Искусственный интеллект в банках. Банки с Уолл-стрит начали использовать машинное обучение для анализа валютных рынков
 
2018/07/05 08:15:45

Искусственный интеллект в банках

.

Содержание

Банковская платформа нового поколения

Из презентации Михаила Хасина, старшего управляющего директора блока «Технологии» Сбербанка на TAdviser SummIT 2017

Чат-боты и робоэдвайзинг

Современные чат-боты умеют:

  • Информирование об особенностях продуктов и сервисов
  • Предоставление контактных данных
  • Проведение платежных операций
  • Финансовые рекомендации клиенту

  • показывать курсы и обменивают валюту
  • осуществлять учет личных финансов
  • осуществлять перевод с карты на карту
  • отправлять заявки на торговый и интернет эквайринг и проверять контрагента по ИНН/ОГРН (ИП)
  • отвечать на вопросы пользователя

Robo-Advisers как перспективный пример применения AI

Альтернативой финансовых консультантов по банковским вопросам, конкретным покупкам и другим денежным операциям в режиме онлайн стал робоэдвайзинг.

Робоэдвайзеры дают большие преимущества в сфере онлайн-трейдинга. Прежде всего, это заявки в один клик и открытие счета в реальном времени, мониторинг, актуальные новости и обработка больших объемов сделок сразу. Распространение брокеров в социальных сетях делает инвестиционные знания более доступными и понятными, а общение с клиентом — простым и адресным.

Автоматизация позволяет преподносить информацию в режиме 24/7, при этом снижая издержки процессов. Робоэдвайзеры доступны на десктопе или в формате мобильных приложений, несут в себе функции портфельного управляющего, определяющего риски и оптимальную инвестиционную стратегию.

Индивидуальные предложения и повышение лояльности

  • Рекомендации банковских продуктов и покупок (программы лояльности от различных ритейлеров), в том числе с использованием знаний о клиенте из социальных сетей
  • Определение B2B связей клиента с последующими рекомендациями новых контрагентов
  • Моделирование финансовых рисков для малого бизнеса (дефолт, кассовый разрыв) в режиме реального времени с рекомендациями целевых стратегий и продуктов

IoT (Internet of Things)

  • Управление и отслеживание использования лизинговых активов
  • «Умное» страхование для розничных клиентов (медицина, автокредитование)
  • Smart Home + Daily Shopping: заказ продуктов, оплата коммунальных счетов, подписка на телевизионный контент

Антифрод. Внешние и инсайдерские угрозы

  • Признаки использования пластиковой карты клиента третьим лицом
  • Признаки т.н. «дропперов» исходя из характера поступлений и операций в Интернет-банке и банкоматах
  • Выявление фиктивных зарплатных проектов (кредиты, обналичивание)
  • Выявление несанкционированных расходных операций по счетам клиентов и пластиковым картам клиента
  • Ошибки в параметризации программ бонусирования по пластиковым картам, которые ведут к «накруткам» и ущербу
  • Схемы обналичивания денежных средств, в т.ч. с использованием Интернет-банка и пластиковых карт
  • Злоупотребления при проведении конверсионных операций как по физическим, так и юридическим лицам
  • Несанкционированное подключение Интернет-банка к счетам клиента и выпуск пластиковых карт без ведома клиента
  • Несанкционированное увеличение лимитов по кредитным картам

Операционная эффективность

  • Выявление и автоматическая корректировка отклонений в транзакциях
  • Natural Language Processing алгоритмы для анализа и генерации исковых заявлений
  • Мониторинг и прогнозирование выхода из строя инфраструктуры (банкоматы, IT-ресурсы)
  • Оптимизация наличного оборота и остатков в кассах и банкоматах. Оптимизация работы инкассаторских служб
  • Оптимизация поиска и найма персонала (анализ резюме и первичный отбор)
  • Речевая аналитика в режиме реального времени для колл-центров и отделений (управление качеством консультаций)

2018

Банки с Уолл-стрит начали использовать машинное обучение для анализа валютных рынков

29 июня 2018 года Bank of America объявил о начале использования машинного обучения для анализа валютных стратегий. Поводом для проведения исследования в области искусственного интеллекта, которое аналитики банка начали в июне 2018 года, послужила нестабильная политическая обстановка в Италии — специалисты опасались, что она повлияет не только на евро, но и на остальные европейские валюты, а это грозит очередным финансовым кризисом.

В первом исследовании Bank of America алгоритмы машинного обучения оцениваются по эффективности работы с фундаментальными и обзорными данными, например, касающимися государственных расходов и ожиданий потребителя. Задача ИИ — составить прогноз отношений валютной пары евро-доллар. Команда использовала как контролируемое обучение, когда машина должна проанализировать промаркированные человеком данные и выявить закономерности, так и неконтролируемое обучение, когда человек уже не контролирует процесс и не дает ИИ никаких указаний.

Bank of America объявил о начале использования машинного обучения для анализа валютных стратеги
«
Из-за характера рынка иностранных валют предсказать его будущее только на основе известных ситуаций довольно сложно, поэтому мы пытаемся привлечь машинное обучение для альтернативных стратегий оценки, — отметила специалист по валютной стратегии Элис Ленг (Alice Leng), разработавшая исследование рынка на основе ИИ в Bank of America.
»

Применение машинного обучения для сложных анализов — не нововведение в финансовой сфере. Но, по словам Васан Дхара (Vasant Dhar), профессора информатики Нью-Йоркского университета и основателя SCT Capital Management - хедж-фонда, который в течение двух десятилетий полагался на приложения для машинного обучения, - валютные рынки все еще представляют собой особую проблему для алгоритмов ИИ. Сложность и разнообразие макроэкономических факторов, которые могут влиять на межвалютные отношения, могут значимо затруднить анализ в этой сфере, в отличие от обычных биржевых рынков, давно применяющих ИИ и машинное обучение.

Несмотря на активное использование ИИ, большинство банков пока не успели внедрить его в свою работу на глобальном уровне. В отчете о цифровом банковском обслуживании осенью 2017 года подавляющее большинство финансовых учреждений отметило, что в той или иной мере использовало машинное обучение, но, как отмечают аналитики, лишь менее 20% вышли за рамки простейших методик работы с ИИ.

Среди трех крупнейших банков США Bank of America первым включил разработки моделей машинного обучения в публикации результатов валютных исследований. Исследовательская группа финансового холдинга JP Morgan изучала приложения для машинного обучения, но использовать их пока не решилась. Банковская компания Wells Fargo заявляет, что придерживается фундаментального экономического подхода для анализа валютных рынков, поскольку доверяет своему опыту в это сфере. Многие не доверяют компьютерам, которые анализируют информацию способами, недоступными пониманию человека, и утверждают, что не готовы принять прогностические заключения ИИ, обрабатывающего данные вне причинно-следственных связей.

Однако изменения уже грядут – например, коммерческий банк Morgan Stanley нанял профессора прикладной информатики Пенсильванского университета Майкла Кернса (Michael Kearns), ранее работавшего в хедж-фонде, чтобы расширить использование ИИ, а команда Deutsche Bank включила машинное обучение в анализ своих данных.

Некоторые аналитики утверждают, что благодаря общедоступности инструментов машинного обучения исследования Уолл-стрит утратят свою актуальность, поскольку инвесторы смогут разработать собственные методики анализа на основе ИИ. Но Питер Уодкинс (Peter Wadkins), аналитик FX Aite Group, считает, что это не так вероятно, как кажется, ведь для машинного обучения требуются довольно крупные объемы данных и высокотехнологичные методы их обработки.[1]

Как коллекторы используют искусственный интеллект для выбивания долгов

К июню 2018 года китайские коллекторы начали активно использовать новые технологии, например, искусственный интеллект, в целях сбора долгов, возникших, как предполагается, из-за спекулятивного кредитного пузыря размером $200 млрд, который сформировался в отрасли кредитования между физическими лицами в стране.

С 2013 по 2018 годы в Китае появились тысячи новых компаний, которые выступали посредниками между частными кредиторами и людьми, нуждавшихся в наличных средствах. Однако из-за разразившегося скандала эти компании оказались под перекрестным огнем регулирующих органов, и с середины 2017 года, когда китайское правительство ввело контроль предоставления кредитов, а также лицензирование кредиторов и посредников, очень многие подобные компании, предоставлявшие свои услуги как физические лица, полностью прекратили свою деятельность.

Китайские коллекторы привлекли искусственный разум к выбиванию долгов

По оценкам аналитической онлайн-фирмы Wdzj.com непогашенный долг между физическими лицами на май 2018 года составлял более $200 млрд, и растущее число отказов от уплаты долга отворило дверь волне стартапов на основе новейших технологий, с помощью которых кредиторы пытаются восстановить выданные средства, передает издание Financial Times.

Кредитование между физическими лицами широко используется в Китае, но правительство тщательно отслеживает только официальную банковскую систему, отмечает Черри Шэн, исполнительный директор компании по сбору долгов в Шанхае Ziyitong и бывший менеджер Citigroup и ANZ Bank. Однако благодаря появлению передовых технологий даже у физических лиц появилась возможность вернуть долг.

Компания Ziyitong, которая сумела вернуть около $29 млрд долгов с момента своего открытия в 2016 году, недавно запустила платформу на основе искусственного интеллекта, чтобы вернуть просроченные кредиты. Клиентами Ziyitong выступают примерно 600 агентств по взысканию долгов и более 200 кредиторов, включая Alibaba Group и Postal Savings Bank of China, как сообщает Черри Шэн.

Система анализирует данные о заемщиках и их друзьях, доступные в интернете, а затем связывается с заемщиком по телефону с помощью диалогового робота. Разговоры записываются и анализируются с помощью алгоритма, который затем определяет формулировку, которая с наибольшей вероятностью возымеет действие на заемщика и заставит вернуть долг. Система также связывается с его друзьями и с их помощью просит заемщика вернуть деньги.

По словам Черри Шэн, по состоянию на май 2018 года система на основе искусственного интеллекта, используемая Ziyitong, продемонстрировала очень высокий коэффициент возмещения - 41% для крупных клиентов по кредитам, просроченным на срок до одной недели. Для сравнения – эффективность традиционных коллекторских методов возвращения долгов по аналогичным кредитам составляет всего 20%. Ziyitong также планирует использовать систему ИИ для возвращения кредитов, просроченных более чем на одну неделю.

Yigou, еще один стартап для взыскания долгов, запустил приложение для мобильных телефонов, которое позволяет коллекторам проводить поиск по тысячам индивидуальных долговых записей и отбирать необходимые случаи, упрощая взаимодействие между кредиторами и коллекторами. Компания также может предоставлять геолокационные данные некоторых заемщиков, чтобы помочь коллекторам отслеживать их местоположение.

Вэнь Юн, исполнительный директор компании Yigou, отметил, что новейшие технологии стали играть значимую роль в коллекторской отрасли. По его словам, многие компании, предоставлявшие услуги по кредитованию между физическими лицами, были вынуждены организовать собственные коллекторские ячейки, поскольку число случаев невыплаченной задолженности в этом секторе значительно выросло.

Учитывая, что регуляторные органы не оставляют попыток перехватить поток наличных денег от теневого банковского дела и управляющих активами, которые обеспечивают наполнение фондов кредитования между физическими лицами, коллекторы таких компаний ожидают, что к концу 2018 года все больше заемщиков будет уклоняться от возвращения кредитов. Поскольку физические лица не отчитываются о своей деятельности, точно определить объем задолженности затруднительно, однако коллекторы оценивают ситуацию как неутешительную.[2]

Microsoft, IBM и Google заставили Сбербанк пересмотреть подход к искусственному интеллекту

Пообщавшись с представителями мировых ИТ-компаний, таких как Microsoft, IBM и Google Сбербанк переосмысливает свой подход к трансформации в области AI (AI – Artificial Intelligence, искусственный интеллект). Такой вывод можно сделать из слов председателя правления Сбербанка Германа Грефа во время конференц-звонка с топ-менеджерами Сбербанка и аналитиками 28 февраля 2018 года.

Сбербанк переосмысливает AI-трансформацию после общения с Microsoft, IBM и Google
«
Мы провели много времени с нашими партнерами из Кремниевой долины, Microsoft, IBM и Google и поняли, что AI-трансформация – она немного отличается от того, что мы делали несколько месяцев назад и последние несколько лет, - цитируются слова Грефа в официальной расшифровке беседы. - Это означает, что нам необходимо преобразовать все наши технологические планы и планы по трансформации через концепцию искусственного интеллекта.
»

Глава Сбербанка добавил, что в начале 2018 года в банке стартовала программа AI-трансформации, и выразил надежду, что в конце марта у банка будет больше понимания, что она для него означает.

В сентябре 2018 года Герман Греф рассказывал, что до конца 2018 года Сбербанк планирует реализовать 159 проектов с использованием технологии искусственного интеллекта. Нет ни одной сферы деятельности внутри компании, в которой бы банк не пытался использовать искусственный интеллект, отмечал он.

Внедрение искусственного интеллекта радикально меняет внутренний бизнес-ландшафт компании: бизнес-модель, удобство для клиентов, затраты, прибыльность, подчеркивал глава Сбербанка. Наступил период, когда компания, если она не использует искусственный интеллект в своей деятельности, она проигрывает, говорил Греф.

Еще раньше глава Сбербанка отмечал, что через 5 лет порядка 80% операций в банке может совершаться с помощью искусственного интеллекта и без участия людей.

2017

Замещение тысяч сотрудников роботами в японских банках

В конце октября 2017 года стало известно о планах ведущих японских банков автоматизировать около 30 тыс. рабочих мест, поскольку, по мнению компаний, традиционная бизнес модель больше не позволяет наращивать прибыль.

Как пишет японское деловое издание Nikkei, Mizuho Financial Group собирается к 2021 финансовому году заменить около 8 тыс. сотрудников на компьютеры, а 2026-му — увеличить этот показатель до 19 тыс.

Крупнейшие японские банки начали автоматизацию 30 тыс. рабочих мест

К масштабной автоматизации готовится еще одна крупная финансовая организация из ЯпонииSumitomo Mitsui Financial Group. По ее планам, к 2020 финансовому году роботы будут выполнять задачи, для которых к октябрю 2017-го нужно 4 тыс. человек.

Не отстает от конкурентов и Bank of Tokyo-Mitsubishi UFJ. В планах этой финансовой корпорации значится автоматизации 9500 рабочих позиций к 2023 финансовому году. У многих японских компаний финансовый год завершается в конце марта.

За счет использования вычислительных алгоритмов вместо людей Mizuho Financial Group рассчитывает консолидировать канцелярскую работу, сведя к минимуму количество персонала с дублирующимися функциями.

Также около 100 рутинных рабочих задач возьмет на себя новая роботизированная система обработки, которую Mizuho Financial Group сначала использовала только для ввода данных при открытии инвестиционных счетов на своем веб-сайте.

Впрочем, масштабная цифровизация не предполагает только сокращение штата Mizuho Financial Group. Например, осенью 2017 года около 200 сотрудников бэк-офиса, чьи функции заменили компьютеры, переведены в отделы по работе с клиентами. Кроме того, Mizuho Financial Group намерена увеличить число специалистов по финансовым технологиям.

Sumitomo Mitsui Financial Group планирует перевести в цифровой формат часть сервисов, предоставляемых банковскими отделениями. К октябрю 2017 года компания открыла в Японии девять дата-центров, которые займутся обработкой новых данных.[3]

ИИ «Робот Вера»

ИИ «Робот Вера» — сервис автоматизированного подбора кандидатов на вакансии. Сервис создан на базе технологии машинного обучения, способен «понимать» естественную речь человека и обрабатывать более 10 тыс. звонков одновременно, ускоряя, таким образом, процесс подбора кандидатов. По словам основателя Stafory Владимира Свешникова, весь процесс найма благодаря сервису сокращается до трех часов.

Как искусственный интеллект меняет банки. 6 трендов от Михаила Хасина, старшего управляющего директора Сбербанка

В своем выступлении на TAdviser SummIT 2017 Михаил Хасин, старший управляющий директор блока «Технологии» Сбербанка, рассказал, как искусственный интеллект (ИИ) становится драйвером технологических инноваций в банках.

Искусственный интеллект, по словам Михаила Хасина, уже достаточно развит и надежен во всем, что касается рисков, конфиденциальности, проблем человеческого фактора и маркетинговых стратегий. В банковской среде заметны 6 ключевых трендов, связанных с искусственным интеллектом.

Чат-боты. Если раньше человек звонил в контактный центр и общался с сотрудником банка, то сейчас все больше банков реализуют у себя чат-боты. Человек общается с роботом и получает всю необходимую информацию и сервис. Общение может быть выстроено в виде SMS-сообщений или в виде текста, который можно набить в чате. При этом чат-бот может анализировать потребности клиента и тут же предоставлять различные финансовые рекомендации.

Робоэдвайзинг или алготрейдинг. Робоэдвайзинг стал альтернативой финансовым консультантам по банковским вопросам, покупкам и денежным операциям. Объем портфеля, который сейчас находится под управлением роботов на финансовых рынках США, достигает 1 трлн долларов. К 2020 году он составит уже больше 2 трлн долларов.


Индивидуальные предложения и повышение лояльности. Человек все больше погружается в мир ИИ, и все больше сервисов он начинает получать в режиме реального времени. Анализ того, что с ним происходит, позволяет очень эффективно предлагать различные уникальные персонифицированные предложения. Весь сервис в цифровом мире становится все более и более персональным.

«
Если человек в соцсети собрал больше 200 лайков, и мы хорошо знаем профили тех людей, которые эти лайки поставили, то на основании этой информации можно узнать про этого человека больше, чем знают ближайшие родственники. Есть другая аналитика, которая показывает, что для того, чтобы однозначно определить человека, достаточно знать 3 наиболее частые его GPS-координаты, обычно дом, работа и какое-то любимое место. Собственно, на основании подобного рода информации можно понимать социальную среду, с кем он общается - по такой информации можно более эффективно определить кредитный рейтинг, который этому человеку можно присвоить, - приводит пример Михаил Хасин.
»

Определив, что человек работает в области сельского хозяйства, можно ему предложить различного рода продукты, связанные со страховкой урожая. По малому бизнесу, анализируя цепочки поставок и контрагентов предприятия, а также анализируя сезонность поставок и платежей, можно очень точно предсказать, в какие моменты клиент может столкнуться с пробелами ликвидности или локальными кассовыми разрывами. И заранее предложить свои услуги, избавить предпринимателя от нервотрепки. Такого рода сервисы становятся все более востребованы.

Интернет вещей. К 2025 году в мире будет порядка 28 млрд устройств, примерно 5 на каждого человека, подключенных к интернету и предоставляющих информацию. Это приводит к тому, что любой человек будет оставлять так называемые электронные следы в облаке. Михаил Хасин видит здесь возможности для возникновения новых видов сервисов. Например, анализируя время, факт, что человек сел в машину, ИИ может определить, что тот собирается ехать домой, и сразу предложить нужный маршрут. Или, понимая, куда и за чем человек обычно ездит за покупками, можно автоматически делать предзаказ. Человеку останется только заехать в магазин и забрать покупки.

Михаил Хасин на TAdviser SummIT 2017

Сейчас разрабатываются умные холодильники, которые фактически распознают все, что в данный момент в них находится. Это делается не по штрихкоду или RFID, а с помощью камеры.

«
Это значит, что умному холодильнику ничего не стоит, понимая, что является стандартной потребительской корзиной и что находится в нем в данный момент, автоматически делать заказ. Более того, на следующем уровне он может обращаться в разные магазины и делать заказ там, где эта корзина стоит дешевле. Все это открывает новые горизонты, как себя должны вести системы и как в них должны интегрироваться финансовые услуги, - объяснил Михаил Хасин.
»

Антифрод. Искусственный интеллект становится мощным щитом на пути внешних и инсайдерских угроз. Например, анализируя частые места покупок клиента, можно определить, кто именно данную покупку совершает, обнаружить признаки использования пластиковой карты клиента третьими лицами. Список алгоритмов, выявляющих фрод, огромный, он постоянно расширяется, важная область, куда идут инвестиции.

Операционная эффективность. Подавляющее количество действий, которые сейчас в бэкофисе делают люди, можно автоматизировать и алгоритмизировать. Произойдет полный отказ от бумаги, с автоматическим распознаванием документов и хранением сканов на электронных носителях, отсутствием необходимости физически приходить в банк и передавать эти документы.

Произойдет переход от работы по проведению транзакций на работу с отклонениями. Люди будут мониторить отклонения во времени и сроках проведения той или иной транзакции и принимать меры, а сами процессы будут идти практически со 100% уровнем автоматизации.

«
Для того, чтобы это все легко можно было интегрировать в текущие банковские сервисы, необходимо, чтобы банковская платформа это поддерживала. Очевидно, что те платформы, на которых в основном сейчас работают банки, создавались 10-15 лет назад, в них встраивание этих алгоритмов практически невозможно. Поэтому банки сейчас озадачены тем, как произвести инжиниринг своего ландшафта, чтобы иметь эффективную возможность встраивания искусственного интеллекта и машинного обучения в свою банковскую платформу, - резюмировал Михаил Хасин.
»

Конференция TAdviser SummIT состоялась в Москве 31 мая 2017 года. Впервые она проводилась при официальной поддержке Минкомсвязи России. На конференции прозвучали доклады, посвященные глобальным технологическим тенденциям, изменившимся политическим и экономическим реалиям, их влиянию на ИТ-отрасль. Также были организованы сессии по ИТ в отдельных отраслях. В мероприятии приняли участие 400 ИТ-руководителей крупных коммерческих и государственных организаций, топ-менеджеров и экспертов ИТ-компаний.

В панельных дискуссиях участники саммита обменялись мнениями и прогнозами о перспективах развития технологий и информационных систем.

Сбербанк передаст работу 3 тыс. сотрудников роботам-юристам

Сбербанк в 2017 году «высвободит» около 3 тыс. рабочих мест благодаря внедрению так называемого семейства роботов-юристов, сообщил на Гайдаровском форуме заместитель председателя правления банка Вадим Кулик [1]. Кулик подчеркнул, что это не означает автоматических сокращений персонала.

Банкир уточнил, что Сбербанк в четвертом квартале 2016 года уже «запустил робота-юриста, который может сам писать исковые заявления».

«Это один из примеров работающих роботов. Фактически на текущий момент это означает, что почти все иски, которые пишутся у нас по физическим лицам, полностью перейдут на этих роботов в течение этого полугодия 2017 года», — сказал он.

Представитель Сбербанка добавил, что нововведение позволит «высвободить» около 3 тыс. рабочих мест, но это не означает, что все сотрудники, занимавшиеся этой работой, будут автоматически сокращены.

«Эти люди попадут под программу переобучения. Если мы не найдем, как их переобучить, то дальше начнутся сокращения», — пояснил зампредправления Сбербанка.

Кулик добавил, что банк стремится сокращать сотрудников так, чтобы не влиять на рынок труда. Вместе с тем он признал, что новые технологии вынуждают банк активно внедрять роботов и по множеству других направлений. «У нас большой и агрессивный пайплайн», — добавил он, но деталей не уточнил.

Кулик позднее прокомментировал через пресс-службу Сбербанка, что речь идет о передаче роботам подготовки типовых исков, и что это «освободит юристов банка от рутинной работы и позволит сфокусироваться на решении сложных правовых вопросов».

Исследование R-Style Softlab

Лишь каждый пятый отечественный банк применяет данную технологию, однако абсолютное большинство банков считают ее перспективной. В половине опрошенных организаций готовы перенести платежные операции и информационные сервисы в мессенджеры. В каждом третьем банке готовы доверить чат-ботам функции блокировки платежных карт, в каждом пятом — подтверждение операций. Это данные исследования R-Style Softlab, которое проходило с февраля по апрель 2017 г., в нем приняли участие руководители и специалисты ИТ- и бизнес-подразделений 100 банков России и СНГ, более половины из которых — банки категории топ-100.

Рост числа российских интернет-пользователей, доступность смартфонов и дальнейшее развитие мобильного интернета формируют новые привычки и модели поведения. Пользователи социальных сетей и мобильных приложений все больше ориентируются на получение мгновенного результата и осуществление целевого действия в пару кликов, что во многом объясняет стремительный взлет популярности мессенджеров WhatsApp, Viber и Telegram Мессенджер.

Однако потребность в получении качественных финансовых услуг и персональных консультаций никуда не исчезла: люди по-прежнему звонят в call-центры. Несмотря на развитие систем ДБО, количество обращений по телефону, по словам представителей 30 крупнейших кредитных организаций, за последнее время существенно увеличилось.

Технология чат-ботов позволяет оптимизировать бизнес-процессы и найти разумный компромисс в решении сразу нескольких разноплановых задач: упростить взаимодействие пользователя с банком, повысить уровень сервиса и сократить финансовые затраты на работу call-центра и услуги SMS-оповещения. Имитация диалога происходит в привычной и комфортной для клиента среде чата, при этом он получает выбор услуг, ранее доступных только на сайте или через систему ДБО — все это позволяет сохранить и повысить лояльность.

К сожалению, на данный момент полноценное распознавание текста и обработка произвольных запросов собеседника при помощи технологий искусственного интеллекта не могут быть доведены до приемлемого уровня.

Распространение перспективных, по мнению многих компаний, так называемых интерфейсных ботов, созданных на платформах Telegram и Facebook, не решает вопрос качественной имитации живой беседы и сохранения лояльности клиента. «Разговорные» боты, в первую очередь их примитивные варианты, созданные с развлекательной целью, довольно часто подвергаются критике в связи с ограниченностью тем, по которым они способны вести диалоги.

Поскольку для человека при обсуждении вопросов с банком важно ощущение живого контакта, самым верным направлением видится развитие именно «разговорных» ботов при условии наличия в них широких возможностей языкового анализа. При продуманной реализации их можно назвать «правильными» чат-ботами, способными качественно имитировать человеческую речь.

Такое решение серьезно снизит нагрузку на call-центр, сохранит возможность живого диалога и позволит в сложных случаях перевести разговор на специалиста банка, помогая ему в решении проблемы — активируется функция предложения подсказок оператору из базы шаблонных фраз.

2016

Глава Сбербанка: Через пять лет банк сможет принимать 80% всех решений с помощью ИИ

Через пять лет Сбербанк сможет принимать 80% всех решений с помощью искусственного интеллекта, говорил в сентябре 2016 года глава Сбербанка Герман Греф.

«Мы посчитали, если сравнить банк сегодня и Сбербанк пять лет назад, то примерно 50% тех решений, которые принимались людьми, сегодня принимаются машинами. И через пять лет, мы считаем, что мы сможем принимать примерно 80% всех решений автоматически с помощью искусственного интеллекта», — сказал Греф[2].

Глава Сбербанка уточнил, что в таком случае эти процессы будут происходить «значительно более качественно». «Это означает, что в нашем случае десятки тысяч людей потеряют свою сегодняшнюю работу», — заключил Греф.

ИИ для подбора сотрудников

7 июня 2016 года агентство Reuters опубликовало статью, посвященную тому, как банки с Уолл-стрит в попытке сократить расходы обращаются к разработчикам ПО, чтобы те помогли с оптимизацией процесса поиска подходящих сотрудников. Ставка делается на искусственный интеллект (ИИ).

Подобные технологии позволяют выявить в соискателях полезные для работодателя качества, в том числе способность работать в команде, целеустремленность, силу воли и другие плюсы, которые не всегда можно обнаружить в резюме или во время собеседования.

Уолл-стрит доверит искусственному интеллекту поиск талантливых банкиров

Возможность внедрения ИИ в работу рассматривают такие финансовые гиганты, как Goldman Sachs Group, Morgan Stanley, Citigroup и UBS Group. К примеру, Citigroup к началу июня 2016 года тестирует разработанную фирмой Koru Careers технологию для отсева кандидатов. Софт испытывается на небольшой группе сотрудников, работающих в корпоративной и инвестиционной структурах.

Программа определяет «корпоративный отпечаток» бизнеса (совокупность качеств действующих сотрудников, от которых зависят высокие рабочие показатели компании) и оценивает качества кандидатов на основе анализа короткого видеоролика, в котором соискатели рассказывают о своих сильных сторонах и карьерных стремлениях. Система учитывает не только речь говорящего, но способ подачи презентации, включая «язык тела» и темп разговоров. Koru позволяет проводить тестирование через интернет, мобильный телефон или на локальном компьютере в офисе, куда пришел ищущий работу человек.

Пользователи ПО Koru платят разработчикам за составление «корпоративного отпечатка», а также за каждого кандидата, который проходит тестирование. В Koru утверждают, предлагаемое компанией ПО позволяет уменьшить количество неудачных приемов на работу на 60%.

«
До недавнего времени момента технологии помогали лишь находить лучшее резюме, сейчас же они смогут по-настоящему понимать людей, обратившихся за работой, — отметил Марк Ньюман (Mark Newman), глава компании HireVue, разрабатывающей ИИ-платформу для оценки кандидатов по видеособеседованию при приеме на работу.
»

В банках надеются, что подобные разработки помогут избавиться от расходов в случае проблемных наймов и улучшить ситуацию на рынке труда. Искусственный интеллект, по мнению финансистов, позволит отбирать сотрудников, способных справиться с той или иной работой, благодаря созданию шаблонов, построенных на анализе больших массивов данных.

Прием на работу плохого сотрудника может дорого обойтись компании — привести к большим финансовым тратам и потере бизнес-возможностей. По оценкам экспертов Capital One Financial, убытки от неудачно нанятого работника могут измеряться тремя зарплатами человека, который бы идеально подошел для этой должности.

Разработчики программного обеспечение для подбора и управления персоналом стремятся избавить своих клиентов от человеческих ошибок, таких как отсев сильных кандидатов, которые на первый взгляд показались слабыми, говорит директор направления по подбору персонала рекрутинговой компании Monster Worldwide Мэтт Дусетт (Matt Doucette).

«
Лучший продавец — это обычно не тот, кто играет на публику, а тот человек, который скромно сидит в углу, кто избегает внимания и задает правильные вопросы, — сказал Дусетт.
»

По данным осведомленных источников Reuters, в банке UBS используется компьютерный алгоритм, позволяющий анализировать резюме для поиска кандидатов с нужными параметрами, а также технология отбора сильных кандидатов.

Goldman Sachs Group применяет собственное ПО для поиска в резюме нужных качеств, таких как командная работа, честность и рассудительность. Также компания использует личностные тесты для лучшего понимания качеств наиболее успешных банкиров и трейдеров.[3]

Искусственный интеллект задействуется не только в американском банковском секторе, но и российском. В начале 2016 года российская компания Krawlly и банк iBank Global представили персонального финансового помощника, способного агрегировать данные из разных банков, производить категоризацию трат и давать персональные советы на основе анализа больших данных. Программное обеспечение, использующее возможности ИИ, помогает предлагать банковским клиентам различные партнерские программы по инвестициям денежных средств.[4]

Робототехника