Использование искусственного интеллекта в отечественных банках

Искусственный интеллект в банковском секторе

Обзор «Искусственный интеллект в банковском секторе» подготовили: Дмитрий Гришанков, генеральный директор RAEX (РАЭКС-Аналитика), президент рейтингового агентства «Эксперт РА» Станислав Волков, начальник отдела валидации рейтингового агентства «Эксперт РА» Виталий Соболь, прикладной математик – специалист по валидации рейтингового агентства «Эксперт РА» Вартан Ханферян,

ведущий аналитик RAEX (РАЭКС-Аналитика)

Резюме

Среди российских банков уже формируется группа лидеров в области применения технологий искусственного интеллекта и машинного обучения (далее – ИИ).

Пока банковский сектор чаще всего использует решения на основе ИИ при оценке кредитного риска и в смежных сферах, но лидеры этим уже не ограничиваются.

Отставание во внедрении технологий ИИ может осложнить выживание и крупным банкам, но догнать лидеров все еще реально без запредельного уровня инвестиций.

Среди лидеров в сфере ИИ преобладают банки со специализацией на обслуживании физлиц, но есть и универсальные кредитные организации (см. подготовленную рейтинговым агентством «Эксперт РА» и RAEX (РАЭКС-Аналитика) классификацию банков в таблице 1).

Банки-лидеры адаптировали под нужды ИИ свои ИТ-платформы, собрали сильные команды, организовали работу с данными, накопили опыт использования продвинутых алгоритмов машинного обучения.

Обратите внимание

В многом благодаря их усилиям российский банковский сектор не отстает от общемировой тенденции превращения банков в подобие зарегулированной технологической компании.

Чаще всего ИИ российские банки используют в кредитном анализе, при этом пока доминируют линейные модели (включая логрегрессию). Среди нелинейных моделей оценки кредитного риска наиболее популярны композиции решающих деревьев (случайный лес, градиентный бустинг).

О применении нейронных сетей заявили только 2 банка из 11, принявших участие в анкетировании. Возможно, это связано с тем, что нейронные сети весьма требовательны к объему исходных данных, их сильным местом чаще называют распознавание образов, а не оценку рисков.

В целом кредитный скоринг в том или ином виде есть у всех банков, участвовавших в анкетировании. Далее идет близкая к кредитному анализу сфера взыскания задолженности, которую отметили 2/3 респондентов. Еще 1 очень популярное направление – маркетинг, включая формирование индивидуальных предложений для клиентов.

Работающее решение по автоматизации колл-центров имеет только 1 банк из опрошенных, аналогичная ситуация в области защиты информации.

Наибольшего финансового эффекта от технологий ИИ российские банки ждут в таких сферах, как выявление мошеннических транзакций, взыскание задолженности и кредитный скоринг, – именно их банки чаще всего включали в тройку самых перспективных.

Менее перспективными, по мнению опрошенных, являются работа колл-центров (их автоматизация за счет чат-ботов), контроль за соблюдением 115-ФЗ, маркетинг и алгоритмическая торговля. Реже всего российские банки рассчитывают на значимый результат от использования ИИ в управлении персоналом, отслеживании информационного фона в отношении банка, удаленной идентификации клиентов.

На наш взгляд, такая оценка связана не столько с неприменимостью ИИ в этих областях, сколько с трудностями определения соответствующего финансового эффекта.

Применению технологий ИИ мешает разрозненность сведений и информационных систем, но, решив проблему, банки столкнутся с острым дефицитом специалистов, способных обрабатывать эти данные.

Среди ключевых трудностей при использовании ИИ опрошенные банки чаще всего отмечали разрозненность данных и информационных систем, низкую вероятность валидации модели регулятором как основы IRB-подхода и сложности в интерпретации результатов нелинейных моделей.

Последние 2 проблемы тесно связаны – затруднения в общении с регулятором нередко связаны с тем, что у многих банков наилучшие результаты показывают скоринговые модели на основе нейронных сетей и композиций решающих деревьев, детальное описание алгоритмов которых настолько сложно, что их часто называют «черными ящиками».

Гораздо реже опрошенные банки жалуются на нехватку компетенций у сотрудников, несоответствие политике безопасности или высокую стоимость решений. Вместе с тем в публичных выступлениях банковских специалистов нехватка кадров с необходимыми навыками очень часто оказывается на первом плане.

Важно

Растущий интерес федеральных органов власти и Банка России к цифровизации сейчас усугубляет проблему с кадрами, но в перспективе создает более благоприятную регулятивную среду, что очень важно для банков, внедряющих технологии ИИ.

Активное применение технологий ИИ уже в ближайшие годы может стать решающим аргументом в конкурентной борьбе за массовые сегменты.

При этом прогресс в сфере ИИ в значительной мере обесценит сделанные ранее инвестиции банков в региональную сеть, обучение сотрудников, привлечение клиентов и повышение их лояльности.

Хорошая новость в том, что попасть в группу лидеров в области ИИ пока можно даже без запредельного уровня инвестиций. Плохая – догонять надо прямо сейчас.

Погоню за лидерами может облегчить большая доступность исходных данных: широкое распространение дистанционных каналов упрощает сбор структурированной информации, все больше данных могут предложить внешние поставщики. Вместе с тем собрать большую и слаженную команду, способную превзойти уже существующие на рынке решения, становится все труднее.

Александр Погудин, член совета директоров ГК ЦФТ, директор по стратегическому развитию:«Ни один банк не в состоянии на длительной дистанции поддерживать высокий уровень Machine Learning-решений. Все-таки это отдельный бизнес, и решения технологических компаний будут неизбежно замещать собственные решения банков. Рынок бурно развивается, важно использовать это. Любая попытка изобретать велосипед работает против банка».

Источник: https://raex-a.ru/researches/bank/bank_ai_2018

Банки доверяют ИИ все больше бизнес-процессов

Согласно исследованию RAEX (“РАЭКС-Аналитика”) и рейтингового агентства “Эксперт РА”, технологии искусственного интеллекта (ИИ) в бизнес-процессах применяют преимущественно банки, обслуживающие физических лиц. Финансовые организации чаще всего используют решения на основе ИИ при оценке кредитного риска.  

Исследование построено на опросе банков. “Среди лидеров в сфере искусственного интеллекта преобладают банки со специализацией на обслуживании физлиц, но есть и универсальные кредитные организации”, – говорится в исследовании “Искусственный интеллект в банковском секторе”.

Аналитики разделили опрошенные банки по уровню использования технологий ИИ на три класса. Для банков, вошедших в первый класс, характерен уровень использования ИИ значительно выше среднего. В эту группу попали Тинькофф Банк, Банк ГПБ, МТС Банк.

Во второй класс с уровнем использования ИИ выше среднего вошли Московский кредитный банк, банк “Русский Стандарт”, Промсвязьбанк, банк “Ренессанс Кредит”.

Близки к среднему уровню использования технологий ИИ банк “Открытие”, УБРиР, БКС Банк, банк “ДельтаКредит”, они составили третий класс рейтинга.

“Пока банки чаще всего используют решения на основе ИИ при оценке кредитного риска и в смежных сферах, но лидеры этим уже не ограничиваются, – отмечает руководитель отдела валидации рейтингового агентства “Эксперт РА” Станислав Волков. – Отставание во внедрении технологий ИИ может осложнить выживание и для крупных банков, но догнать лидеров все еще можно даже без запредельного уровня инвестиций”.

Как отмечается в исследовании, наибольшего финансового эффекта от применения технологий ИИ российские банки ждут в таких сферах, как выявление мошеннических транзакций, взыскание задолженности и кредитный скоринг. Именно их банки чаще всего включали в тройку самых перспективных направлений.

Менее перспективны, по мнению опрошенных банков, работа колл-центров (их автоматизация за счет чат-ботов), контроль за соблюдением 115-ФЗ, маркетинг и алгоритмическая торговля.

Реже всего российские банки рассчитывают на значимый результат от использования ИИ в управлении персоналом, отслеживании информационного фона в отношении банка, удаленной идентификации клиентов.

Член совета директоров ГК ЦФТ, директор по стратегическому развитию Александр Погудин говорит, что ни один банк не в состоянии на длительной дистанции поддерживать высокий уровень Machine Learning-решений.

“Все-таки это отдельный бизнес, и решения технологических компаний будут неизбежно замещать собственные решения банков. Рынок бурно развивается, важно использовать это.

Любая попытка изобретать велосипед работает против банка”, – добавил он.

Среди ключевых проблем, затрудняющих использование ИИ, опрошенные банки чаще всего отмечали разрозненность данных и информационных систем, низкую вероятность валидации модели регулятором как основы IRB-подхода и сложности в интерпретации результатов нелинейных моделей. Реже респонденты жалуются на нехватку компетенций у сотрудников, несоответствие политике безопасности и высокую стоимость решений.

Отметим, что такие банки, как ВТБ, Сбербанк, Альфа-Банк, не принимали участия в исследовании.

Совет

Представитель пресс-службы Тинькофф Банка говорит, что “Тинькофф” с первого дня основания работал с клиентами исключительно через дистанционные каналы, поэтому технологичность заложена в основу ДНК банка.

“Мы ИТ-компания с банковской лицензией – 70% сотрудников нашей штаб-квартиры связаны именно с технологиями.

Искусственный интеллект и машинное обучение активно применяются практически во всех наших бизнес-процессах – как при привлечении, удержании и обслуживании клиентов, так и во внутренних системах банка, – рассказал представитель пресс-службы Тинькофф Банка и привел примеры: – Все входящие обращения в Тинькофф обрабатываются специальными чат-ботами, а 20% диалогов проходят полностью без участия оператора. Созданный нами самый большой в Европе облачный колл-центр работает на разработанной внутри банка платформе. Она сама подбирает оператору наиболее релевантный его навыкам тип звонка. 100% звонков проводятся с помощью созданной внутри банка системы искусственного интеллекта. Внутренние обращения сотрудников автоматически классифицируются с точностью в 95% и распределяются на бэк-офис. Наша система автоматически анализирует имеющиеся у нас данные клиента и определяет допустимый по политике рисков размер кредитного лимита. После этого мы продолжаем анализировать финансовое поведение клиента, его расходы и привычки, использование лимита и многие другие факторы для изменения лимита”.

Источник: https://www.comnews.ru/content/115931/2018-11-19/banki-doveryayut-ii-vse-bolshe-biznes-processov

Как искусственный интеллект завоевал бизнес

Сегодня ИИ трансформирует все отрасли, уверен гендиректор «ABBYY Россия» Дмитрий Шушкин

Андрей Гордеев / Ведомости

Хотя идея искусственного интеллекта (ИИ) не нова, в последнее время область его применения заметно расширилась. Появилось больше данных для обработки, а компьютеры не только поумнели, но и стали умещаться на ладони.

Иногда технология напоминает о себе, лишь когда речь идет о громких новинках – например, в прошлом году весь мир узнал о стартапе Prisma, который с помощью искусственного интеллекта стилизовал фотографии под картины известных художников.

Но для ИИ найдется место и в крупном бизнесе.

По оценкам PwC, внедрение ИИ к 2030 г. даст 14%-ный прирост мировому ВВП (на $15,7 трлн). Это больше, чем нынешний суммарный объем промышленного производства Китая и Индии. Поэтому эксперты PwC считают технологии ИИ наиболее перспективным направлением развития бизнеса.

Сегодня ИИ трансформирует все отрасли, уверен гендиректор «ABBYY Россия» Дмитрий Шушкин.

В банках он обрабатывает документы, в корпорациях – автоматизирует процесс закупок, в телекоммуникациях и ритейле – обрабатывает запросы и комментарии клиентов, сторожит репутацию.

В строительстве и промышленности ИИ читает проектную документацию и находит расхождения на ранних стадиях, что помогает снижать расходы на проект. Постепенно переходят на ИИ индустрия развлечений, медийный бизнес, производство повседневных товаров.

«Если ваша компания относится к одной из этих отраслей, то, скорее всего, ваши конкуренты уже тестируют или используют эти решения», – уверяет Шушкин.

Робот даст взаймы

По данным oneFactor (предлагает бизнесу сервисы ИИ), в конце 2016 г. больше 75% всех решений по работе с клиентами в кредитных договорах банки принимали с учетом рекомендаций ИИ.

Многие российские банки так управляют рисками: определяют платежеспособность клиентов, оценивают вероятность дефолта или мошенничества.

Принятие решений почти целиком автоматизировано, уверяет гендиректор компании Роман Постников.

Обратите внимание

При одобрении кредитов ИИ самостоятельно сопоставляет данные клиента и запрошенную им сумму со скоринговыми моделями и за несколько секунд формирует индивидуальное кредитное предложение, рассказывает представитель «Тинькофф банка».

Робот следит за финансовым поведением и тратами клиента и сам принимает решение, можно ли увеличить лимит кредита конкретному клиенту. При этом робот анализирует результаты и самостоятельно обучается, рассказывает представитель банка.

Традиционно банки (и другие компании) используют ИИ в чат-ботах, которые помогают сотрудникам обслуживать клиентов, напоминает представитель «Тинькофф банка». Уже сейчас боты обрабатывают около 20% запросов, говорит он. Боты не только отвечают на вопросы клиента, но и понимают, что именно он хочет спросить.

Представитель Сбербанка тоже приводит в пример чат-боты. Кроме них в госбанке технологии ИИ ускоряют выдачу кредита, прогнозируют нужные объемы наличной валюты в отделениях и собирают от клиентов обратную связь.

С помощью ИИ Сбербанк развивает компьютерное зрение и биометрию, речевую аналитику и синтез речи, работу с естественным языком и текстом.

Читайте также:  Школьник создал систему "умный дом" из обычной игровой приставки

ВТБ начал применять алгоритмы машинного обучения в начале этого года. Цель – управлять рисками, объясняет директор по управлению проектами больших данных банка Василий Гаршин.

В будущем банк надеется с помощью технологии более точно прогнозировать дефолт по клиентам и спрос на продукты банка.

Вряд ли роботы полностью заменят сотрудников банка, считает Гаршин, но вот принятие решений по кредиту на основе моделей машинного обучения – уже реальность, подтверждает он.

Робот позвонит

Системы автоматического распознавания речи самостоятельно повышают точность распознавания голоса, рассказывает представитель компании «Ситроникс». Эта технология используется, например, в проекте «Автоматическая классификация обращений», которым «Ситроникс» занимается вместе с МГТС.

МТС использует ИИ в клиентских сервисах. Компания планирует развивать продукты в цифровой медицине и онлайн-образовании, сообщает представитель оператора.

Например, ИИ сможет автоматизировать диагностику, удаленно контролировать здоровье пациентов и давать рекомендации для врачей и преподавателей. Оператор использует ИИ и для анализа больших массивов данных, что помогает улучшить работу салонов связи.

Важно

Прогнозы посещаемости розничных точек позволили МТС на 15% сократить фонд рабочего времени, указывает представитель компании.

Как и банки, операторы пользуются чат-ботами. В МТС и «Вымпелкоме» они отвечают на вопросы абонентов. А «Мегафон» делал чат-бот в поддержку тура группы «Ленинград», партнером которой является оператор, рассказывал представитель «Мегафона».

Смысл существования этого бота представитель оператора видит в вовлечении и развлечении людей. Также «Мегафон» с помощью ИИ анализирует предпочтения абонентов тарифа «Включайся», сервис «Мегафон.ТВ» анализирует предпочтения подписчика.

Еще «Мегафон» предлагает применять ИИ в анализе геоданных: передвижение абонентов по городским артериям позволяет прогнозировать, как открывать салоны и строить сеть.

Робот в погонах

Элементы ИИ использует и оборонно-промышленный комплекс.

Представитель «Ростеха» приводит в пример решения для боевых самолетов, которые, например, позволили сократить экипаж Су-35 и Су-57 до одного пилота. Другая задача – охрана государственных границ.

ИИ просчитывает действия и маршруты нарушителей и может вести боевые действия: технология сама решает, какой машине отдать цель и из какого оружия стрелять.

Технологии концерна «Калашников» распознают местность, одежду людей, манеру поведения, рассказывает представитель «Ростеха».

Затем ИИ выбирает оружие и ликвидирует преступника или переводит огонь в сторону, если из-за укрытия появился ребенок, женщина или безоружный мужчина.

ИИ самообучается в процессе работы и, соответственно, способен имитировать работу человеческого мозга, уверяет представитель «Ростеха».

В других отраслях

Несмотря на интерес, некоторые отрасли (например, традиционно консервативная промышленность) часто недооценивают возможности ИИ, сокрушается исполнительный директор Yandex Data Factory Александр Хайтин. Но в консервативности он видит плюсы: предприятия накапливают большие объемы данных, которые потом и предложат обработать роботу.

Хайтин уверен в потенциале внедрения ИИ в отраслях непрерывного производства – нефтегазовой, химической, металлургии. В них, продолжает Хайтин, с помощью ИИ можно предсказывать качество продукции, оптимизировать параметры производства и расхода сырья. Даже небольшое улучшение отдельного процесса на 3–5% может вылиться в многомиллионную экономию, подсчитывает эксперт.

Что такое ИИ

ИИ стремится к тому, чтобы синтезировать информацию и делать обобщения, но полноценных примеров работы такой технологии нет. Пока что мы имеем дело с ИИ, который не пытается имитировать человеческое мышление, а решает четко сформулированную проблему с помощью методов обучения.

Совет

Ритейл с помощью ИИ может прогнозировать спрос, улучшать логистику и внутренние процессы в магазине, формировать индивидуальные предложения для покупателей, рассказывает IT-директор X5 Retail Group Фабрисио Гранжа. Например, рассказывает Гранжа, компания внедрила машинное обучение для маркетинга в сети «Перекресток».

ИИ учитывает частоту и сумму покупок, стиль жизни, приемлемый уровень цен, любимые категории товаров, продолжает Гранжа. Такие знания увеличивают эффективность целевого маркетинга на 5% и сокращают расходы на коммуникации на 40%. Система уже сформировала персональные предложения для участников программы лояльности, и сегодня более 70% целевых акций создается с ее помощью.

Подготовка целевых предложений ускорилась в 7 раз, резюмирует Гранжа.

А холдинг «Росэлектроника» (входит в «Ростех») интересуется работой с языком.

Он создает лингвистический процессор, для того чтобы компьютер «чувствовал» морфологию и синтаксис языка, понимал семантику текста.

Получившийся продукт должен искать необходимые сведения, читать СМИ, анализировать большие массивы данных, систематизировать документооборот и статистическую информацию, обещает представитель «Ростеха».

Любой сельхозпроизводитель, сталкивающийся с дефицитом грамотных управленцев и агрономов, рано или поздно придет к идее использования искусственного интеллекта, уверен директор по развитию ExactFarming (IT-сервис управления сельским хозяйством) Егор Заикин. Но в ближайшие 15 лет полноценное использование возможно лишь там, где растения живут в контролируемых условиях. В открытом поле пока нельзя оцифровать все факторы, влияющие на урожай, а они нужны для полноценной работы ИИ, указывает Заикин.

Плюсы и минусы

По данным PwC, 74% российских компаний планируют инвестировать в ИИ в ближайшие три года. Они стремятся автоматизировать рутину, отмечает руководитель центра компетенции по прикладному анализу данных PwC в России Олег Данильченко.

Примерно 40% российского рынка труда изменится за счет использования систем ИИ, уверен Постников. По его наблюдениям, лидером автоматизации труда является финансовый сектор. Вслед за ним современные методы оценки рисков на основе ИИ активно внедряют страховые компании.

Для них это возможность увеличить прибыль страхового портфеля на 5–10%, утверждает Постников.

А президент Сбербанка Герман Греф пригрозил, что перестанет брать на работу юристов, которые не знают, что делать с нейронной сетью (одна из технологий ИИ).

Если компания смогла обучить сотрудников, то обучит и машину, которая будет работать быстрее и дешевле, уверяет Шушкин. В среднем проекты с ИИ окупаются за два года, ссылается ABBYY на данные компании Сylance.

Почти на каждом предприятии, с которым работает Yandex Data Factory, находятся десятки кейсов успешного внедрения ИИ, указывает Хайтин.

Обратите внимание

При этом в отличие от других технологий ИИ не требует существенных капитальных вложений.

Но не стоит забывать и о рисках.

67% руководителей компаний в мире полагают, что в ближайшие пять лет ИИ будет отрицательно сказываться на доверии к отрасли, рассказывает руководитель практики контроля рисков PwC в России Тим Клау.

Безопасность технологии вызывает вопросы: данные должны быть проверены, а машины должны четко выполнять распоряжения человека. Есть и вопросы этического характера: приемлемо ли влиять на выбор человека и представляют ли потребители, кто имеет доступ к данным.

В жестко регулируемых отраслях (например, здравоохранении и финансах) внедрение ИИ может столкнуться с нормативными ограничениями. А законодательство пока что переменчиво, указывает Клау.

ИИ не заменяет человека, а лишь оптимизирует ситуации, когда уже понятны принципы принятия решений людьми, указывает партнер KPMG Николай Легкодимов. Многие ждут, что ИИ будет думать за них, но реальность не соответствует ожиданиям, отмечает эксперт.

Источник: https://www.vedomosti.ru/technology/articles/2017/11/23/742795-iskusstvennii-intellekt

Банки активно используют искусственный интеллект

Благодаря аналитическим платформам процесс принятия решений по кредитным заявкам стал практически полностью автоматизированным. Искусственный интеллект анализирует тысячи параметров и данных о клиентах.

Например, недавно банки стали использовать данные сотовых операторов: если потенциальный заемщик купил sim-карту два дня назад, это будет считаться подозрительным.

Чтобы выяснить, по каким параметрам банк отбраковывает или одобряет заявку, мошенники создают целый поток таких запросов, рассказала главный риск-менеджер Райффайзенбанка Наталья Темкина.

Но и с этой угрозой кредитные организации научились справляться.

Существуют технологии, позволяющие определить, что целый пул заявок был отправлен, например, с одного компьютера. В будущем, по словам Темкиной, для борьбы с мошенниками банки будут анализировать поведение клиентов на сайте, а также внедрят анализ биометрических параметров (для онлайн-заявок).

Важно

Финансовый сектор остается лидером по внедрению искусственного интеллекта в России. Исследование Deloitte показало, что эксперты российских финтех-компаний считают его наиболее перспективной технологией. Также они высоко ценят перспективы направлений, тесно связанных с искусственным интеллектом: машинного обучения, прогнозной аналитики, больших данных.

Компаниям, занятым в сфере обслуживания личных финансов, больше всего интересен API (программный интерфейс, может использоваться, в частности, для получения запросов и отправки ответов).

Семантический анализ (то есть анализ текстов, слов) интересует компании с численностью сотрудников от 25 до 50 человек, компании с выручкой более 50 миллионов рублей, а также компании, использующие скоринг.

Бизнес-аналитику чаще остальных используют компании, разрабатывающие инфраструктурные решения, а также компании с выручкой от 2 до 10 миллионов рублей.

Впрочем, не все готовы использовать искусственный интеллект. Например, отдельные представители энергетического сектора говорят, что у них недостаточно данных.

Другие отрасли жалуются на нехватку специалистов, прежде всего аналитиков данных.

Штатным ИТ-специалистам часто бывает сложно как работать с данными — обрабатывать их, очищать, интегрировать, обеспечивать качество, так и с инструментами аналитики.

“Готовность компаний использовать искусственный интеллект разная во всем мире, — рассказал исполнительный вице-президент, главный операционный и главный технический директор SAS Оливер Шабенбергер. — Для этого они должны понимать ценность искусственного интеллекта, потому что цель любого бизнеса — прибыль”.

Компаниям, добавил он, необязательно иметь много данных, но у них должна быть стратегия работы с ними. Пока же, как показало исследование SAS, аналитику данных в свои бизнес-стратегии закладывают только 4 из 10 организаций. Треть компаний признались, что используют аналитику данных редко.

А больше половины респондентов не получают максимальной отдачи от инвестиций в аналитику.

Аналитику данных в свои бизнес-стратегии закладывают только 4 из 10 организаций

Совет

Среди самых востребованных преимуществ аналитической платформы компании называли сокращение времени, затрачиваемого на подготовку данных, более взвешенное и уверенное принятие решений и быстрое получение информации.

Источник: https://finance.rambler.ru/other/41209252-banki-aktivno-ispolzuyut-iskusstvennyy-intellekt/

Вынос мозга

Роботы активно внедряются в финансовые бизнесы, но вряд ли полностью заменят человекаФото: Fotolia/ktsdesign

Искусственный интеллект сегодня можно применять в самых разных сферах деятельности человека, в том числе в финансовой. Банки.ру решил выяснить, как искусственный разум проникает в финансовые бизнесы в России и можно ли ожидать в ближайшее время массовой «роботизации» отечественных банков.

Искусственный интеллект для естественных нужд

Представители IT-индустрии и некоторые высокотехнологичные финансисты считают, что использование искусственного интеллекта скоро радикально поменяет банковскую сферу. Время стандартных продуктов и сервисов прошло: клиентам необходим персональный подход и индивидуальные условия, и банки должны подстраиваться под эти требования.

Если разработка и реализация десяти стандартных продуктов возможна силами людей, то миллионы индивидуальных предложений требуют иного подхода, а именно: приложения технологий.

«Алгоритмы искусственного интеллекта уже сейчас способны проанализировать поведение каждого отдельного клиента, выявить его персональные потребности и возможности, а также смоделировать риски для бизнеса, — говорит основатель рекламной платформы Segmento Евгений Легкий.

— Каждый прогноз основывается на тысячах факторов, от экономического положения в регионе до интересов клиента в Интернете». Понятно, что это не под силу сделать человеческому разуму. По оценкам эксперта, к 2020 году 80% решений, принимаемым бизнесом, будет доверено искусственному интеллекту.

«Финансовая сфера — основная точка приложения разработок в области искусственного интеллекта на ближайшее время, — соглашается директор по онлайн-продажам микрофинансовой организации «МигКредит» Роман Халанский. — Тут масса векторов: и разработки в области чат-ботов, и машинный скоринг, и «умный» кредитный конвейер, и интеллектуальный коллекшн».

Эксперты выделяют три направления, в которых можно применять искусственный интеллект.

Во-первых, распознавание образов, например товаров на прилавках магазинов, через камеру телефона. В будущем клиентам достаточно будет запустить мобильное приложение банка и навести телефон на товар на витрине, чтобы увидеть, какой кешбэк можно получить при оплате этой вещи кредиткой.

Во-вторых, распознавание речи. Возможно создание «умного» помощника для специалиста телефонных продаж.

Проанализировав разговор сотрудника и клиента, помощник после завершения звонка укажет на ошибки сотрудника и подскажет, что нужно исправить.

Обратите внимание

В качестве следующего шага можно внедрить помощника в разговор с клиентом в режиме реального времени. Возможна и гораздо более амбициозная задача — реализация полного робота-оператора кол-центра с синтезом речи.

В-третьих, частичное обучение и самообучение. При умелом подходе это позволит построить предиктивную модель для нового продукта, основываясь на данных по другому продукту, или систему скоринга заемщиков, основываясь на прошлых оценках по сходным заемщикам.

Банк управляет роботами

К примеру, подобная модель успешно работает в банке «Тинькофф». Там при принятии решения об одобрении кредитных продуктов используют исторические данные о клиентах, чтобы составить прогноз на будущее.

Это позволяет сформировать условия кредитования под каждого клиента и, как считают в банке, сводить к минимуму собственные риски.

Например, при повышенных рисках заемщику можно предложить минимальный кредитный лимит и высокую ставку.

«Сейчас мы добились того, что система сопоставляет множество данных о клиенте и его финансовый запрос с нашими скоринг-моделями и в течение нескольких секунд выдает ему абсолютно уникальный (в том смысле, что предложения не повторяются для разных клиентов) набор из 3—4 кредитных предложения на выбор, — делится опытом Роман Халанский. — Следующими шагами логично могут стать обучение системы, градация и корректировка предложений, в зависимости от финансового поведения этого клиента и клиентов со схожими параметрами».

Планируют внедрить кредитный конвейер и в МТС Банке, о чем Банки.ру рассказала руководитель IT-блока кредитной организации Оксана Смирнова-Крелль. Также в банке «Тинькофф» внедрена технология real-time-маркетинга. Она анализирует потребительское поведение клиента по его трансакциям и предлагает товары и услуги, которые могут быть интересны клиенту в данный момент.

Уже есть практический пример применения технологии — квест для клиентов. Банк предложил клиентам последовательно выполнить несколько заданий за вознаграждение. Во всех заданиях квеста нужно было совершить операцию по карте «Тинькофф». Клиенты проходили квест с разной скоростью, каждое следующее задание приходило после выполнения предыдущего.

Читайте также:  Изобретатель-любитель создал собственный "умный дом"

В итоге через эту игру банк привлек новых клиентов.

«Мы уже много лет успешно применяем математические модели для принятия верных решений в бизнесе, — рассказывает начальник управления вторичных продаж блока «Розничный бизнес» Альфа-Банка Наталья Зубенко.

— Методы машинного обучения применяются для определения вероятности принятия предложения cross-sell, для выбора лучшего предложения для клиента, для определения максимально релевантного канала для связи с клиентом, а также времени самой коммуникации».

«У нас создана серьезная система оценки рисков, работающая и самообучающаяся онлайн, — говорит, в свою очередь, директор инвестиционного департамента банка ВТБ 24 Сергей Лукьянов. — С накоплением огромных архивов данных искусственный интеллект направляется для анализа и выявления неочевидных человеку связей в поведении как рынков, так и клиентов».

Самообучаться также могут чат-боты, которых уже запустили некоторые технологичные банки. «Клиенты начинают активно использовать дополнительные каналы связи с банками и профучастниками. И это уже не простые чаты. Часто это чат-боты, позволяющие не только получать информацию по счету, но и совершать какие-то действия», — поясняет Лукьянов.

Например, весной этого года банк «Русский Стандарт» запустил бота в Telegram с функцией персонального консультанта — @BankRSBot, который изначально создавался для разгрузки кол-центра, но впоследствии научился отвечать на нестандартные запросы.

«Оставлять их без контроля не стоит»

Оптимисты уверены, что искусственный интеллект покорит финансовую сферу, но есть и скептические мнения.

«Искусственный интеллект начинает активно применяться в финансовой сфере во многих областях: для принятия решений о выдаче кредита на основе обработки информации о заемщике, в качестве виртуального собеседника (чат-бота) при продаже финансовых услуг и их поддержке, при формировании инвестиционных портфелей с помощью робоэдвайзера, в алгоритмической торговле, — говорит заведующий отделом количественного моделирования Форсайт-центра Института статистических исследований и экономики знаний НИУ ВШЭ Юрий Дранев. — Одной из наиболее перспективных областей применения искусственного интеллекта станут межмашинные трансакции в рамках развития Интернета вещей».

«Перспективы применения искусственного интеллекта в финансовой сфере обширны. Например, за рубежом появляются отдельные примеры того, как с помощью технологий искусственного интеллекта оптимизируется до 80% финансовых операций, — отмечает управляющий партнер BME Group Евгений Харитонов.

— Количество факторов, которые надо учитывать при принятии решений, возрастает, а человек имеет ограниченные возможности. С учетом больших массивов информации и постоянной нехватки времени на ее переработку, человеку сложно принимать правильные решения.

Здесь как раз и необходимы инструменты искусственного интеллекта».

«Узкоспециализированные продукты уже есть на рынке, и они будут интенсивно развиваться в ближайшее время, поскольку у потенциальных клиентов есть интерес к инновационным решениям в этой области», — соглашается директор департамента информационных технологий Абсолют Банка Андрей Горелов. Правда, по его мнению, о вытеснении банков роботами говорить не приходится. Скорее, стоит ожидать глубокой интеграции между финтех-компаниями и банками. Банкам просто придется подтянуть свои технологические возможности до нужного уровня.

«Робоэдвайзеры (автоматизированные инвестиционные роботы) составляют перспективный класс инвестиционных продуктов для частных инвесторов, предоставляющих клиентам возможность автоматически формировать и поддерживать портфель различных активов, таргетировать либо уровень риска, либо финансовую цель, — полагает руководитель направления дирекции развития цифрового бизнеса в Сбербанке Олег Комляков. — Вместе с тем локализация подобных продуктов для рынка России длительна, а распространение таких продуктов, по мнению Банка России, чревато различными рисками».

«В области финансовых услуг, связанных с консультациями по управлению портфелем инвестиций, например, «роботизация» может произойти нескоро — живой консультант лучше понимает эмоциональное состояние клиента и способен правильно объяснить рыночную ситуацию и риски, — приводит пример член правления, директор по информационным технологиям Росбанка Денис Сотин. — Однако развитие технологий, связанных с анализом биометрических параметров человека, в дальнейшей перспективе может сильно уменьшить влияние этого различия».

«Мы верим в роботов, но не верим, что в ближайшее десятилетие целесообразно полностью переходить на роботизированные технологии, — подытоживает Роман Халанский. — Многие помнят одну из версий краха фондовых рынков в «черный понедельник» 1987 года, связанную с программным трейдингом. Хотя современные роботы и стали значительно умнее, оставлять их без контроля не стоит».

Фаина ФИЛИНА, для Banki.ru

Источник: https://www.banki.ru/news/daytheme/?id=9312804

Искусственный интеллект позволил российским банкам прогнозировать поведение клиентов

31.05.2018     Новости финансового сектора

Искусственный интеллект облегчил работу банков с должниками. Алгоритм позволил спрогнозировать вероятность поступления платежей по кредиту и снизить число звонков заемщикам.

Об этом «Известиям» рассказали в крупнейших банках из топ-30. Это повысило лояльность клиентов и снизило уровень просроченной задолженности.

Часто заемщик даже не понимает, что взаимодействует с роботом: в некоторых банках машина принимает 80% решений по ипотечным сделкам.

Важно

Алгоритмы машинного обучения позволили банкам лучше прогнозировать поведение клиентов и отличать «плохих» заемщиков от «хороших». При принятии решений используются данные о поведении клиентов.

Если раньше это было всего несколько десятков показателей, то теперь их сотни и даже тысячи, отметил менеджер проекта «Биг дата» банка «Хоум Кредит» Сергей Герасимов.

Применение машинного обучения позволило банку более точно прогнозировать вероятность невозврата кредита, в результате уровень просроченной задолженности снизился до 3,7%, добавил он.

Искусственный интеллект позволил в 70% случаев отказаться от звонков клиентам на ранних стадиях при появлении просрочки, рассказал управляющий директор Бинбанка Вадим Ковалев. По его словам, это повысило лояльность клиентов, при этом эффективность сбора просроченной задолженности не упала. Кроме того, банк сэкономил на взыскании.

— Выявляются заемщики, звонить которым в принципе бесполезно. В результате мы не беспокоим клиентов без необходимости, а звонки поступают только тем, кому необходимы напоминания и консультации, — отметил Вадим Ковалев.

Оценка банковских рисков — далеко не единственная сфера, где активно применяются технологии машинного обучения. Клиенты часто взаимодействуют с искусственным интеллектом, сами того не подозревая, отметил директор департамента IT-развития МКБ Алексей Кудряшов.

— При звонке в банк вас приветствует робот, который поможет активировать карту или сменить PIN-код. Все платежи клиентов анализирует специальная программа, помогая бороться с различными угрозами, — пояснил он.

Технологии искусственного интеллекта, как правило, используются для решения вполне конкретных задач, отметил руководитель службы информационных технологий Почта Банка Сергей Чеков. Например, это распознавание платежных реквизитов, документов и фотографий с использованием нейронных сетей. Почта Банк идентифицирует клиентов по фото.

В банке «Тинькофф» искусственный интеллект используют для распознавания речи клиентов, содержимого их документов, а также при выдаче ипотеки, рассказали «Известиям» в финансовой организации.

80% всех решений по ипотечным сделкам принимает машина (advisory engine).

Это дает возможность не только отказаться от услуг менеджеров и экономить на операционных процессах, но и масштабировать ресурсы, подчеркнули в банке.

Совет

Роль искусственного интеллекта в развитии финансовой системы очень велика. За последние пять лет все основные изменения в этой сфере так или иначе связаны с развитием информационных технологий, отметил начальник управления цифровой трансформации департамента информационных технологий ВТБ Алексей Чубарь.

В обозримом будущем машины не заменят людей полностью, но окажут заметное влияние на структуру рынка труда, систему образования и подготовки кадров, считает Вадим Ковалев.

Уже сейчас искусственный интеллект стал частью повседневной жизни: от интернета, медицины и data driven компаний до «умных» городов, представляющих собой огромные самообучающиеся системы и создающих максимально удобные условия для своих жителей, добавил он.

Банки планируют отдать роботам большое количество рутинных функций, а это снизит расходы на персонал.

«Открытие» будет использовать искусственный интеллект при работе с претензиями, при найме сотрудников на массовые позиции, а также для создания персональных финансовых менеджеров и lifestyle ассистентов, рассказал член правления, руководитель IT-блока банка «Открытие» Сергей Русанов.

ВТБ планирует отдать алгоритмам все рутинные операции по аналитике, добавил Алексей Чубарь. А в Росбанке технология уже помогает принимать решения об открытии или релокации отделений, сообщил первый заместитель председателя правления Росбанка Арно Дени.

Как отметили в Россельхозбанке, новые технологии повысят доступность банковских услуг для клиентов, позволят снизить риски и затраты банка, а также обеспечить персональный подход. Роботы будут анализировать информацию о потребителе и на основе полученных данных делать индивидуальные предложения.

Источник – ИЗВЕСТИЯ

Источник: https://arb.ru/b2b/news/iskusstvennyy_intellekt_pozvolil_rossiyskim_bankam_prognozirovat_povedenie_klien-10204178

FutureBanking: Где и как банку использовать искусственный интеллект

Внедрение искусственного интеллекта является стратегически важной задачей для банковских секторов Бразилии, Великобритании и Мексики, но такие страны как Германия и Швейцария, наоборот, не уделяют этому вопросу большого внимания, показало недавнее исследование GFT. Ответить на вопрос, насколько искусственный интеллект применим в российском банковском секторе, FututreBanking попросил участников форума FinMachine 2017.

Иван Оселедец, Сколковский институт науки и технологий, доцент
Есть области, в которых искусственный интеллект применяется активно – обработка естественного языка, обработка данных, систематизация, выявление фрода и так далее.

Есть области, где до внедрения искусственного интеллекта далеко: например, скоринг и логистическая регрессия. Недавно была замечательная новость про стартап, который выдавал кредиты тем, кто не может получить их в банке.

Этот стартап потратил 10 миллионов долларов и закрылся, потому что оказалось, что люди, которым банки не выдают кредиты, реально их не возвращают.

В то же время есть и большая научная проблема, как интерпретировать результаты работы машинного обучения, если на основании этих алгоритмов принимаются какие-то решения, почему мы должны верить нашему классификатору.

Вопрос, как этот «черный ящик» работает –  тема статей 2017 года. Этот вопрос важен не только для банков, но и для регулятора, который должен сказать, нормальный ли алгоритм машинного обучения использует банк или нет.

 

Аркадий Сандлер, МТС, руководитель направления Artificial intelligence Мы все немного очарованы словами «искусственный интеллект», «машинное обучение» и тому подобными. Появилась новая каста шаманов, которые называются data scientists и специалисты по глубокому обучению.

Мы видим какого размера «киты», снабженные государственными деньгами, играются друг с другом. По всей видимости, в ближайшие лет десять крупные иностранные игроки на рынке не появятся, а основным драйвером для российских банков с государственным участием является вопрос доли, которую они занимают. Это ведет к демпингу, к снижению маржинальности, к погоне за числом клиентов.

Обратите внимание

В этой ситуации остается только искать хорошие способы проявлять лояльность к своим клиентам, чтобы они не уходили к демпингующим игрокам. Также очень важно снижать издержки на внутренние процессы. Здесь как раз и начинаются разнообразные истории про автоматизацию.

Чем «интеллектуальнее» система, тем большее количество когнитивных функций она способна заменить. Коммуникация робота с клиентом, условно, стоит ноль. Значит, ее можно строить совершенно иначе, не пытаться сокращать длительность этой коммуникации, понять, что она требует переработки части бизнес-процессов.

Мне кажется, что нужно думать больше об этом. Машинное обучение, искусственный интеллект – это на сегодняшний момент лишь технологическая верхушка, часть инструментария, который позволяет бизнесу работать со своей маржинальностью.

Алгирдас Шакманас, Промсвязьбанк, руководитель блока «Цифровой бизнес»
Для меня машинное обучение – это именно обучение или feedback loop, то есть когда машина выходит в бизнес, принимает решения, ведет коммуникацию, занимается продажами и так далее, а затем получает обратный сигнал и переобучается.

Читайте также:  Алгоритм анализирует видеоролики для показа подходящей рекламы

Люди не могут сидеть и интерпретировать поведение миллионов клиентов, а машина может. Мы в самом ближайшем будущем не будем знать, что, кому, почему и когда продаем. В итоге мы получим «черный ящик», которым надо управлять.

Вопрос в том, как им управлять. Особенно остро этот вопрос стоит в США. Что делает машина? Она смотрит на общество, учится и начинает усугублять проблемы общества.

Почему американцы не позволяют в риски записывать расу? Потому что понятно, что, к сожалению, афроамериканец по многим причинам будет хуже отдавать кредиты, а машина будет усугублять это положение.

Можно вспомнить и искусственный интеллект от Microsoft, который за сутки научился сквернословию и стал отпускать расистские замечания.

Есть много сфер, где цена ошибки низкая. Например, если мы предлагаем клиенту какой-то продукт, но не угадали, то это небольшая проблема. Но, если мы отдали клиенту деньги, а он их взял и убежал, то это уже ситуация с высокой стоимостью ошибки.

Важно

Когда речь идет о том, как решить проблему «черного ящика», я всегда вспоминаю про программирование софта для шаттлов. NASA тоже понимает, что цена ошибки невероятно большая, потому они создали три команды, которые пишут софт параллельно. В шаттле три компьютера и еще один, который сводит решения. Решение принимается на основе консенсуса разных ПО.

 Даже если в одну из программ закрался баг, то в двух других программах в каждом конкретном случае баг маловероятен. Поэтому, когда мы имеем дело с большой стоимостью ошибки, надо делать отдельные алгоритмы, модели, которые между собой соревнуются. Если одна модель допустит ошибку, то можно посмотреть на другие.

Таким образом, есть возможность минимизировать риск.

У нас в банке есть проект робота, который занимается продажами, отслеживает конкурентов, наши внутренние процессы, поведение конкретного человека.

Самое главное, что мы отстроили систему обратной связи, чтобы обрабатывать и посылать сигналы обратно в систему. Что-то из этого уже начало работать.

Я надеюсь, что в конце 2018 года у нас минимум 50% всех розничных продаж будет как-то соприкасаться с этой системой.
 

Никита Блинов, Rubbles, CEO и сооснователь
Если под искусственным интеллектом понимать методы машинного обучения, то это уже повседневность для банков и других бизнесов. Я бы себя отнес к числу тех, кто считает, что за искусственным интеллектом будущее.

Лет 100-150 назад мало кто мог себе позволить банкинг, но у тех, кто мог, был персональный банкир – конкретный живой человек, с которым клиент мог посоветоваться и принять какое-то решение.

Анализ данных и машинное обучение могут быть полезными, чтобы сделать этот сервис массовым, доступным для каждого обычно человека, у которого мало денег.

Предоставить персонального банкира, который  каждому конкретному человеку дает самую релевантную информацию.

Основная задача заключается в том, чтобы быть полезным клиенту. Банк – это сервис, который лучше чем кто-либо знает персональную финансовую ситуацию клиента, а также знает всё, что происходит в мире.

При этом он знает лучше, чем клиент, потому что на стороне банка не люди, а технологии. Банк должен проактивно давать финансовые рекомендации. Кросс-продажи – это подмножество этих рекомендаций.

Это ближайшее будущее банкинга.

Андрей Попов, Райффайзенбанк, руководитель дирекции информационных технологий

Если под искусственным интеллектом понимать некоторые методы продвинутого анализа и машинного обучения, то он уже используется в разных областях, будет дальше развиваться. Мне бы хотелось увидеть, как эти  некоторые методы превращается во что-то более серьезное, а не в просто навешивание ярлыка, но для этого сколько-то лет должно пройти.

Источник: http://futurebanking.ru/post/3512

Интеллектуальная реальность. Перспективы развития искусственного интеллекта

ПодробностиКатегория: Новости

Одно из направлений развития IT-технологий – это искусственный интеллект (ИИ).

Аналитики сообщают, что если в 2011 году было заключено 67 сделок с компаниями, ведущими разработки в области искусственного интеллекта, то за прошлый год их число увеличилось до 400.

О статистике 2016 года пока говорить рано, но рекордные 140 сделок только за первый квартал текущего года позволяют предположить взлет востребованности данного сектора. Это обосновано, т.к. технология может найти применение во многих сфер жизни.

Диаграмма – Динамика количества сделок с разработчиками искусственного интеллекта, ед.                            

Искусственный интеллект в сельскохозяйственном секторе

В сельском хозяйстве искусственный интеллект используется в оборудовании для обработки и сбора урожая. Работы по данному направлению ведут как зарубежные инженеры, так и российские.

Например, компания Autonomous Tractor Cooperation еще в 2012 году представила трактор Spirit беспилотного управления. Его комплектация содержит систему AutoDrive, которая представляет собой симбиоз радионавигации и лазерного гироскопа. Данная система обеспечивает самостоятельное передвижение трактора по маршруту, который он предварительно проехал с водителем.

В этом году российский производитель Cognitive Technologies организовала тестирование беспилотного трактора, оснащенного компьютерным зрением. Такое решение позволяет предупреждать повреждение сельскохозяйственной техники, т.

Совет

к. заранее обнаруживает посторонние предметы на обрабатываемых площадях. Видеокамеры и навигационные датчики, предусмотренные его устройством, собирают информацию о местоположении опасных предметов в режиме реального времени.

Самостоятельный трактор разработала компания CNH Industrial. Его уникальность заключается в том, что он аккумулируют информацию с помощью основанной на явлении отражения и рассеивания света системе лидар.

Такие разработчики как Blue River Technology, PlantVillage взяли вектор на развитие технологий, борющихся с сорняками. Интеллектуальные машины распознают и уничтожают ненужные растения.

Ожидается, что беспилотные транспортные решения значительно увеличат производительность сельского хозяйства. Возможно, в будущем данный сектор сможет полностью функционировать без участия человека.

Ученые полагают, что искусственный интеллект займет свою нишу и в так называемых вертикальных фермах, т.е. полностью тепличном сельском хозяйстве.

Устройства смогут отслеживать важные для урожая показатели, такие как влажность, освещенность и температура, оперативно реагируя на их колебания.  

 

Искусственный интеллект в государственном секторе

Искусственный интеллект уже несколько лет используется на западе в правоохранительных структурах и пожарных службах.

Разработчики программы Series Finder определили девять сценариев краж.

Алгоритмы, заложенную в основу технологии, анализируют множество факторов, среди которых простота взлома дома, время суток, день недели и т.д., и воспроизводят потенциальное поведение преступника.

Это способствует не только быстрому раскрытию преступления по готовому шаблону, но и позволяет предсказывать и предупреждать опасность.

Обратите внимание

Специалисты Рочестерского университета утверждают, что при помощи интеллектуальных систем по поведению пользователя в Instagram можно выявлять наркоторговцев.

Тем временем NASA проектирует «железного» ассистента для пожарных, цель которого заключается в организации слаженного взаимодействия пожарной группы, а также оперативное информирование о состоянии ситуации каждого специалиста на месте возгорания.

Исследователи полагают, что в ближайшее время доверие к интеллектуальным технологиям, обеспечивающим безопасность, будет только расти, в том числе в частной среде.

Преимущество ИИ в том, что он может фиксировать то, что упускает из вида человек, способен накапливать и анализировать большие объемы данных, генерировать шаблонные ситуации и оставаться беспристрастным и равнодушным в любой ситуации. Однако ученые уточняют, что полностью исключить человека из государственных структур, организующих безопасность населения, не получится.

Существуют процессы и решения, требующие психологического анализа, подвластного только «живым» специалистам. В то же время умные машины могут взять на себя опасные функции. Например, обследовать горящее здание, прикрывать от пуль и т.д.

Технология – лучший друг человека. Искусственный интеллект в быту и в повседневной жизни

Уже не один год десятки инженеров работают над проектом «умного» дома.

На искусственный интеллект хотят возложить обязанности по установлению температуры в помещении, автоматической регулировке освещения, открытию/закрытию въездных ворот, поддержанию чистоты и порядка и многие другие.

Создатели ставят целью максимально упростить процесс управления и «общения» с высокоинтеллектуальным домом, чтобы алгоритмы запускались не от пульта или иного прибора удаленного контроля, а распознавали голос и жесты. 

Параллельно с разработками «умного» дома, ученые тестируют интеллектуальных ассистентов, которые призваны создать человеку совершенный быт. Различные модели социальных роботов умеют определять комфортную для конкретного человека температуру окружающей среды и регулировать ее в помещении, поддерживать беседу, запоминать лица и выполнять указания.

Важно

Ожидается, что уже к 2030 году домашние роботы станут нормой.

Полностью освободить человека от бытовых обязанностей они не смогут, но способны обеспечить наиболее благоприятные условия жизни, автоматизировать ряд базовых процессов, прогнозировать и предупреждать жилищно-коммунальные аварии, отвечать за безопасность имущества и т.д. Некоторые решения могут быть полезны для людей с ограниченными возможностями.

 

Искусственный интеллект в образовательном секторе

Современные технологии активно модернизуют систему образования.

Например, в России в ряде столичных школ тестируют электронные журналы, которые предоставляют родителям информацию об успеваемости и посещаемости ребенка в режиме Онлайн, а для педагогов упрощают «бумажную» работу.

В этом году в День учителя робот провел в тандеме с педагогом занятие по информатике в одном из казанских лицеев, что для нашей страны является уникальным событием.

Мир уже знаком с интеллектуальными образовательными системами, которые определяют уровень знания ученика, оценивают верность ответов и разрабатывают персонализированную программу обучения.

В качестве примера можно назвать такие решения как AutoTutor, Knewton, SHERLOCK. Последняя используется в ВВС США для обучения пилотов. Достаточно хорошо проработаны ряд обучающих онлайн-платформ.

В частности, знакомые в том числе и в России сервисы Coursera и Duolingo.

В сфере образования искусственному интеллекту отводят будущее.

Он привлекателен тем, что способен создать для каждого обучающегося уникальный план развития, который учитывает способности и интересы ученика, и, следовательно, максимально эффективно реализует его потенциал.

Также искусственный интеллект беспристрастен при оценивании знаний или проверке заданий. Роботы могут не только обучать автономно от учителя, но и помогать ему.

Ученые Лаборатории знаний Университетского колледжа Лондона прогнозируют, что в будущем у каждого человека будет свой обучающий наставник. Машинное обучение будет выявлять способности человека и давать рекомендации по обучению, находясь всегда «под рукой» через приложение на мобильном устройстве.

Искусственный интеллект в финансовом секторе

В банковской системе и финансовой сфере искусственный интеллект может стать как помощником, так и угрозой. Например, с помощью автоматических систем проще отслеживать финансовое мошенничество и подозрительные транзакции. Подобное решение тестирует MasterCard при поддержке National Savings Bank.

Также банки намерены использовать роботизированных сотрудников в работе с клиентами.

Искусственный интеллект может обрабатывать запросы клиентов, информировать об услугах и возможностях, оказывать техническую поддержку. Шведский банк Swedbank протестировал искусственного ассистента еще в 2014 году.

Совет

По словам представителей Swedbank, уже через год после запуска робот разрешал 80% всех поступающих в банк звонков.           

Финансовые учреждения нашли применение искусственного интеллекта и в системе управления персоналом. Интеллектуальные технологии контролируют решения сотрудников, оперативно реагируя на неправомерные действия с их стороны, тем самым предупреждая нарушение законодательных норм по вине банка.

 Летом 2016 года появилась информация, что финансовые организации Goldman Sachs, Morgan Stanley Citigroup и UBS Group инвестируют в разработки искусственного интеллекта для найма персонала.

Среди возможностей такого решения называют отбор приемлемых резюме, оценку профессиональных качеств соискателей и организацию видеособеседований.

Представители компаний надеются, что интеллектуальные технологии не только автоматизируют процесс найма, но и снизят текучесть кадров.   

Разработчики приложений Pefin и Wallet.ai доверили онлайн-платформам личные финансы. Сервисы, принимая во внимание экономические показатели, например, уровень инфляции и размер налогов, строят индивидуальную финансовую систему, рассчитывая, сколько человек может потратить или инвестировать.

В этом году аналитические службы юридической компании Baker&McKenzie опубликовали результаты своего исследования, согласно которому в ближайшие три года искусственный интеллект начнет широко применяться в сфере финансов.

Половина из 424 опрошенных руководителей банков заявили о планах внедрения интеллектуальных систем в работу учреждения, из них 39% – с целью предотвращения нелегальных денежных переводов, а 26% – для мониторинга правомерности действий банка.

Искусственный интеллект в транспортной системе

Источник: http://1234G.ru/novosti/razvitie-iskusstvennogo-intellekta

Ссылка на основную публикацию
Adblock
detector