ИИ-дизрапшн

В июне 2019 года ассоциация ACCA (Association of Chartered Certified Accountants) и международная сеть PwC (PricewaterhouseCoopers) представили исследование «Финансы: путешествие в будущее?» (Finance: a journey to the future?). Для осмысления путей развития финансовой отрасли в связи с вторжением в область ее компетенций искусственного интеллекта и машинного обучения специалистам было представлено шесть гипотез о будущем финансовой сферы для оценки их вероятности.

Чуть больше трети респондентов (34%) согласились с тем, что финансовые и операционные данные объединятся в единую унифицированную модель, а динамическое моделирование с использованием ИИ заменит существующие процессы планирования, бюджетирования и прогнозирования. Менее трети опрощенных (29%) посчитали, что надежные данные для эффективного принятия решений в реальном времени уже сегодня доступны в масштабах организации. Четверть респондентов считают, что автоматизация рутинных процессов позволит финотделам тратить время только на генерацию идей, что даст возможность перейти от контроля за соблюдением требований к инсайт-ориентированному фокусу. В обозримом будущем финансовая отчетность уступит место самостоятельному представлению данных и запросов, а финансовые подразделения сконцентрируют внимание на внешних задачах и выявлении сбоев, но 47% респондентов думают, что такой переход случится через пять — десять лет. Многие посчитали ошибочным игнорирование релевантности исторических данных.

В ответ на гипотезу о том, что традиционные финансовые обязанности исчезнут и необходимо будет создавать новые должности и пути развития карьеры, 22% респондентов заявили, что процесс формирования новых ролей и навыков для оказания поддержки в финансовом сообществе идет медленнее, чем ожидалось (46% считают, что это будет достигнуто через пять — десять лет). Многие согласились с тем, что финансовые компетенции все чаще выходят за рамки традиционных финотделов и распространяются на всю организацию (финансовая функция «виртуализируется» и в дальнейшем не будет привязана к конкретному департаменту), хотя 35% полагают, что такие изменения не произойдут в ближайшие пять — десять лет.

Половина респондентов согласились с тем, что роль финансового директора претерпит изменения, но разошлась во мнении относительно того, насколько сильно она будет трансформирована. Роль традиционного финдиректора заменится главным операционным директором (COO) либо главным директором по стратегии (CSO).

В целом, эксперты пришли к выводу, что в эпоху цифровой трансформации финансовая деятельность претерпевает самые большие изменения. Функции, которые финансовые отделы выполняют в компаниях, должны эволюционировать и трансформироваться в соответствии с теми целями, к которым стремится бизнес. Чтобы преодолеть изменения и сохранить свою значимость, финансовой сфере необходимо дальнейшее развитие. Компаниям требуется устойчивая управленческая и инновационная среда, где финансовая деятельность будет ставиться во главу угла будущего организации. Специалисты должны обладать широким спектром навыков, обеспечивая распределение финансовой функции по всей организации так, чтобы эти навыки были закреплены на уровнях, на которых принимаются решения и запрашиваются консультации.

Нынешний бум искусственного интеллекта стал возможен в связи с увеличением вычислительных мощностей, повышением скорости обмена информацией, наличием больших распределенных сетей, развитием технологий обработки Big Data и «Интернета вещей», а также ряда других технологических прорывов (интероперабельность данных и пр.). «Компании, работающие в сегменте b2c, используют искусственный интеллект и технологии анализа больших данных для персонализации общения с клиентом, предлагая наиболее релевантные продукты и услуги, персонифицированные программы лояльности, персональные бонусы и акции», — говорит Юлия Богачева, директор по данным и аналитике Группы QIWI.

Банки как драйверы развития ИИ

В финансовых организациях, традиционно выступающих драйверами развития технологий, ИИ уже «прописался» в достаточной степени. Среди приоритетных направлений применения технологий ИИ — системы предотвращения мошенничества и противодействия несанкционированному использованию банковских карт. Искусственный интеллект реагирует на изменения быстро и даже в ночные часы, когда бизнес не ведется. Благодаря отслеживанию аномального поведения пользователей снизился уровень финансовых преступлений.

Востребована и технология распознавания лиц клиентов при получении финансовых услуг. «Мы запустили интеллектуальную систему удаленной идентификации клиентов по фотографии, — рассказал генеральный директор финансовой онлайн-платформы Webbankir Андрей Пономарев. — ИИ сопоставляет селфи со снимком в паспорте, подтверждая, кто именно обращается за займом. При первичном обращении клиент отправляет селфи и паспорт. У 7% новых “подозрительных” клиентов платформа обязательно запрашивает эти данные. Система исключает человеческий фактор, возникающий при анализе в ручном режиме».

Искусственные нейронные системы также используются для раннего обнаружения претензий, перенаправляя их для решения сотрудникам. Руководитель дирекции информационных технологий Райффайзенбанка Никита Швецов поделился с «Б.О» сферами применения таких систем: «Искусственный интеллект применяется для автоматической обработки жалоб, в чат-боте, в CRM-системе для персонализации предложений розничных продуктов и сервисов».

В аналитическом обзоре рейтингового агентства «Эксперт РА» от 2018 год отмечено, что наибольший эффект от использования технологий ИИ в банках РФ ожидается в выявлении мошеннических транзакций, взыскании задолженности, кредитном скоринге. Предполагалась востребованность ИИ в маркетинге (в том числе при формировании индивидуальных предложений), в автоматизации работы колл-центров (чат-боты), при контроле за соблюдением Закона № 115-ФЗ, в алгоритмической торговле.

Банк Хоум Кредит уже применяет машинное обучение для оптимизации ключевых бизнес-процессов — кредитного скоринга и CRM. Сергей Герасимов, начальник отдела исследований и инноваций Банка, сообщил «Б.О.»: «Эти модели приносят прибыль. Мы экспериментируем с алгоритмами машинного обучения — uplift-моделированием и обучением с подкреплением. В фокусе внимания находятся и методы обработки неструктурированных данных — сырой звук и естественный язык. Отекстовки телефонных разговоров — своего рода новая модальность данных для лучшего понимания клиентов и оказания качественных услуг».

Многие российские финансовые компании уже применяют искусственный интеллект как в чисто банковских, так и в коммуникативных сегментах. «Мы применяем технологии для анализа коммуникации, — рассказал заместитель председателя правления банка «Веста» Алексей Федоров. — Анализ качества общения доверяют машине с автоматизированной обработкой данных. Программа считывает интонацию сотрудника, наличие слов-паразитов — это важные моменты для хода беседы и настроения клиента; эти аспекты контролируются автоматизированно. Технологии позволяют анализировать 100% звонков, и качество работы операторов колл-центра заметно возросло».

Отметим среди областей применения ИИ также алготрейдинг, управление личными финансами, робоэдвайзинг, андеррайтинг в моделях кредитного риска. «На Webbankir свыше 90% решений о займах принимается автоматически, без привлечения специалистов по андеррайтингу, что разгружает сотрудников компании и повышает точность скоринговых моделей, — поделился опытом Андрей Пономарев. — Мы стремимся сократить долю тех людей, которые отсеиваются по формальным признакам, хотя в действительности могли бы стать дисциплинированными заемщиками, и, наоборот, уменьшить процент тех, кто получил одобрение на заем, но не отдает его вовремя».

Некоторые технологии более востребованы и развиваются интенсивнее — так, коммуникативные технологии и машинное обучение использует большинство опрошенных. «Под искусственным интеллектом мы понимаем прежде всего машинное обучение, применяющееся для автоматизации обработки подаваемых документов, в корпоративном инвестиционном бизнесе, на рынках капитала для анализа поведения и ценообразования, — сказал Никита Швецов (Райффайзенбанк). — Также ИИ применяется в скоринг-моделях для принятия решений по выдаче кредитов и кредитных карт, в прогнозировании загрузки банкоматов (снижаются затраты на инкассацию и хранение наличных)».

Востребован искусственный интеллект и в различных системах защиты, а также для обработки массивов больших данных. «В виде пилотных проектов финансовые институты применяют методы анализа Big Data для получения полезных инсайтов по оптимизации процессов и увеличению продаж, — рассказал Антон Епишев, Blockchain Lead российского офиса Accenture. — В решениях на основе ИИ необходимы данные, и банки организуют для них корпоративные хранилища, на которых можно выстроить Data Science. Поверх хранилищ строятся модельные приложения, анализирующие и выявляющие полезные инсайты. После первичной обкатки модели разрабатываются прикладные приложения, решение индустриализируется, интегрируется с источниками данных — так организуется Data Supply Chain».

Искусственный интеллект позволяет организовать индивидуальный подход к любому количеству клиентов для получения ими персонифицированных предложений. Уже сегодня несложно оценить индивидуализированные кривые спроса/предложения и получить индивидуальное ценообразование. Также ИИ ограничивает последствия разрушительного поведения на рынках, восстанавливая рыночную эффективность.

Некоторые банки применяют ИИ в разнообразных отраслях своей деятельности. «Среди технологий искусственного интеллекта — машинное обучение, нейронные сети, градиентный бустинг, — сообщил Александр Клепинин, директор по технологическому развитию СКБ-банка и ДелоБанка. — Это не пилотные проекты — все используется в реальных бизнес-процессах, и количество их растет. Еще мы применяем ИИ в кредитовании, консультациях и поддержке, комплаенсе, аналитике, рекомендациях, навигации и поиске».

Полезным представляется опыт финансовых компаний, не являющихся классическими банками: они активно применяют финансово-технологические решения с ИИ. «Искусственный интеллект используется в ключевых банковских процессах — маркетинге и продажах, управлении рисками и фродом, ценообразовании, — рассказал Антон Епишев. — Роботизируются рутинные процессы во фронт-системах, применяются технологии компьютерного зрения при анализе биометрии. Когда банки увидят реальные бизнес-эффекты и поймут, что внедрение не требует больших затрат, аналитика применится в продукционных средах».

В системах моментального электронного кредитования ИИ также занимает видное место. «Суть применяемых нами решений — в анализе больших данных, — объяснил Андрей Пономарев. — Раз искусственный интеллект способен к самообучению, то чем больше данных он обработает, тем точнее прогнозы и тем лучше он распознает речь. Мы используем технологии при общении с входящими — клиенты обращаются через чат-боты на сайте или в мессенджерах. Искусственный интеллект распознает текст и отвечает на запросы, даже если клиент опечатался или говорит просторечно и с жаргонизмами».

Срок окупаемости от внедрения ИИ-технологий зависит от множества факторов: внедряющей организации и компетентности их сотрудников, сложности и актуальности решаемой проблемы, используемых бизнес-моделей

Любопытную сторону применения ИИ отметила Юлия Богачева (Группа QIWI): «В перспективе — использование специализированных устройств и алгоритмов по контролю физического состояния сотрудников, что обеспечит работоспособность инфраструктуры и безопасность. Это не только снизит риски, но и повысит эффективность».

IТ-компании, разрабатывающие технологии для банков, внедряют ИИ в свои системы, но мнения экспертов о «продвинутости» сегментов разнятся. Руководитель направления Центра компетенций по банковским технологиям компании «Техносерв» Михаил Андреянов считает, что «сегодня в банковской сфере чаще используется машинное обучение, а искусственный интеллект внедряется постепенно. Сложные интеллектуальные механизмы уже используются при вычислении мошеннических и вредоносных операций».

Владимир Ларин, директор департамента исследований и разработки в Cashoff, оценивает перспективы внедрения положительно: «Мы активно разрабатываем систему “Умных рекомендаций” для мобильного и интернет-банкинга на базе коллаборативной фильтрации. Планируем внедрение в первом квартале 2020 года. Метод используется для подготовки персонализированных рекомендаций клиентам и точечных предложений с подходящими продуктами и услугами. Такая рекомендательная система увеличивает кросс-продажи, помогая прогнозировать спрос на новые продукты».

По мнению Ольги Стаднийчук, эксперта компании СКБ Контур, изначально банки применяли ИИ при работе с физическими лицами для привлечения клиентов на зарплатные проекты. «Технология используется для анализа доходной и расходной частей счета, алгоритмы определяют потребности, персонифицируя предложение банковских услуг. Позже добавились боты, системы распознавания голоса и прочий “аудио-интеллект”. C помощью искусственного интеллекта извлекаются данные из соцсетей клиентов для “умного” таргетирования услуг».

Еще одна сфера использования, по мнению эксперта, — внутрибанковские процессы. Развитие API позволяет «добираться» до больших массивов данных, а ИИ используется в кредитном и комплаенс-скорингах. В некоторых банках, обслуживающих МСБ и физлиц, автоматически формируются предложения по кредитованию. «Отдельно скажу о комплаенс-процессах, — продолжила Ольга Стаднийчук. — Когда в октябре 2018 года ЦБ РФ выпустил рекомендацию о выявлении сомнительных онлайн-операций, многие банки не смогли освоить процесс самостоятельно в силу недостатка компетенций по построению ИИ. На рынке появились IT-решения. Так, СКБ Контур на базе машинного обучения создал алгоритм распознавания “рисковых” назначений платежа, используемый банками для онлайн-контроля теневой инкассации».

Как считает эксперт, накопление данных об операциях юрлиц позволит решать и другие задачи с помощью ИИ — этот сегмент операций находится в стадии роста. На первое место тут вышли банки, специализирующиеся на обслуживании ИП и небольших компаний, где учредитель одновременно и работник. Принципы построения сервисов те же, что и в случае с физлицами.

Сложнее обстоит дело с корпоративным сегментом. Прорыв в этой сфере может начаться на базе анализа транзакций исходя из комплаенс-потребностей по выявлению сомнительных операций. «ЦБ РФ ежегодно усложняет требования к выявлению сомнительных операций и наращивает число критериев, — отметила Ольга Стаднийчук. — Чтобы оперативно и точно принять решение, подразделению финмониторинга не обойтись без ИИ, поскольку просмотреть и изучить операции тысяч клиентов в ручном режиме нереально».

Регулирование и этика

Государственные органы и правительства в последние годы определяют пути финансирования и управления технологиями ИИ. Начиная с 2016 года КНР ускорила государственное финансирование, и ряд наблюдателей считают, что Китай с его объемом данных и ростом исследований сможет стать своего рода «сверхдержавой» в этой области.

На Западе искусственный интеллект пока официально не регулируется, но алгоритмы и персональные данные подчиняются в Евросоюзе правилам GDPR (General Data Protection Regulation). В декабре 2018 года независимые эксперты опубликовали документ, содержащий основные принципы по этике ИИ в Евросоюзе. Кроме надежности, безопасности, конфиденциальности, прозрачности и подотчетности заслуживающий доверия ИИ должен отвечать таким требованиям, как учет человеческого фактора, поддержка разнообразия и справедливого общества, отсутствие дискриминации, служение правам людей, социальное и экологическое благополучие.

В вопросах этики солидарность проявилась в дискуссии «Ответственный ИИ: каким он должен быть, чтобы принести пользу и исключить потенциальный вред для общества», проведенной Сбербанком в рамках Форума в Давосе 23 января 2020 года. Спикерам и гостям предложили ответить на вопрос: «Чего необходимо избегать при внедрении искусственного интеллекта?». 32% участников Форума сказали, что в первую очередь следует соблюдать вопросы этики, 28% отметили, что важно избегать преступлений с использованием ИИ, 16% — что важно избегать предубеждений и дискриминации, 12% — что важно избегать поведения против человека.

В Германии в 2019 году был основан Центр тестирования «Обсерватория искусственного интеллекта» (KI-Observatorium), сейчас это подразделение в Федеральном министерстве труда и социальных дел ФРГ. Работа Центра заключается в обзоре актуальных проектов в области ИИ, создании общеевропейской сети по скоординированной оценке развития этой технологии. Центр нацелен на продвижение конкурентоспособности Германии в проектах искусственного интеллекта, имеющих высокий экономический потенциал.

В России в мае 2019 года на совещании по развитию цифровой экономики было принято решение о подготовке национальной стратегии по ИИ (федеральная программа предполагает выделение на эти цели 90 млрд рублей). В октябре 2019 года Указом Президента утверждена национальная стратегия развития ИИ в РФ до 2030 года, аналитики прогнозируют рост инвестиций на 30% в год до 2023 года с конца ноября 2019-го. В РФ действует правительственная подкомиссия по искусственному интеллекту.

Компании и банки также проявляют интерес к совместному развитию рынка ИИ. Так, на ноябрьской конференции «AI Journey 2019» было заявлено, что Сбербанк, «Яндекс», Mail.ru Group, «Газпром нефть», МТС и Российский фонд прямых инвестиций (РФПИ) создают альянс для развития ИИ в Российской Федерации.

В недавно вышедшем совместном исследовании IDC и ABBYY «Рынок искусственного интеллекта в России» отмечено, что около 30% крупных компаний в РФ или уже внедрили такие технологии или запустили пилотные проекты в этой области; общий объем российского рынка по итогам 2019 года оценивается в 139,3 млн долларов.

«Сбербанк активно использует искусственный интеллект, в 2019 году дополнительные доходы от его использования составили 700 млн долларов, в следующем году эта цифра достигнет миллиарда долларов, — сказал на сессии в Давосе первый заместитель председателя правления Сбербанка Александр Ведяхин. — По оценкам специалистов, положительный эффект от внедрения искусственного интеллекта в мире может достичь 13 трлн долларов. Выгоды от внедрения этих технологий очевидны, но наш ответственный подход должен оставаться неотъемлемой частью глобального процесса».

В оценке прибыли и окупаемости с представителем Сбербанка солидарен Иван Прошин, ведущий специалист Data Science компании Bell Integrator: «Срок окупаемости от внедрения технологий зависит от множества факторов: внедряющей организации и компетентности их сотрудников, сложности и актуальности решаемой проблемы, используемых бизнес-моделей. По прогнозам, доход на каждый инвестированный в ИИ доллар составит 1,99 доллара в течение ближайших пяти лет и 2,87 доллара в течение последующих десяти лет». Также, по мнению эксперта, следует обратить внимание на то, что не все, кто инвестировал средства в ИИ, смогли извлечь выгоду. Это связано с устаревшими бизнес-моделями, которые должны модернизироваться одновременно с внедрением искусственного интеллекта.

Опросы «ближнего прицела» показывают разногласия экономистов по вопросам широкого использования искусственного интеллекта и роботов в свете возможного увеличения долгосрочной безработицы

Андрей Пономарев (онлайн-платформа Webbankir) считает, что в микрофинансовом бизнесе окупаемость довольно высока, так как оборачиваемость средств тут гораздо выше, чем в традиционном банковском кредитовании. «Мы исходим из принципа, что инвестируем в развитие систем искусственного интеллекта постепенно, по мере роста бизнеса компании. Нельзя сказать, что эти технологии сегодня столь затратны, что на окупаемость их внедрения нужны годы — речь идет скорее о месяцах», — резюмировал эксперт. Уверенное согласие выразил и Сергей Герасимов: «В Банке Хоум Кредит многие технологии давно окупились. От новых проектов по искусственному интеллекту мы также ожидаем скорой окупаемости, измеряемой месяцами».

Александр Клепинин (СКБ-банк и ДелоБанк) напомнил, что для дальнейшего развития потребуются дополнительные вложения: «Область применения технологий ИИ весьма обширна, так что сроки окупаемости зависят от конкретики. Для успешной работы искусственного интеллекта требуется много данных, которые нужно собирать и хранить, что также потребует затрат, как и на создание собственно технологий». Антон Епишев (Accenture) связывает окупаемость проектов с крупными программами развития: «Понятно, что работа с ИИ, — это пока больше изобретательско-инвестиционная деятельность, необходимо рассматривать не отдельные проекты, а целые программы, где будет некоторое количество неудач, но зато и какое-то количество больших выигрышей».

Цена последствий

Мировые эксперты отмечают, что долгосрочные последствия использования технологий ИИ не вполне ясны. Большинство согласны с тем, что в итоге внедрение ИИ принесет выгоду обществу, если прирост производительности перераспределится через социальные механизмы. Опросы «ближнего прицела» показывают разногласия экономистов по вопросам широкого использования искусственного интеллекта и роботов в свете возможного увеличения долгосрочной безработицы.

Большинство российских экспертов солидарны в том, что сегодня ИИ технологически «не догоняет» человека. Так, Алексей Федоров считает: «Пока автоматизация и искусственный интеллект не способны полностью заменить человека, хотя часть функций, в первую очередь незаметных для клиента, они могут взять на себя и эффективно с ними справляться». С ним согласен Михаил Андреянов: «Работа ИИ на данном этапе недостаточно точна. Поэтому пока “умная программа” выступает как первичный фильтр или ассистент, результат работы которого проверяется человеком».

Антон Епишев провел интересную аналогию: «Неправильно рассматривать искусственный интеллект как замену сотрудников, еще долгое время он будет скорее помощником. Удачный пример: при использовании врачом-онкологом системы компьютерного зрения для определения заболевания точность диагноза приближается к 100% — выше, чем когда врач и компьютерная диагностика работают по отдельности. Так и тут — банки не готовы полностью “аутсорсить” нечто компьютеру, и технология на сегодня — только помощник».

Часть экспертов делают упор на замену в основном рутинных функций машинными. Андрей Пономарев уверен: «Технологии освобождают людей — специалистов андеррайтинга или колл-центра — от рутинной работы, позволяя сконцентрироваться на сложных ситуациях». С ним солидарен Сергей Герасимов: «Алгоритмы работают в автоматическом режиме — ИИ способен уловить едва заметные человеку зависимости, помогая принять решение. Это позволяет избавить сотрудников от рутинной работы и предложить им более аналитическую».

Другие эксперты подмечают фактическое отсутствие специалистов, которых заменяет сегодня ИИ, увязывая внедрение технологий с повышением уровня обслуживания и появлением качественно новых услуг. «Система “Умных рекомендаций” не позиционируется как “замена сотрудникам”, потому что в банке не существует специалистов, занимающихся индивидуальным подбором рекомендаций, — пояснил Владимир Ларин. — Это тип сервиса, выгодный всем, — без побочных эффектов в виде кадровых сокращений».

Аналогию с голосовыми помощниками провел Александр Клепинин: «ИИ мы рассматриваем как технологию, позволяющую компании решать бизнес-задачи. Кого, например, заменили Siri или “Алиса”? Они позволяют людям решать задачи определенным способом. В этом ИИ не отличается от других технологий. Он позволяет иногда сократить численность персонала или ускорить процесс, а иногда — предложить клиентский опыт, которого раньше в принципе не было. По моему мнению, ИИ становится таким же распространенным инструментом, как в свое время базы данных и другие, теперь повсеместно используемые технологии».

Иван Прошин считает, что уровень развития современных интеллектуальных систем недостаточен для полной замены человека во всех функциях. Хотя многие банки по мере внедрения ИИ сокращают сотрудников, занимающихся рутинной работой, но в то же время привлекают более грамотных специалистов, использующих современные технологии при автоматизации банковских операций. Часть средств искусственного интеллекта используется как помощник, а наиболее трудоемкие операции выполняют полностью машины. Так, в Сбербанке внедрение технологий позволило заменить работу 70% менеджеров машинами. ИИ заменил сотрудников, выполнявших рутинные операции; многим из попавших под сокращение было предложено переобучиться и занять другие должности. По официальной статистике, число сотрудников Сбербанка сократилось с января 2018 года на 14 тыс. человек в масштабах всей страны (около 4,6% общего штата). По мнению Германа Грефа, к 2025 году Сбербанк сократит штат на 50% — этих сотрудников заменят искусственный интеллект и средства автоматизации.

Никита Швецов увязал окупаемость со стоимостью разработок и затратами на рабочую силу: «Наша цель — автоматизировать процессы, давая лучший пользовательский опыт клиентам: это удобство, скорость, безошибочность. Мы хотим, чтобы сотрудники занимались интересными творческими задачами, не подразумевающими рутинность. Когда автоматизировать процесс на 100% не получается, для помощи в принятии решений используется машинное обучение. Говоря про окупаемость и “экономию на работниках”: при сравнении стоимости сотрудника операционной поддержки и стоимости разработки за некий период (например, за год), стоимость разработки всегда проигрывает. Но мы оцениваем и влияние на клиентский опыт, и будущую экономию при росте клиентской базы, и увеличение активности клиентов — тогда видно, что бизнес-кейс становится интересным. В случае оценки рисков и оптимального персонализированного ценообразования разработка может окупиться за месяцы».