USD: USD: ₽74.04 +0.16% Bitcoin: BTC: $49 815.17 -12.46% Ethereum: ETH: $3 782.48 -11.90% Ripple: XRP: $1.29 -13.12% Binance Coin: $589.24 -11.91% Litecoin: $315.14 -17.89%
Искусственный интеллект

Искусственный интеллект в банковском секторе: плюсы и минусы

Так называемый «Искусственный интеллект» (ИИ) добрался до самых труднодоступных сфер и, конечно же, пустил корни в банковском секторе. Солидный кусок функционала был переброшен с плеч живых работников на чат-боты, системы робоэдвайзинга и противодействия мошенникам (Антифрод), машинное обучение, Интернет вещей и другие технологии. Все они давно появились на рынке, и у аналитиков успело сложиться впечатление об этих новшествах, поэтому в данной статье мы постараемся как можно точнее взвесить плюсы и минусы искусственного интеллекта в банковском секторе, не погружаясь в технологические недра каждого «робота».

Чат-боты, нейросети и другие явные преимущества ИИ

Если преимущество чат-ботов и виртуальных помощников очевидно, так как они позволяют в круглосуточном режиме использовать банковские услуги, не дожидаясь ответа человека, то с другими аспектами стоит разобраться детальнее.

Безопасность

ИИ научился анализировать данные транзакций и ловко распознавать мошеннические действия. Алгоритмы определяют закономерности, выявляют подозрительные активности, банальные ошибки и даже террористические следы, а за счет машинного обучения технология совершенствуется и обновляется.

Одной из классических схем поведения «Антифрода» является проверка авторизации в социальной сети, к примеру, Facebook, затем осуществляется оценка размера платежа, устройства ввода и других параметров, после чего происходит одобрение или отклонение. При этом не исключена и более сложная, комплексная проверка данных с последующим машинным обучением.

Помимо прочего, ИИ оценивает андеррайтинг (анализ уровня платежеспособности потенциального клиента), параллельно взвешивает риски по портфелям и контролирует операции, похожие на отмыв средств (AML – anti-money laundering). Кредитные риски, в свою очередь, базируются на IRB-подходе, который использует внутренние рейтинги самих банков.

Маркетинг

Естественно, ИИ и нейросети в состоянии позаботиться не только о безопасности операций, но еще и преуспеть в маркетинге. Опираясь на профиль, запросы и другие действия пользователя (KYC – знай своего клиента), ИИ выдает персонализированные предложения, будь то увеличенные мили для путешественников, внушительный кэшбек любителям суши, особая «кредитка» – что угодно. Ярчайшим представителем KYC является технологий открытия счетов через «селфи» (подробнее), впервые опробованная британским банком NatWest.

В секторах B2C и B2B вдогонку идет контроль за тем, как пользователи тратят деньги, чтобы давать потребительские советы, подбирать лучшее предложение, может быть, посоветовать физическому лицу оформить надежную копилку, либо завести виртуальную карту, если, к примеру, человек активно совершает покупки на eBay, дабы подстраховать его на случай недобросовестных продавцов.

Документооборот

Банковская деятельность всегда была сопряжена с безумным документооборотом и миллионами верификаций. Когда подобные действия требовали исключительно бумажного подхода, совмещенного с человеческим фактором, возникало множество проблем, глупых ошибок и возмущений со стороны защитников окружающей среды. Эта гремучая смесь, в свою очередь, порождала дополнительные операционные расходы и риски, следовательно, внедрение современного программного обеспечения, имитирующего своими функциями поведение людей, роботизированной автоматизации процессов, обработки естественного языка и прочих интеллектуальных инструментов позволило банкам (отчасти) сэкономить и радикально снизить количество ошибок «сотрудников не в настроении».

Аудит

С приходом ИИ расширились и рамки аудита – проведение оценки на основании расчета многочисленных факторов стало реальной задачей для цифровых мощностей банковского сектора. Например, Due Diligence (процедура составления объективного представления об объекте инвестирования) прекрасно адаптировался под нейронные сети. Также это способствовало освобождению внушительного человеческого ресурса для использования в других задачах, где ИИ пока не всесилен.

Торговля

Правда, глядя за тем, как развиваются вычислительные финансы (помните фильм «Игра на понижение»?), как эволюционируют инвестиционные модели, как «парсятся» Twitter-аккаунты мировых лидеров, дабы контролировать колебания ценных бумаг, сомнения во всесильности понемногу сходят на нет. Швейцарский UBS и голландский ING, используют системы искусственного интеллекта для поиска на рынках перспективных инвестиционных возможностей и информирования своих систем алгоритмической торговли, что освобождает примерно 80% людской силы.

Сейчас практически каждый клиент известного банка может похвастаться цифровым брокером, а уж если затрагивать аналитические способности моделей и способность к прогнозированию, то будет ясно, почему вокруг столько шумихи насчет Python (хотя подойдут и другие языки программирования). Для сравнения, из 600 трейдеров в Goldman Sachs U.S. на момент 2000 года только двое добралось до 2017-го.

Темная сторона ИИ – возможные недостатки

Но у всего есть обратная сторона, и в тени искусственного интеллекта, глобальной цифровизации скрывается несколько противоречий.

Опираясь на данные Business Insider, можно констатировать, что 75% респондентов в банках с активами более $100 млрд уже внедряют ИИ, но среди банков с активами менее $100 млрд показатель находится на отметке 46%.

И сомнения некоторых банков зиждутся на следующих факторах:

  1. Самое главное – это безопасность. Решив уходить в «облака», вам нужно быть уверенным в поставщике услуг, в серверном сообщении, в обслуживании сетевой инфраструктуры и дальнейшем обновлении.

    Ошибки, отказы в авторизации или в проведении транзакций могут быть еще меньшим злом, по сравнению с глобальной утечкой данных. Компромиссы по выстраиванию достойной защиты – исключены, и вектор на облачные технологии обяжет вас радикально изменить структуру компании.

    Подробный отчет об угрозах был опубликован компанией Netwrix, в котором наглядно отображены как непосредственные опасные зоны, к примеру, похищение интеллектуальной собственности, утечки данных, системные сбои, так и факторы, ответственные за происшествия с плохой «цифровой» инфраструктурой, DDoS, внутренним саботажем и многое другое.

  2. Второй неоднозначный минус использования ИИ – стоимость внедрения и содержания. Как и в случае с Data Science, необходимо взвешивать масштабы предприятия (банка), потенциальную выгоду и расходы на функционирование подобных отделов.

  3. Наконец, отбросив дороговизну всех мероприятий, связанных с ИИ и сотоварищами, а также опасность взлома и утечки данных, мы столкнемся с так называемой «проблемой профсоюзов» – повышением уровня безработицы, что, к сожалению, является известным побочным эффектом технологического прогресса.

Выводы

В итоге от внедрения ИИ, машинного обучения и облачных вычислений мы получим больше плюсов, нежели минусов. По большому счету, чтобы в реальных условиях всегда находиться в выигрыше, вам необходимо опираться на следующие аспекты:

  • масштаб банка;
  • четкая и налаженная структура между отделами, способствующая внедрению облачных вычислений, Big Data и механизмов ИИ для анализа и хранения данных;
  • выбор надежного поставщика услуг, в том числе на серверной стороне, дабы избежать утечки данных и взломов;
  • численность штата сотрудников;
  • оценка затрат на развертывание и содержание ИИ, а также (вопрос совести) решение проблем с потенциально безработными кадрами, которых заменят машины.

Одним словом, все будет зависеть от того, как будет выстроена данная инфраструктура, в банке какого калибра (бюджета) и как в дальнейшем будет осуществляться ее обслуживание и обучение.

Комментарии в TelegramКомментарии в ВКонтактеКомментарии в Facebook
Интервью
Другая информация
Финансы и технологии
Кредиты и займы
Финансы и технологии
Финансовая грамотность