Модератор Александр Афанасьев, председатель правления Московской Биржи, открывая дискуссию, сразу честно предупредил всех о том, что тема ИИ настолько популярна и перегрета, что порой многие забывая о ее сути и возможностях технологии, сразу переходят к обсуждению тех последствий для бизнеса и государственного управления, которые ИИ может спровоцировать.

Надо отметить, что предыдущая сессия завершилась вопросом из зала к Сергею Швецову, первому заместителю председателя Банка России, смыслом которого было «как регулятор может проверить валидность работы ИИ в банке?». Коллективно сформулированный ответ был примерно таков: «На каждый ИИ в банке регулятору придется создать свой собственный».

Поэтому эта дискуссия началась с того, что ее участники дали свое собственное определение ИИ с тем, чтобы понять реальные возможности этой технологии, отсеяв всё остальное.

Александр Ведяхин, старший вице-президент, руководитель блока риски Сбербанка, решительно отмел те возможности ИИ, описываемые в фантастических фильмах, например, до SkyNet так далеко, что даже описывать его потенциальное влияние на бизнес нет никакого смысла. А вот локальные специализированные задачи ИИ, точнее набору алгоритмов, вполне по силам. Условная граница между зачатками интеллекта и этими алгоритмами, многие из которых известны еще с 60-х годов прошлого века, проходит где-то в районе Deep Machine Learnig.

Иван Оселедец, доцент Сколковского института науки и технологий, немного уточнил это барьер, который, по его мнению, ИИ преодолел в том момент, когда появились действительно большие размеченные данные для обучения, а «железо» созрело до их обработки в приемлемое время. А мгновенное распространение информации, полученной множеством исследователей в этой сфере знаний, привело к хайпу, т.е. периоду излишне эмоционального обсуждения того, чего, по сути, еще нет. Есть отдельные образцы, которые можно назвать реальным ИИ, но они играют в шахматы или го и к бизнесу не имеют никакого отношения.

Наталия Парменова, исполнительный директор SAP СНГ, на примере своей компании рассказала о тех нишах, где элементы ИИ применимы и показывают наилучшие показатели. К таковым она причислила те сферы бизнеса, где ответ на задачу зависит от того, кто и как ставит задачу, а также там, где мнение одного человека может повлиять на принятие решения другим человеком. Такое можно наблюдать, например, когда потенциальный заемщик общается с кредитным инспектором и пытается в его глазах нарисовать свой далекий от реальности образ идеального заемщика.

Размеренный ход дискуссии прервался после прогнозов Алексея Минина, исполнительного директора Института прикладного анализа данных Deloitte. По его мнению, рано или поздно алгоритмы начнут жестко конкурировать между собой за доступ к всё новым и новым данным с целью минимизации за счет новых знаний рисков при принятии решений. Новые данные можно получить из экосистем, поэтому рано или поздно наилучший алгоритм поглотит остальные и станет монопольным обладателем знаний из экосистем и из других источников.

Не будем описывать далее все подробности, Алексей Минин любезно дал «Банковскому Обозрению» интервью, где детально описал свои прогнозы, главная суть которых заключается в том, что выживут не «креативные» банки, а основанные на алгоритмах, т.е. «умные». Но это касается не только финансового рынка, это касается всей экономики и государственного управления. В новом мире будут править бал скорость принятия персональных решений, следствием чего такое понятие как общая для всех процентная ставка теряет свой смысл.

Понятно, что такие прогнозы не оставили равнодушными участников дискуссии. Прозвучали мнения о том, что война алгоритмов, по крайней мере, скоринговых идет уже лет десять. Но поглощения одним другого не происходит из-за разного аппетита к риску каждого персонального банка.

Пропуская научную часть выступлений, отметим, что часть участников дискуссии пришла к выводу, что ИИ приведет к новой реальности, главной особенностью которой будет главенство модельного риска, которым банкирам необходимо будет научиться управлять, а регулятору — валидировать модели и оценивать их стабильность.