— Максим, какие инструменты вы чаще всего используете для эффективной работы с проблемными активами?

— Департамент по работе с проблемными активами отвечает за урегулирование любого рода проблемной задолженности перед Банком. Это могут быть долги крупнейших корпоративных клиентов, долги предприятий малого и среднего бизнеса, долги граждан по потребительским кредитам, ипотеке или кредитным картам. Это может быть дебиторская задолженность, которая возникла либо в результате противоправных действий либо в результате невыполнения обязательств по коммерческим контрактам. Во всех этих случаях в работу вступаем мы.

Мы используем все доступные в рамках действующего законодательства способы урегулирования задолженности. Безусловно, самый выгодный способ — это найти такие взаимоприемлемые для Банка и клиента условия, при которых клиент сможет погасить долг. Если можно найти такую конструкцию, мы делаем реструктуризацию. Если такой возможности нет, мы взыскиваем долг, в том числе путем продажи залогового имущества в рамках банкротства или исполнительного производства. Взыскание может быть обращено на имущество как самого заемщика, так и поручителей или бенефициаров бизнеса.

— Мы говорим только о российских клиентах?

— Нет, не только. Среди наших клиентов есть и международные компании. Кроме того, многие корпоративные структуры в России имеют в своем составе как российские юридические лица, так и иностранные компании. Поэтому правильнее сказать, что мы работаем с проектами, где есть международная составляющая. Например, сейчас по ряду должников идут судебные процессы в Греции, Великобритании, Израиле, на Кипре.

— И все-таки вернемся к инструментам. Насколько автоматизирован процесс взыскания долгов? Используете ли вы технологии искусственного интеллекта и, если да, то как?

— Работа по взысканию — процесс длительный по срокам реализации и сложный с точки зрения количества участников. Например, только в одной процедуре банкротства может быть несколько сотен участников процесса, десятки судов — как в рамках самой процедуры банкротства, так и связанные судебные процессы по включению требований в реестр, по оспариванию требований других кредиторов, по оспариванию сделок, споры по поводу оценок имущества, согласованию условий торгов и т.д. В каждом процессе несколько стадий, на каждой стадии несколько заседаний, и к каждому из них нужно готовиться, а затем обрабатывать результаты. Мы сейчас участвуем в разнообразных процедурах банкротства. Человеку за всем этим уследить сложно, нужна хорошая система планирования, анализа, подготовки и реализации всех этих мероприятий, включая документальное оформление. Все эти функции реализованы в специализированных автоматизированных системах по работе с проблемными долгами. Разработкой и развитием таких систем мы занимаемся самостоятельно, при этом регулярно обмениваемся опытом с коллегами по цеху.

— Но бумажной работы остается еще много?

Во множестве рутинных задач роботы превзошли по качеству человека, но не везде. Есть задачи, которые машина делает хуже

— Безусловно, бумажной работы достаточно много. Нам есть чем похвалиться в плане технологичности, но нет предела совершенству. Кроме того, не все контрагенты и государственные органы в достаточной степени автоматизированы, и взаимодействие с ними не всегда переведено в цифровой формат. Например, взаимодействие с арбитражными судами возможно дистанционно и в цифровом формате, а с судами общей юрисдикции пока такой возможности нет, и приходится готовить бумажные документы. Другое дело, что большинство типовых документов мы можем готовить автоматически.

— Я правильно понимаю, что вы не только делаете автоматизированные системы для собственных нужд, но и предлагаете какие-то сервисы для клиентов?

— Как я говорил, мы обмениваемся опытом с коллегами по цеху, партнерами, и в какой-то момент мы увидели интерес к своим наработкам с их стороны. Одной из сфер такого интереса был наш опыт в автоматизации ведения процедур банкротства. Совместно с нашим партнером — компанией «Право.ру» — мы решили, что сможем сделать доступный и удобный сервис в этой области.

— Этот сервис уже сделан и продается?

— Да, этот сервис называется Bankro.TECH. На сегодняшний день он позволяет агрегировать информацию о процедуре банкротства из всех возможных публичных источников, представлять ее в структурированном и удобном для анализа виде и передавать всем пользователям, которым она необходима. На основе собранных данных система автоматически делает реестры кредиторов, строит графики судебных заседаний, формирует необходимые в рамках процедуры банкротства документы. Также она позволяет общаться участникам процессов — например, проводить в удаленном режиме комитеты кредиторов.

— Это что-то типа «Яндекса», который ходит по миру, собирает и складывает?

— Нет. Процедура банкротства достаточно формальная, она реализуется в соответствии с Законом о банкротстве, и большинство шагов подтверждается решениями либо определениями судов. Судов и документов очень много, а поскольку существуют реестр сведений о банкротстве, ресурсы ФНС, сайт арбитражных судов, где публикуются решения, это позволяет работать с сооьветствующими данными. Наша система автоматически получает информацию из всех источников, определяет, какой документ к какому делу относится, понимает смысл документов, извлекает из них данные и раскладывает их по полочкам. Плюс в нашем сервисе большое внимание уделено выстраиванию логики самого процесса, это work flow-система, в которой можно самому строить планы работы (или использовать встроенные типовые планы), видеть результаты выполнения того или иного этапа и корректировать стратегию своей работы на будущее.

— Какие-то люди в этом процессе остались?

— Процессы взыскания представить без людей невозможно. Все, что мы делаем в плане автоматизации, позволяет высвободить время сотрудников от выполнения рутинных операций и перенаправить его на решение более сложных, интересных задач, где требуется применить знания, которых у роботов сейчас нет.

— Кто эффективнее — роботы или люди?

— Во множестве рутинных задач роботы превзошли по качеству человека, но не везде. Есть задачи, которые машина делает хуже. Например, если говорить о распознавании текстов, то сейчас средняя точность распознавания составляет около 85%. Там, где система не уверена, она говорит об этом, и документы передаются людям на дораспознавание. Но мы продолжаем обучать систему, чтобы повысить точность.

Вадим Ференец, «Б.О» и Максим Дегтярев, Сбербанк. Фото: Ирина Тейхреб / «Б.О»

— В какие процессы у вас встроены роботы?

— Например, у нас есть робот-коллектор¹ — достаточно сложный программный комплекс, который включает в себя несколько функций. Робот осуществляет звонки клиентам, разговаривает с ними, представляется, спрашивает, кто это, идентифицирует личность, уведомляет человека о наличии задолженности, интересуется причинами, просит погасить долг, фиксирует согласие или отказ… В этом комплексе работает несколько моделей: распознавания речи, когда система переводит набор звуков в набор символов, понимания смысла сообщения, который в этом тексте заложен, выбора необходимого ответа и, наконец, генерации речи. В разговоре есть стандартные фразы, которые предзаписаны, а есть фразы, которые генерируются машиной непосредственно в ходе разговора

— А человека предупреждают, что с ним говорит робот?

— Нет, мы не предупреждаем, да и некоторые не готовы общаться с машиной. Наша главная задача в процессе коммуникации с клиентом Банка — не испугать его, а вернуть долг, чтобы это было комфортно и нам, и клиенту. После общения с нашим сотрудником либо роботом мы проводим опрос удовлетворенности клиентов. У нас достаточно высокие показатели по CSI — около 9 баллов. Причем и по роботу, и по человеку показатели примерно одинаковые.

— Робот говорит мужским голосом? На эмоциональный фон беседы робот как-то реагирует?

— У нас есть и женские, и мужские голоса. Сейчас мы учим модели определять, с кем человеку комфортнее говорить — с мужчиной или женщиной, более жестким или мягким тоном.

В целом же, в наших системах довольно много математических моделей, на основе которых искусственный интеллект определяет, какому клиенту нужно звонить и в какое время, определяет вероятность успешности звонка в зависимости от профиля клиента.

Наш робот, занимающийся вопросами регулирования просроченной задолженности, в день совершает около 140 тысяч звонков

Каждый день весь пул кредитов, находящихся на просрочке, просеивается через сито целого семейства моделей, которые определяют, что с этим конкретным клиентом на текущий момент времени нужно сделать. Грубо говоря, ночью запускается модель, утром мы получаем результат анализа, который говорит, что этому клиенту мы сегодня отправляем СМС, этому — делаем звонок, к этому должен выехать сотрудник и на месте разобраться, что происходит, а на кого-то уже пора подавать заявление в суд.

— Как роботизация позволяет оптимизировать ресурсы?

— Наш робот, занимающийся вопросами регулирования просроченной задолженности, в день совершает около 140 тысяч звонков. Он может «трудиться» 24 часа семь дней в неделю в отличие от людей, которым нужно работать посменно, причем с учетом часовых поясов. Это огромный объем звонков, от которого мы освободили операторов.

— Раньше колл-центр был, а теперь его нет?

— Колл-центр есть и сейчас, на людей приходятся сложные разговоры. Но роботы развиваются. Сначала им доверяли делать только первые звонки с уведомлением о просрочке — самые простые. Сейчас уже тестируем повторные звонки, разговоры относительно нескольких кредитов одновременно. Систему можно адаптировать и под другие сегменты рынка — например, под коллекторские агентства, коммунальные службы, страховые компании.

— Все замоделировали и роботизировали…

— Далеко не все. Есть достаточно большой пласт работы, в том числе с документами по судебным делым, который можно автоматизировать, а есть то, что пока невозможно передать роботам. Например, переговоры об условиях реструктуризации, сложные ситуации, когда с человеком не удается договориться о погашении…

— Есть ли у вас данные, которые иллюстрируют, к чему приводит информатизация в процессах урегулирования долгов?

— Базовый KPI для нас — это уровень возврата. Мы возвращаем по физическим лицам сейчас около 99% задолженности, которая вышла на просрочку. В корпоративном сборе уровень возврата по дефолтным кредитам, по которым просрочка превышает 90 дней, у нас сейчас выше 60%. Это очень хорошие показатели.

— Искусственный интеллект помогает оценивать эффективность сотрудников — как они работают, как достигают поставленных целей?

— Конечно, искусственный интеллект используется, в том числе для оценки работы сотрудников и помощи им. У нас есть интеллектуальная система управления, которая анализирует работу каждого сотрудника: отклоняется ли он от процесса, как меняется его результативность. Что более важно, после анализа система дает рекомендацию, что конкретно нужно улучшить в работе и как это сделать, основываясь на лучших практиках. В зависимости от типа отклонений установлены разные сроки и разные этапы эскалации. Общий принцип: если результаты работы сотрудника не меняются, ситуация эскалируется на его руководителя. У руководителя рекомендации другого рода: как помочь сотруднику лучше работать, что ему объяснить, может быть, вместе с ним провести операцию и т. д. Если непосредственный руководитель не отреагировал, ситуация поднимается на следующий уровень. Плюс отклонения делятся на типичные для отдельных категорий сотрудников и специфичные. Это позволяет и процессы анализировать: если в каком-то процессе случаются похожие отклонения, то, возможно, сам процесс изначально построен неадекватно, и наша задача — найти эти проблемы в процессе и исправить его.

Таким образом, роботизация для нас — это комплексный инструмент, который повышает эффективность всех наших процессов, как внутренних, так и внешних, ускоряет их, при условии, что они правильно выстроены методологически. Это, конечно, не панацея от всех проблем, не волшебство, которое превращает все в золото, потому что в основе любого процесса все равно находятся люди. Именно люди выстраивают процессы и встраивают в них искусственный интеллект там, где это целесообразно и удобно для сотрудников и клиентов. Это ведь искусственный интеллект для людей, а не наоборот.

1. Робот-коллектор — разработка дочерней компании ПАО «Сбербанк» — ООО «АБК». Прототип первого в мире робота-коллектора был создан IT-специалистами компании в 2016 году. С февраля 2017-го робот стал применяться в повседневной работе организации. Технология основана на сложных математических моделях и искусственном интеллекте.