Спецпроекты • Партнерский материал • 9 февраля 2023
«В конечном счете это приносит пользу именно клиенту»: как и зачем банки используют искусственный интеллект
«В конечном счете это приносит пользу именно клиенту»: как и зачем банки используют искусственный интеллект
Текст: Анастасия Стаханова
Иллюстрации: Кирилл Клиппенштейн
Искусственный интеллект уже стал частью нашей повседневной жизни. Каждый день мы пользуемся самыми современными разработками, не задумываясь над тем, как это устроено. И это не только такие очевидные вещи, как поиск информации в интернете и умная лента в соцсетях. ИИ проник во многие сферы нашей жизни, в том числе и в финансовую. Сейчас банки активно используют эту технологию, чтобы общаться с клиентами и делать свои сервисы удобнее и надежнее. Inc. вместе с начальником центра технологий искусственного интеллекта Газпромбанка Аделем Валиуллиным рассказывает, как именно кредитные организации применяют ИИ и каким будет банкинг будущего.
Банковская сфера всегда стремилась использовать самые передовые разработки. Так, еще в 50-х годах банки начали использовать специальные математические модели для кредитного скоринга, или оценки кредитоспособности клиентов. К 80-м годам технологии шагнули вперед и появились компьютеры с системами, позволяющими решать финансовые задачи. Тогда банки начали использовать их, например, для анализа и предсказания динамики промышленного индекса Доу Джонса и определения оптимальной инвестиционной стратегии.
Спустя 70 лет после того, как финансисты заинтересовались математическими моделями, банки повсеместно применяют в своей деятельности алгоритмы ИИ, анализируя данные и прогнозируя риски.
«Искусственный интеллект — очень широкое понятие. Сегодня его принято разделять на два больших направления. Первое — General AI (или общий ИИ). Это как раз то, о чем снимают фильмы о будущем вроде „Матрицы“ и „Терминатора“: некий сверхразум, который самостоятельно генерирует задачи и сам же их решает. Но к такому наука пока еще не пришла — хотя активно двигается к этому и, по разным оценкам, достигнет цели примерно через 30–40 лет. Второе направление — специализированный искусственный интеллект (или „слабый“ ИИ). Как раз он и применяется сегодня в различных задачах», — пояснил Адель Валиуллин.
В данном случае речь идет о технологиях, с помощью которых компании решают отдельные задачи в узкой области. И когда сегодня специалисты произносят фразу «искусственный интеллект», на самом деле они говорят именно о специализированном ИИ.
Здравствуйте, вам одобрен кредит
Как уже говорилось, банки, и в частности Газпромбанк, активно развивают и применяют технологии искусственного интеллекта в различных направлениях бизнеса. Одна из главных и сложных задач — управление рисками. Кредитные скоринговые системы, или системы оценки кредитоспособности, стали одним из ключевых инструментов для управления риском в банковской сфере.
Посмотрим, как работает скоринг с использованием ИИ в розничном банкинге:
1
клиент заполняет заявку на один из кредитных продуктов (потребительский кредит, кредитная карта, автокредит или ипотека);
2
данные клиента обогащаются различными источниками (кредитной историей, трансакционной активностью, активностью по банковским продуктам и др.), и генерируются различные статистические признаки;
3
обученная ИИ модель получает на вход обогащенные данные клиента и на выходе формирует решение по выдаче кредита.
Как уже говорилось, банки, и в частности Газпромбанк, активно развивают и применяют технологии искусственного интеллекта в различных направлениях бизнеса. Одна из главных и сложных задач — управление рисками. Кредитные скоринговые системы, или системы оценки кредитоспособности, стали одним из ключевых инструментов для управления риском в банковской сфере.
Посмотрим, как работает скоринг с использованием ИИ в розничном банкинге:
1
клиент заполняет заявку на один из кредитных продуктов (потребительский кредит, кредитная карта, автокредит или ипотека);
2
данные клиента обогащаются различными источниками (кредитной историей, трансакционной активностью, активностью по банковским продуктам и др.), и генерируются различные статистические признаки;
3
обученная ИИ модель получает на вход обогащенные данные клиента и на выходе формирует решение по выдаче кредита.
Универсальной системы кредитного скоринга нет, каждый банк самостоятельно создает ИИ-модели для выполнения этой задачи. Для обучения необходим тренировочный набор данных, например исторические данные по кредитам, которые выдавал банк в последние несколько лет, и выплаты или просрочки по ним.
При обучении на сотнях тысяч исторических заявок ИИ-модель выявляет различные линейные и более сложные, нелинейные закономерности в данных, что позволяет с высокой точностью предсказывать вероятность дефолта по новым заявкам.
Чем точнее полученная модель, тем качественнее происходит разделение «хороших» и «плохих» заявок. И это позволяет банку выдавать больше кредитов при оптимальном уровне риска, что приносит дополнительную прибыль. Поэтому банки стремятся к тому, чтобы разрабатывать все более точные модели для решения задачи кредитного скоринга.
Задача со звездочкой
Кредитным скорингом работа ИИ не ограничивается. Еще один глобальный вызов для ИИ — это задача антифрода, или распознавание и противодействие мошенничеству. И здесь современные ИИ-модели также позволяют эффективно решать задачу.
Газпромбанк разделяет мошенничество на два вида: заявочное мошенничество (когда подается заявка на кредит без намерения его выплачивать) и трансакционное мошенничество (когда у клиента происходит мошенническая трансакция). И если первая задача чем-то напоминает задачу кредитного скоринга (используются те же данные, а сама задача решается как задача бинарной классификации), то вторая сильно отличается данными, которые подвергаются анализу, и также имеет некоторые дополнительные сложности при решении.
Задача распознавания трансакционного мошенничества имеет дополнительные сложности.
— Объем данных
Для обучения модели используются трансакции клиентов банка, размер этих данных на несколько порядков выше размера данных в задаче кредитного скоринга.
— Вычислительная сложность признаков для модели
Для обучения модели генерируются различные статистические признаки по трансакционной активности клиента (средние суммы трансакций по категориям в различных исторических разрезах (3/6/12 мес.), средние, минимальные и максимальные значения и сотни других признаков).
— Сильный дисбаланс классов
Мошеннические события составляют очень малый процент относительно общей массы трансакций — менее одной тысячной процента.
Банк постоянно должен поддерживать высокое качество модели, чтобы максимально уменьшить количество ложных срабатываний. Поскольку ошибочные приостановки операций при оплатах приносят ощутимый дискомфорт клиентам.
В Газпромбанке такие модели сейчас позволяют с высокой точностью распознавать мошеннические трансакции и минимизировать ложные срабатывания, что в конечном счете позволяет сберечь денежные средства клиентов.
Межбанковская гонка
Почему кредитные организации оказались в авангарде развития технологий ИИ? По двум причинам: первая — банковская среда сегодня крайне высоко конкурентна. Кроме того, помимо соперничества друг с другом, традиционным кредитным организациям в наши дни приходится конкурировать еще и с необанками и технологическими компаниями. Вторая причина повсеместного внедрения искусственного интеллекта во многие бизнес-процессы внутри традиционных банков — технологии позволяют им получить дополнительную прибыль.
Согласно прошлогоднему исследованию McKinsey, искусственный интеллект может ежегодно приносить до $1 трлн дополнительной стоимости в глобальном банковском деле.
«Банковская отрасль — это коммерческая сфера, которая ставит перед собой задачи повысить эффективность бизнеса и заработать больше денег для акционеров. Если в компании процессы неэффективны, то она становится неконкурентоспособной и не может предложить клиенту рыночные условия. В результате тот уходит в другие банки, которые работают лучше. Искусственный интеллект помогает этого не допустить», — сказал Адель Валиуллин.
Таким образом, внедрение ИИ в банках выгодно и клиентам кредитных учреждений. Например, уже упомянутая задача скоринга, которая помогает банку определять ненадежных заемщиков, с другой стороны — позволяет кредитоспособным клиентам получать необходимые им займы быстрее и на лучших условия. Кроме того, ИИ повышает комфорт клиента во взаимодействии с его банком. И это не только использование текстовых и голосовых помощников. Модели на основе ИИ, созданные Газпромбанком, позволяют лучше понять потребности и предпочтения клиентов. Например, они определяют в какое время и в каком канале клиенту удобнее всего взаимодействовать и получать рекомендации по продуктам банка.
Банкинг будущего
Хотя сейчас искусственный интеллект уже широко применяется в финансовой отрасли, перед банками стоит еще много сложных и масштабных задач, для решения которых будет привлечен ИИ. В случае с Газпромбанком — это интеграция технологии в финансовые сервисы для того, чтобы делать клиентам персонализированные предложения.
Вероятно, уже в скором будущем значительная часть процессов в банках будет происходить без участия человека.
«Повсеместное внедрение ИИ уже идет, растет уровень автоматизации бизнес-процессов и повышение эффективности банка в целом, и этот вектор изменений будет расти и дальше. Лет через 5-10 банки будут максимально автоматизированы и технологии ИИ будут задействованы абсолютно во всех банковских процессах», — сказал Адель Валиуллин.
