Еще до пандемии аналитики Gartner выяснили, что 27% финансовых организаций ожидают внедрения той или иной формы искусственного интеллекта или машинного обучения, а половина респондентов – прогнозной аналитики в 2020 году. Судя по ускорившимся темпам развития этих технологий во времена, когда лучше делать всё автоматизированными средствами, на искусственный интеллект перешел значительно больший процент компаний из финсектора.

В целом использование ИИ во всех организациях финансовой сферы можно сгруппировать по нескольким группам, в том числе, в зависимости от того, где этим интеллектом автоматизируется бизнес-процесс – во фронт-офисе, работающем с клиентами, или в бэк-офисных, вспомогательных подразделениях.

На переднем краю работы с клиентами финансовые компании используют AI для сканирования лиц для проведения транзакций, анализа мимики при выдаче кредитов, создания чатботов, виртуальных ассистентов, и роботов, работающих в отделениях банков. Сдвигаясь во внутренние бизнес-процессы, можно говорить о помощи AI при биометрии для аутентификации, выявлении нарушений или кибер-атаках, сканировании и обработки документов и анализа операций в режиме реального времени для мониторинга рисков.

Разработчики, которые предлагают на рынке готовые решения на базе искусственного интеллекта для финансовой индустрии, согласно исследованию аналитической группы Emero, больше всего предлагают системы для предотвращения нарушений и информационной безопасности, управления рисками, следования регулирующим нормам (комплаенса). Всего по 10% решений приходятся на работу с клиентами, выдачу кредитов и займов и управление капиталом.

Итак, кто всем этим пользуется? В первую очередь, банки. Высокая конкуренция на рынке и снижение нормы прибыли заставляют банки во всех странах мира искать новые способы повышения эффективности. Многим кажется, и не без основания, что волшебной палочкой может стать искусственный интеллект. Каким-то банкам он уже дает более чем двукратное ускорение среднегодовых темпов роста выручки (CAGR), другим – дополнительный центр прибыли. Ведь крупные банки, в том числе и в России, продают собранные и обработанные данные другим компаниям, а также предлагают услуги по созданию решений на базе ИИ сторонним организациям.

По данным McKinsey, еще год назад 80% крупных банков в мире применяли технологию AI. В России же, с одной стороны, тенденция та же – проекты по внедрению ИИ стоят на повестке дня у руководителей 50% российских банков. А, с другой, менее 7% российских банков способны в полной мере использовать возможности ИИ в анализе данных.

Тем не менее, есть мнение, что передовые российские банки ушли далеко вперед от своих европейских и даже североамериканских коллег. Еще три года назад, в 2018-м, десять российских банков начали использовать алгоритмы, отвечающие за кибербезопасность данных, для выявления мошенничества еще до того, как оно произойдет, и проверки транзакции всех портфелей банка. Сейчас, к примеру, алгоритмы Сбера выносят решение о выдаче кредитов физлицам в 98% случаев, юрлицам – до 30%.

Банки вводят роботов-коллекторов, которые звонят клиентам с небольшой задолженностью. И автоматизация приносит свои плоды: передав роботам всего семь операций, Альфа-банк сэкономил за первые полгода 20 млн руб.

Росбанк в 2020 году внедрил систему ИИ от Smart Engines для обработки документов, необходимых для формирования клиентского досье. Интегрированные технологии распознавания позволяют в автоматическом режиме обрабатывать и вносить данные клиентов при открытии счетов и совершении банковских операций, где требуется подтверждение личности. Искусственный интеллект за 2 секунды распознает более 70 реквизитов со сканов и фотографий документов по каждому клиенту и выполняет порядка 15 автоматических проверок данных.

Банк Хоум Кредит с помощью ИИ персонализирует предложения продуктов в зависимости от предпочтений клиента. А результаты использования ИИ в чат-ботах и голосовых помощниках показали, что 91% клиентов не обращаются в колл-центр банка в течение суток после консультации с ботом. Что означает, что ответ, полученный от бота, их устроил.

ПСБ использует технологию ИИ в трех основных направлениях: риск-менеджменте, сегменте малого и среднего бизнеса и в рознице. В риск-менеджменте ИИ помогает предотвратить мошенничество, в SMB и рознице с помощью искусственного интеллекта решаются задачи повышения конверсии продаж за счет моделирования предпочтений клиентов и систем прогнозирования.

В другом направлении работы финансовых организаций - в страховании – разброс решений на базе ИИ еще шире. Важная сфера, где страховые применяют эти технологии – во время первого этапа работы, оформления страхового полиса и подбора тарифа.

Страховые компании используют алгоритмический анализ для прогнозирования вероятности наступления страхового случая у конкретного клиента до оформления полиса. Особенно это популярно в области автострахования, так как очень важно иметь большое количество данных, для того чтобы система могла выдать адекватный вариант. А в автостраховании нет недостатка ни в количестве оформленных полисов, ни в объеме страховых случаев для анализа.

Далее — применение машинного обучения в ценообразовании по скоринговой модели. В классической модели ценообразование, в том же автостраховании, например, рассчитывается в зависимости от количества проблемных и беспроблемных клиентов. Однако новые технологии позволяют анализировать телематические данных, получаемые от установленных в застрахованных автомобилях специальных комплексов. То есть телематика собирает реальные эксплуатационные факторы в виде понятных данных: соблюдение скоростного режима, резкие разгоны и торможения, эксплуатация автомобиля в ночное время, пробег и общее время езды. И в результате, есть возможность давать значительные скидки более спокойным или менее активным водителям. И всё это без риска для прибыли страховой.

Мне сначала показалось, что мало кто захочет устанавливать на свою машину какой-то специальный комплекс, но оказывается подобное решение уже давно распространено в Европе и США. А в России его применяет «Тинькофф Страхование», «Альфастрахование», «Ингосстрах» и «Росгосстрах».

Искусственный интеллект решает и еще одну головную боль страховщиков, а именно, отсеивает мошенников до оформления страхового полиса. Системы кредитного скоринга досконально изучают информацию о клиенте, рейтинги платежеспособности, историю в социальных сетях и прочее, и составляет оценку благонадежности конкретной персоны. Плохая оценка – и никакого тебе кредита.

Этап по урегулированию страховых случаев благодаря ИИ также упрощается. Кроме очевидного потенциала по автоматизации учета документов, машинная сверка поможет обезопасить страховую от мошенников.

И кстати определение характера и объема повреждений автомобиля по фотографии — еще одна возможность применения ИИ. Например, крупная китайская страховая компания Ping An Insurance именно для этого использует ИИ. Они говорят, что за счет этого на 3% ниже среднерыночного показателя держат коэффициент убыточности компании. Что с учетом масштаба Ping An очень неплохой результат.

Не будем, наверно, говорить о работе страховых с клиентами с помощью искусственного интеллекта, так как кейсы эти похожи на customer service в других отраслях. Вместо этого упомяну лишь один кейс. Недавно в России появилась онлайн-платформа Mafin, которая предоставляет персонализированное КАСКО и ОСАГО. При этом весь механизм работы платформы построен на базе ИИ и использовании Больших Данных.

Алгоритм Mafin анализирует значительно больше показателей, чем классическая андеррайтинговая модель (70 против 20), и учитывает взаимосвязи между ними, что позволяет максимально точно оценить реальные риски каждого конкретного страхователя. Все документы оформляются онлайн за полчаса через диалоговое окно, нужно только прислать данные или фотографии документов. Умная система сама «подтянет» информацию из сети и выдаст оптимальное предложение.

Двигаемся дальше: что у нас происходит с AI в лизинге. В целом всё то же самое. Опять же пропустим обычные кейсы – проверка будущих клиентов с помощью системы клиентских рисков, работа с клиентами через чатботов и голосовых помощников.

Расскажу лишь пару кейсов. Deloitte использует технологии машинного обучения от канадской Kira Systems, благодаря которым анализирует лизинговые договоры, сокращая временные затраты на проверку на треть. В России пару лет назад «Контрол Лизинг» объявила об использовании решение на базе машинного обучения, которое в реальном времени регистрирует отклонения в поведении водителей. В автоматическом режиме отслеживаются случаи опасного вождения, потенциальные угоны и нарушения условий договора лизинга. Система с точностью различает типовые и нетиповые действия, умеет отличать временные изменения в поведении от характерного стиля вождения.

Последняя область работы финансовых организаций – это инвестиционных компании и фонды. У них возможности ИИ лучше всего проявляются в автоматизации инвестиционных исследований и формировании персонализированных торговых предложений.

Автоматизация инвестиционных исследований важна, так как анализ рынка крайне значим для торговли. Трейдеры тратят большое количество времени на сбор и анализ финансовых событий и новостей. В их числе годовые финансовые отчеты компаний, информация о доходах, презентации инвесторов, тенденции торговли, новости, сообщения в социальных сетях и пресс-релизы.

Инструменты AI можно использовать для сокращения времени на процесс исследования инвестиций, например, путем автоматического сканирования источников поступлений денег. Машина выполняет эту задачу в таких объемах, которые невозможны для человека. Кроме того, операционное время и затраты, связанные с проведением такого исследования человеком, приводят к снижению общей доходности. ИИ также способен выявить благоприятную торговую возможность, которую трейдер не заметил бы из-за масштабности всей задачи.

Еще один блок - персонализированная информация о рынке. Существующие торговые платформы редко персонализированы, поэтому в сравнении с институциональным инвестором (юридическим лицом) частный явно проигрывает. ИИ помогает инвестиционным банкам формировать для трейдеров персонализированные торговые предложения и дает возможность отследить действия по предыдущим операциям, идентифицирует операции по купле или продаже, которые привели к финансовым потерям в прошлом.

Для каждого участника процесса искусственный интеллект разрабатывает профиль с учетом их торговых предпочтений, внутренних данных банка и информации из социальных сетей. В нужный момент система AI предоставляет информацию клиенту, например, предлагает ордер на покупку акций конкретной компании и объясняет, почему сделано такое предложение. И такое происходит не только в международных банках, но и вашем мобильном приложении «Инвестиции», которые появились практически у всех российских банков.

В любом случае, где бы ни использовался искусственный интеллект в финансовой сфере, он работает для того, чтобы наши финансовые операции становились более прозрачными и безопасными. В конце концов, лучший банкир – бесстрастный банкир. А кто может быть бесстрастнее робота?

Источник: TAdviser