты на аппаратную часть и специалистов, которые в основном могут позволить себе только большие корпорации, лидеры рынка», – дополняет Левчук.

«Россия с точки зрения развития IТ – одна из передовых мировых держав. Чтобы ускорить темпы цифровизации как в финансовой сфере, так и в других, нужно больше квалифицированных кадров и вычислительных мощностей, особенно специализированных на ИИ, таких как GPU (графические видеоускорители, применяемые также для обучения моделей ИИ. – «Ведомости&»)», – подытожили в Россельхозбанке. &