Как внедрение искусственного интеллекта влияет на финансовую отрасль

Сегодня искусственный интеллект (ИИ), машинное обучение, роботы, о которых грезили писатели и киносценаристы прошлого века, вышли за рамки фантазий и воплощаются в осуществимые бизнес-сценарии, став выгодной инвестицией. В финансовой сфере алгоритмам уже доверяют учет операций, обнаружение мошеннических схем, оценку кредитоспособности клиентов, планирование ресурсов и формирование отчетности. Но внедрение технологий влечет за собой новые трудности и риски. 

Согласно исследованию «Машинное обучение: наука, а не вымысел», которое провела Международная ассоциация специалистов в области финансов, учета и аудита (АССA), внедрить в работу ИИ в ближайшие три года согласны 58% респондентов. Лидеры рынка работают с ИИ-технологиями уже сегодня. 

Автоматизация ради прибыли 

Российские банки ушли далеко вперед от европейских и даже американских банков. Алгоритмы, отвечающие за кибербезопасность данных, выявляют мошенничество еще до того, как оно произойдет, и могут быстро проверить транзакции всех портфелей банка. Если человек берет кредит, оценить его как потенциального заемщика ИИ сможет быстрее и точнее, чем живой специалист, учитывая при этом больше параметров. В 2018 г. десять российских банков начали использовать этот инструмент. Алгоритмы Сбербанка выносят решение о выдаче кредитов физлицам в 98% случаев, юрлицам – до 30%. 

Автоматизация рутинных процессов позволяет обезопасить компанию от ошибок, которые сотрудник может допустить по невнимательности. Роботы также способны выполнять больше функций, сокращая расходы компании. Поэтому банки вводят роботов-коллекторов, которые звонят клиентам с небольшой задолженностью. И автоматизация приносит свои плоды: передав роботам всего семь операций, Альфа-банк сэкономил за полгода 20 млн руб. По прогнозам, если доверить ИИ до 30 процессов, то можно сберечь в четыре раза больше – до 85 млн руб. 

Финансовые организации используют ИИ при создании чат-ботов, которые отвечают клиентам на самые простые и частые вопросы. Бот даже может быстро сформировать инвестиционный портфель, исходя из предпочтений и интересов конкретного клиента, а также подготовить детальную отчетность расходов и напомнить об оплате счетов. 

Другое важное направление в финансах, где ИИ необходим, – следование регулирующим нормам (комплаенс). Он следит за изменениями законодательства и помогает его соблюдать – от правил «знай своего клиента» и по борьбе с отмыванием денег до законов, регулирующих управление активами. 

Зачем обучать машину

Машинное обучение (МО) – технология, работающая на базе искусственного интеллекта. В ее основе математическая модель, которая выявляет закономерности в массивах данных и прогнозирует, как будет развиваться ситуация. 

Как МО работает на практике? Во всех компаниях со временем растет черный список контрагентов – компаний с высоким риском дефолта. Поначалу в него попадают те, кто задерживает платежи или зарегистрирован в рискованной юрисдикции. Со временем фильтр усложняется, и машинное обучение поможет выявить прежде неявные закономерности, связанные с макроэкономическими показателями, кредитным рейтингом, данными сторонних аудиторов, с тем, как о компании пишут в интернете. Технологии сделают такую работу лучше человека, который может просто не справиться с таким объемом информации. 

О работе с новыми цифровыми инструментами объявили все аудиторские компании «большой четверки». Например, Deloitte начала использовать технологии машинного обучения от канадской Kira Systems, благодаря которым она с помощью алгоритмов проанализировали более 5 млн лизинговых договоров, сократив временные затраты на проверку на треть. 

Трудности на пути к инновациям 

Однако внедрение ИИ идет не без проблем. Самая главная – недостаток квалифицированных кадров. Согласно данным исследования, 30% представителей финансового мира только слышали этот термин, но не понимают, как устроен ИИ. И сегодня перед всей отраслью стоит важная задача – повысить уровень технической грамотности. 

Вторая серьезная проблема связана с недостатком данных для работы. Чем больше исходных данных, тем выше точность предсказаний ИИ: при маленькой выборке вероятность ошибки составляет 20%, при работе с большим массивом – до 2%.

Внедрению ИИ в работу финансистов мешают еще несколько барьеров: стоимость эксплуатации (это отметили 49% опрошенных), отсутствие явной выгоды от использования МО (21%), требования регуляторов (14%) и этический вопрос (11%). 

Новые технологии – новые риски 

При  введении новых инструментов компания сталкивается с рисками, которые раньше в ее практике не встречались. Они могут привести к финансовым и репутационным издержкам. Здесь встает правовой вопрос об ответственности в случае ошибки: кто будет виноват – финансовый специалист или разработчик ИИ. 

Рассмотрим практический пример. Обученный алгоритм не всегда сможет избежать предвзятости. Так, согласно исторической выборке, в последние десятилетия женщинам реже одобряли кредиты. И, основываясь на представленных данных, алгоритм сделает вывод, что женщины являются неблагонадежными заемщиками, и будет отказывать даже кредитоспособным. Банк может столкнуться с претензиями регуляторов, которые увидят в этих решениях гендерную дискриминацию. 

Внедрение ИИ и машинного обучения позволит масштабировать финансовые системы. Это актуально, учитывая прогнозируемый рост числа финансовых транзакций до 2025 г. Человеку с таким объемом информации просто не справиться. Но это не значит, что ИИ вытеснит живого специалиста из финансовой сферы. Если алгоритмы будут заниматься рутинными операциями, то за сотрудником всегда останется итоговый контроль и живое общение с клиентами.

Мнения экспертов банков, финансовых и инвестиционных компаний, представленные в этой рубрике, могут не совпадать с мнением редакции и не являются офертой или рекомендацией к покупке или продаже каких-либо активов.