Российский банк систематизирует обращения клиентов при помощи искусственного интеллекта

Как машинное обучение помогает банкам и платежным системам

Михаил Ежов – сооснователь блокчейн-сервиса по распознаванию и анализу речи Anryze

Через пять лет Сбербанк, по словам главы компании Германа Грефа, сможет принимать 80% всех решений с помощью искусственного интеллекта:

«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, мы сможем принимать примерно 80% всех решений автоматически с помощью искусственного интеллекта».

Сегодня нейросети позволяют анализировать финансовые транзакции, собирать и использовать информацию о клиентах, формировать уникальные пакеты предложений и услуг для конкретного пользователя, принимать осознанные решения о выдаче кредитов и даже бороться с мошенничеством.

Основные понятия

Термин «машинное обучение» включает в себя любые попытки научить машину улучшаться самостоятельно – например, обучение на примерах или обучение с подкреплением. Машинное обучение – процесс, связанный с вводом и выводом данных, предполагающий использование некой математической модели – алгоритма.

Искусственная нейронная сеть, или «нейросеть», – частный случай машинного обучения, компьютерная программа, работающая по принципу человеческого мозга: она проводит входящие данные через систему «нейронов», более простых программ, взаимодействующих между собой, после чего выдает результат вычислений на основе этого взаимодействия. Любая нейросеть самообучаема и может использовать накопленный в ходе работы опыт.

Нейросети и алгоритмы машинного обучения позволяют повысить ценность данных: искусственный интеллект может их не только сохранять, но анализировать и систематизировать, выявлять закономерности, недоступные при самостоятельном анализе большого массива информации. Благодаря последней особенности нейросети умеют моделировать и предсказывать события, основываясь на предыдущем опыте.

Смена парадигмы предоставления банковских услуг в России и в мире

Стремясь выделиться среди конкурентов и завоевать внимание целевой аудитории, банковские компании переходят от пассивного взаимодействия с клиентом к проактивному.

Банки создают новые сервисы, продвигают новые услуги и пакеты услуг, опираются на принцип клиентоориентированности – предлагают каждому именно то, в чем он заинтересован, подбирают индивидуальные предложения по кредитам. Развитие решений, основанных на использовании нейросетей, идет в нескольких направлениях.

Появляются умные помощники, которые позволяют быстро получить нужную информацию или принять решение, – например, Telegram-бот банка «Райффайзен» поможет найти ближайшее отделение и узнать, работает ли оно по субботам. Совершенствуются решения, связанные со скорингом, – интеллектуальной оценкой кредитной истории клиента.

Обратите внимание

Онлайн-сервис Scorista оценивает благонадежность заемщиков МФО. Инструмент для автоматизации деятельности МФО Credit Sputnik включает в себя интеграцию с продуктами поставщиков кредитных историй ОКБ, Equifax, «Русский Стандарт», сервисом ФССП.

Стартапы разрабатывают системы смарт-контрактов – построенные на технологии блокчейна агенты, поведение которых автоматизировано и определено математической моделью.

Смарт-контракты, описывая договор любой сложности, автоматически исполняются на каждом этапе, выполняя определенный набор условий. При этом изменить или стереть историю сделки невозможно.

Британский банк Barclays внедряет такую технологию, чтобы регистрировать переход права собственности и автоматически перечислять платежи в другие кредитно-финансовые учреждения.

Нейросети позволяют эффективно обрабатывать данные о клиентах и пользователях услуг. Многие современные стартапы – американская система Brighterion, системы iPrevent и iComply – основаны на применении подхода Know Your Customer (KYC).

Суть подхода – в подробном анализе поведения клиента. Сбор данных о поведении помогает составить полное представление о клиенте и обеспечить более персонализированный сервис.

А еще подобное позволяет выявлять отклонения от стандартного паттерна и распознавать несанкционированные действия с аккаунтом.

Именно эту идею взяли за основу разработчики приложения Sense от «Альфа-Банка». Сервис – финансовый помощник, который напомнит о платежах по кредиту или за коммунальные услуги, подскажет, как сократить расходы, и даст совет – например, какое такси лучше заказать или где купить цветы.

Искусственный интеллект для повышения индекса лояльности клиентов

Источник: https://www.if24.ru/mashinnoe-obuchenie-pomogaet/

Club.CNews.ru: Применение машинного обучения и искусственного интеллекта в клиентской поддержке

20 Ноября 2018 в Москве состоялась очередная встреча членов Клуба ИТ-директоров VENTRA Lab «Применение машинного обучения и искусственного интеллекта в клиентской поддержке», на которой эксперты ведущих компаний поделились собственными мнениями и кейсами по автоматизации клиентского сервиса.

Среди гостей клуба VENTRA Lab в этот вечер стали представители компаний Х5 Retail group, HeadHunter, Райффайзен банк, Росбанк, Ив Роше, XPO Logistics, Спортмастер, 7 red lines, Метлайф, МЕДСИ, Gloria Jeans, БургерКинг, ТВОЕ, KFC IRB, Комус, СТОКМАНН, ZENDEN Group, DPD и другие. Всего – более 50 компаний.

Задавая тон встречи модератор Александр Парамонов акцентируя внимание гостей на теме мероприятия, напомнил 4 вида информации, за которую готов платить бизнес: описательный, диагностический, прогностический и, самый дорогой и важный – предписывающий. Привел пример, когда применение искусственного интеллекта для генерации «предписывающей» информации давало инвестиционной компании снижение рисков неверных решений до 15%, что добавляла +25% к маржинальности бизнеса.

Сессию блиц-выступлений подхватили проекты Сколково: Gridfore и Digintel.

Виктор Ходяков, CEO Gridfore, поделился кейсами своей «реактивной аналитической платформы», раскрыл секреты, как с помощью аналитики данных в реальном времени от Gridfore повысить эффективность операционных подразделений, качество сервиса (во время ответа операциониста – «подгружать» историю клиента, генерировать персональные скидки), предоставить отделу маркетинга информацию о событии клиента не на следующее утро, а в момент возникновения события, чтобы дать возможность сформировать горячее контрпредложение и превратить «кейс оттока» в «кейс повышения лояльности», помочь службам сопровождения предотвращать массовые сбои сервисов и оборудования, контролировать горячие остатки склада, выявлять мошеннические действия кассиров и многое другое.

Анна Зубкова, CEO Digital Intelligence, поделилась кейсами использования разговорного Al в контакт-центрах.

Важно

Гостям запомнилась история дружелюбного ассистента «Андрея», который на сайте Аэроэкспресса помогает купить билеты, подсказывает расписание рейсов, правила проезда. Теперь 60% вопросов решаются без участия операторов, а уровень удовлетворенности ответами достигает 75%.

Также Анна рассказала об опыте ЮниКредит Банка, который обрабатывает 7500 обращений к инфоботам в месяц, но максимальную эффективность достигает с помощью Al-суфлеров.

83% ответов операторам на самом деле подсказывает бот-суфлер: мгновенно считывая запрос, он показывает релевантные ответы, в 2 раза ускоряя работу службы поддержки. Больше всего вопросов и обсуждений вызвал кейс про «Алису» Яндекса, которая помогает тысячам людей в день заказывать пиццу «Папа Джонс».

После блиц-выступлений Сколково внимание гостей было приковано к историям заказчиков. Первым слово взял Александр Огнивцев, руководитель Управления сервисной поддержки АльфаСтрахования.

Он подробно рассказал об истории внедрения сервиса по классификации запросов: 4 года боту сгружали входящие обращения, но это стоило затраченных усилий: теперь обученный робот правильно классифицирует 85-100% запросов, в 2-3 раза уменьшив общие трудозатраты на обработку. Поделился болью о том, что не всегда человек может обучить бота, трудно приставить к нему живого наставника.

Предостерег гостей от необдуманных решений, проиллюстрировав случаем, когда закупленный сервис исходящих звонков стал давать конверсию 5% вместо обычных 15% (при работе оператора-человека).

Олег Седелев, иректор ai проектов Дивизиона корпоративных клиентов 360, блока корпоративно-инвестиционный бизнес Сбербанка,

Источник: http://club.cnews.ru/blogs/entry/primenenie_mashinnogo_obucheniya_i_iskusstvennogo_intellekta_v_klientskoj_podderzhke

Сбербанк начал давать советы клиентам с помощью искусственного интеллекта » Против УЭК

Сбербанк запустил сервис, который будет анализировать поведение пользователей «Сбербанк Онлайн» и давать им советы. Банк рассчитывает, что сервис заинтересует все 20 млн пользователей приложения.

Сбербанк запустил сервис «Мой помощник» на базе искусственного интеллекта, который сможет предсказывать поведение пользователей и предоставлять им в связи с этим релевантную информацию, рассказал РБК представитель банка. Сервис реализован в виде раздела для приложения «Сбербанк Онлайн».

Сервис будет собирать обезличенные данные пользователей (траты, накопления, данные профиля), формировать их в математические модели и на основе них делать выводы.

Совет

На первом этапе в сервис было загружено около 40 моделей, спроектированных на основе жизненных ситуаций. Например, пользователь резко поменял свое привычное поведение и стал много времени проводить в магазинах детской одежды. 

Сервис может предположить, что пользователь ожидает ребенка, и предоставить ему список документов на оформление новорожденного и адреса госорганов, где это можно сделать.

В основном сервис предлагает простые советы после анализа поведения пользователя. Если «Мой помощник» зафиксирует ежемесячное списание денег, он поймет, что клиент взял ипотеку, и напомнит ему, что можно вернуть налог.

​Также сервис способен реагировать на различные триггеры — определенные действия.

Например, пользователь оплачивает аренду машины за границей — помощник предложит заправить автомобиль на АЗС на второстепенной дороге, где бензин дешевле на 5–7%.

Новая услуга не привязана к обновлению приложения, поэтому уже с 8 февраля у Android-пользователей автоматически появится новый раздел «Мой помощник» в виде списка релевантных советов. Некоторые предложения, актуальные в данный момент, также будут присылаться как push-уведомления. Пользователи iPhone смогут воспользоваться функцией только к началу марта.

Доходные советы

По данным CB Insights, инвестиции в проекты, связанные с искусственным интеллектом, растут по всему миру. Во втором квартале 2016 года подобные компании привлекли $1,049 млрд, что стало рекордным размером инвестиции.

Сбербанк ожидает, что новая услуга привлечет все 20 млн клиентов, являющихся сейчас активными пользователями приложения «Сбербанк Онлайн».

«На текущий момент монетизация сервиса будет осуществляться через продажу банковских продуктов, увеличение оборотов по картам и увеличение остатков на счетах, — пояснил представитель банка. — В будущем добавится монетизация на основе взаимоотношений c партнерами, чьи услуги или продукты будут предлагаться пользователям «Сбербанк Онлайн».

Через советы компания также может продвигать как свои услуги, так и сервисы партнеров. Например, если клиент снимает деньги в определенном банкомате, «Мой помощник» порекомендует чаще пользоваться картой, чтобы копить бонусы «Спасибо» от Сбербанка.

Обратите внимание

Также он будет показывать специальные предложения в магазинах к праздникам, например к 8 Марта. По словам представителя компании, доля советов, связанных с банковскими продуктами и не связанных с ними, составит 1 к 1.

Сейчас работают партнерские советы, например с ndflka.

ru (сайт, который помогает заполнять и сдавать налоговую декларацию), банк планирует подключить такие компании, как Smartreading (библиотека нон-фикшн книг в формате саммари), Qlean (сервис профессиональной уборки) и партнеров «Сбербанк Спасибо» (объединяет различные магазины и сервисы).

Персональный помощник

По словам главного технического архитектора «Альфа-лаборатории» (IT-подразделение Альфа-банка) Максима Азрильяна, до сих пор российские банки лишь пилотировали подобные системы, причем примеры были единичными.

Вместе с тем эта технология помогает улучшить скорость и качество обслуживания клиентов.

«Внедрение искусственного интеллекта — очередная ступень упрощения человеческого труда, направленная на автоматизацию рутинных процессов», — сказал он.

Источник: http://protivkart.org/main/9845-sberbank-nachal-davat-sovety-klientam-s-pomoschyu-iskusstvennogo-intellekta.html

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.

Важно

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.

Читайте также:  Роботы на олимпийских играх 2018 года

«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.

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

Перспективы применения искусственного интеллекта в банках

В XXI веке машинный труд повсеместно вытесняет человеческий. Не минула эта учесть и финансовую сферу. По мнению представителей IT-индустрии, в ближайшее время искусственный интеллект (ИИ) кардинально поменяет принципы функционирования банковской сферы.

Действительно, применения современных информационных технологий позволит финансово-кредитным учреждениям решать задачи, которые нельзя выполнить при задействовании исключительно человеческих рабочих ресурсов. Банки получат возможность обрабатывать огромные массивы данных, обзаведутся идеальной памятью и многозадачностью единовременно выполняемых процессов.

Пионеры по внедрению ИИ

Искусственный интеллект – это разработка компьютерных систем, которые способны решать задачи, ранее требовавшие обязательного участия человека.

Впервые про ИИ заговорили в 60-70 годов прошлого столетия. Тогда это звучало, как научная фантастика. При этом первый опыт внедрения был предпринят отдельными американскими банками несколькими десятилетиями позже.

Пионером по внедрению систем искусственного интеллекта стал Citibank. Специалисты компании предприняли попытку использовать ветвь ИИ, для создания автоматической системы по принятию решений, сравнимую по эффективности с экспертами людьми. Этому примеру последовали другие ведущие банки США.

Совет

Проведенные эксперименты с использованием искусственного интеллекта дали интересные результаты. Искусственные нейронные сети обладали мощным потенциалом для дальнейшего развития. В целом опыт следовало признать успешным.

В то же время использование ИИ на существовавшем уровне развития информационных технологий признали экономически неоправданным. Затраты на изучение и внедрение готовых решений были слишком велики. Банки не стали вкладываться в продолжение исследований. На несколько десятилетий о теме искусственного интеллекта забыли.

Японский прорыв

В Стране восходящего солнца 2017 год ознаменовался серьезными изменениями, произошедшими в банковской сфере. Ведущие японские компании заявили о готовности автоматизировать больше 30 тысяч рабочих мест. Правление банков пришло к выводу, что это необходимая мера, поскольку традиционные методы ведения бизнеса уже не помогали увеличивать прибыль.

Указанные изменения коснутся Mizuho Financial Group, Sumitomo Mitsui Financial Group и Bank of Tokyo-Mitsubishi UFJ.

Системы искусственного интеллекта разработаны для ведения канцелярской работы, осуществления рутинных задач, обработки массивов данных Big Data.

Японские банкиры пришли к выводу, что решения из области искусственного интеллекта позволят минимизировать затраты человеческой рабочей силы и издержки на заработной платы.

Индивидуальный подход к клиенту

Стандартные финансовые продукты и сервисы, рассчитанные на широкий круг потребителей – это вчерашний день. Современному клиенту необходимы персонифицированные условия по вкладам, кредитам и другим предложениям. Реализовать это без индивидуального подхода невозможно. Здесь на помощь банком и приходит искусственный интеллект.

Сейчас каждое финансово-кредитное учреждение разрабатывает и предлагает клиентам 10–20 продуктов. Над ними на протяжении длительного времени работает команда профессионалов-людей. Однако если нужно сформировать сотни тысяч персонифицированных предложений, то без применения системы ИИ обойтись не получится.

По статистике в настоящее время каждый человек владеет 2–5 электронными устройствами, посредством которых выходит в интернет, пользуется мессенджерами и социальными сетями. Естественно, в виртуальной паутине остается большой объем данных по всем пользователям. Алгоритм искусственного интеллекта способен собирать информацию по клиенту, анализировать и генерировать индивидуальное предложение.

Области применения

Сфера применения искусственного интеллекта многогранна. Очевидно, что на сегодняшний день банки не используют и 5–10% от имеющегося потенциала. Тем не менее ИИ способен изменить работу финансовой отрасли уже в ближайшем будущем.

Чат-боты

Несколько лет назад клиент банка при возникновении вопроса или проблемной ситуации делал звонок и общался с сотрудником контактного центра. Это была безальтернативная ситуация.

Однако сейчас многие финансово-кредитные учреждения реализовали систему чат-ботов.

Обратите внимание

Клиент также звонит по телефону, но общение происходит с роботом, который предоставляет нужные сведения и рассказывает о сервисах.

Кроме того, подобная коммуникация может выстраиваться при помощи мессенджеров, SMS-сообщений или переписки в чате на сайте банка. Искусственный интеллект позволяет чат-боту моментально делать анализ потребностей человека и предлагать подходящие пути решения.

Личный виртуальный помощник

Программа ИИ, которая специализируется на банковских услугах и финансах, способная разговаривать с человеком. Во многом напоминает Siri от iPhone или Алису от Яндекса. Клиент банка задает интересующие вопросы и получает ответы. Примеры вопросов. Какие платежи совершались с дебетовой карте на прошлой неделе? Какой долг по кредитке? Когда истекает срок вклада?

В результате такой беседы человек экономит время на поиск информации на официальном сайте банка.

Помощник имеет и другую область применения. Установленная на смартфон программа посредством камеры способна распознавать товары на магазинных полках. Необходимо лишь поднести мобильное устройство к интересующему продукту на прилавке и на экране появится сумма кэшбэка, которая вернется клиенту при оплате покупки банковской картой.

Алготрейдинг или робоэдвайзинг

Это альтернатива общению с финансовыми консультантами по формированию и управлению инвестиционными портфелями с ценными бумагами и другими активами. Подобные системы искусственного интеллекта активно используются в США и странах Западной Европы.

Считается, что благодаря возможностям по сбору и анализу информации о состоянии валютных рынков и последних экономических новостей такие алгоритмы ИИ способны давать точные прогнозы биржевой конъюнктуры. В результате человек вкладывает деньги в инструменты с минимальными рисками.

Статистика утверждает, что в 2017 году в Соединенных Штатах Америки подобные роботы управляли клиентскими портфелями на сумму, превышающую триллион долларов. В будущем это цифра будет только расти.

Обучение сотрудников банков

Речь идет про алгоритм с искусственным интеллектом, созданный для повышения квалификации работников call центра и отдела продаж продуктов в финансово-кредитных учреждениях.

После окончания разговора банковского специалиста и клиента программа проводит анализ. Затем сотрудник получает отчет, в котором указаны совершенные в диалоге ошибки и способы их исправления.

Защита информации

Алгоритмы с искусственным интеллектом способны защитить персональные сведения клиента и данные, которые являются коммерческой собственностью банка. Это новый этап в развитии систем защиты информации.

Эффективность работы отделений

Системы с ИИ помогут произвести автоматизацию и оптимизацию процессов, протекающих в отделениях банка. В перспективе планируется полностью отказаться от использования бумажных носителей информации. Все сведения будут существовать в электронной форме. Клиент получит доступ к любому банковскому продукту не выходя из дома.

Источник: https://InvestorIQ.ru/banki/iskusstvennyj-intellekt.html

Искусственный интеллект заменяет банкиров

Раньше запрос клиента выполнялся вручную, а теперь машина с искусственным интеллектом сделает это более эффективно», – отмечает Дэвид Феллах, занимающийся квантовыми исследованиями в JPMorgan.

С I квартала JPMorgan тестирует на европейском рынке акций алгоритмическую программу LOXM, в конце года она заработает в США и Азии, рассказал FT начальник отдела электронной торговли акциями JPMorgan Даниэль Симент. По словам Симента, в Европе LOXM показала результаты «гораздо лучше», чем бенчмарк.

У конкурентов JPMorgan такой технологии нет и на ее разработку уйдет 1,5–2 года и миллионы долларов, полагает банк.

Программа JPMorgan не принимает решение, какие акции покупать: она нужна, чтобы точнее представлять предпочтения клиентов и выполнять их заказы с максимальной скоростью и по лучшим ценам.

Одно из возможных применений LOXM – обучение компьютера предпочтениям и реакциям клиентов, чтобы он это учитывал при выборе акций. «Но это будем делать только с согласия клиента», – оговаривается Симент.

По словам Феллаха, программу можно будет применять, например, для автоматического хеджирования сделок.

У JPMorgan большой IT-бюджет – $9,6 млрд, или вдвое больше, чем у конкурентов (данные Morgan Stanley), и банк уже автоматизировал многие операции бэк-офиса.

Год назад он внедрил технологию, основанную на искусственном интеллекте, которая высвободила 360 000 часов рабочего времени в год у юристов и банкиров, рассматривающих заявки на кредиты.

Важно

JPMorgan готовится предложить институциональным клиентам, даже таким, как BlackRock, облачные технологии, которые позволят им торговать без помощи сотрудников банка.

«Мы готовы инвестировать, чтобы быть впереди конкурентов, – говорила финансовый директор JPMorgan Мэриан Лейк. – Мы не можем позволить себе ждать, поскольку реальность меняется на глазах».

«Об автоматизации процессов бэк-офиса говорится много, – отмечает операционный директор инвестбанковского подразделения UBS Беатрис Хименес, – но мы решили поговорить с сотрудниками фронт-офиса, чтобы понять, не нужны ли им роботы, и нашли, где это необходимо». Первый шаг в этом направлении UBS сделал вместе с Deloitte, пишет FT.

Они разработали программу, умеющую сканировать электронные сообщения клиентов, в которых те объясняют, как распределить большие пакеты акций между фондами. Машине нужно две минуты на то, что «руками» делалось за 45 минут.

«Робот читает мейлы и выполняет указания по аллокации, – говорит Хименес, – а у сотрудников высвобождается время для более сложной работы».

По данным Accenture, опросившей 600 банкиров, 76% из них полагают, что в ближайшие три года для большинства банков искусственный интеллект станет основным инструментом взаимодействия с клиентами.

Технологии теснят банкиров со всех сторон и в какой-то момент они могут стать не нужны, повторив судьбу Kodak, сказал CNBC экс-гендиректор Barclays Энтони Дженкинс, занимающийся теперь собственным финтехпроектом. «В Великобритании ситуация развивается быстрее, чем я думал, – говорит Дженкинс.

– Посещаемость отделений сокращается на 15% за год, и это огромный эффект». «Искусственный интеллект общается с клиентами, и бывает, что он лучше отвечает на вопросы, чем сотрудник банка», – отмечает гендиректор Rabobank Вибе Драйер.

Татьяна БОЧКАРЕВА

Источник: https://www.banki.ru/news/bankpress/?id=9917506

Искусственный интеллект как технологическая основа развития банков

УДК 336.71 JEL G21 O33

Бердышев Александр Валентинович

канд. экон. наук, ФГБОУ ВО «Финансовый университет при Правительстве Российской Федерации», г. Москва e-mail: AVBerdyshev@fa.ru

Berdyshev Aleksandr

Candidate of Economic Siences, Financial University under the Government of the Russian Federation, Moscow e-mail: AVBerdyshev@fa.ru

Читайте также:  Плавающий и летающий робот-амфибия уже существует!

DOI 10.26425/1816-4277-2018-5-91-94

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК ТЕХНОЛОГИЧЕСКАЯ ОСНОВА РАЗВИТИЯ БАНКОВ

Аннотация. В условиях новых вызовов прогрессивные банки начали накапливать огромные массивы информации о поведении клиентов.

Благодаря развитию технологий машинного обучения, искусственного интеллекта и когнитивных вычислений, банки могут быстрее обрабатывать огромные массивы информации, выстраивать более точные модели, позволяющие предвосхищать потребности клиентов, формировать персональные предложения и автоматизировать их обслуживание.

В статье рассмотрены особенности технологий искусственного интеллекта, возможности их использования и влияние на трансформации в банковской сфере. Ключевые слова: банки, искусственный интеллект, финтех-компании, банковские технологии, большие данные, банковские услуги.

ARTIFICIAL INTELLIGENCE AS A TECHNOLOGICAL BASIS OF THE DEVELOPMENT OF BANKS

Abstract. In the face of new challenges progressive banks began to accumulate huge amounts of information about customer behavior.

Thanks to the development of machine learning, artificial intelligence and cognitive computing, banks can more quickly process huge amounts of information, build more accurate models that can anticipate the needs of customers, create personalized offers and automate their services.

Совет

The article defines the features of artificial intelligence technologies, the possibilities of their use and the impact on the transformation in the banking sector.

Keywords: banks, artificial intelligence, fintech companies, banking technologies, big data, banking services.

В современных условиях происходят глобальные технологические трансформации, обусловленные развитием информационно-коммуникационных технологий. Ключевые технологии, под воздействием которых банковский сектор уже меняется и кардинально изменится в ближайшее время, — это блокчейн, облачные вычисления и искусственный интеллект (далее — ИИ) [1].

Искусственный интеллект — это компьютерные системы, обладающие такими ключевыми навыками человеческого разума, как понимание языка, способность общаться, рассуждать, обучаться, решать проблемы, действовать, делать заключения и т. д.

Ключевая особенность ИИ — его способность к решению поставленных задач по алгоритму, подобному тому, который использует человеческий мозг.

Основная цель ИИ — научиться понимать человека и на основе анализа полученных данных, сопоставления с результатами других людей и выявления закономерностей давать различные советы, после чего воспринимать обратную связь и обучаться в зависимости от ее результатов. Также разработки ИИ используют для анализа больших данных, построения предиктивных и других моделей.

Ключевая технология ИИ — машинное обучение, т.е. создание комплексного алгоритма для анализа больших объемов данных, их сопоставления, нахождения взаимосвязей, построения предиктивных моделей, а также обучения на основе анализа полученных результатов.

Ключевой компонент машинного обучения — способность машины самостоятельно обучаться и улучшать заложенный изначально алгоритм для получения наилучших результатов.

Обратите внимание

Первая и самая простая форма машинного обучения — построение регрессионных моделей, которые позволяют на основе имеющихся данных предсказывать значение переменной, например, определить стоимость залога.

Однако в условиях экспоненциального увеличения неструктурированных данных появились более сложные методы машинного обучения, такие как, например, глубинное машинное обучение, использующее в качестве вводных данных результаты других алгоритмов машинного обучения,

© Бердышев А.В., 2018

а также методы «случайный лес», «градиентный бустинг», байесовские методы, нейронные сети и другие. На современном уровне развития, помимо построения регрессионной модели, алгоритмы машинного обучения позволяют классифицировать, кластеризировать и строить зависимости.

Один из крупнейших азиатских банков существенно отставал от конкурентов по показателю «количество продуктов на одного клиента».

Банк разработал алгоритм глубинного машинного обучения, который обрабатывал и искал взаимосвязи между такими массивами данных о клиентах, как демографические характеристики клиента, количество продуктов банка, выписки по счету, данные о транзакциях, мобильные платежи, переводы и данные кредитного бюро.

Анализируя предоставленные большие данные, алгоритм выявил ранее не замечаемые сотрудниками банка сходства в поведении клиентов, что позволило выделить пятнадцать тысяч микросегментов в клиентской базе.

После чего на основе данных алгоритма банк разработал предиктивную модель, позволяющую предсказывать, какой продукт банка может быть наиболее интересен клиенту. На основе предсказаний модели банк делал персонализированные предложения клиентам, что обеспечило ему трехкратное увеличение количества продуктов на одного клиента [5].

В современных условиях благодаря алгоритмам машинного обучения стало возможным роботизированное распознание и анализ человеческой речи, отпечатков пальцев, структуры вен руки, сетчатки глаза, а также генерация человеческой речи, благодаря чему роботы могут не просто отвечать на вопросы человека, но и взаимодействовать с ним.

Важно

Одной из последних разработок в данной области являются когнитивные вычисления, особенностью которых является способность взаимодействия с человеком на межличностном уровне. Когнитивные вычисления не просто распознают человеческую речь, но благодаря анализу огромных данных о других людях могут делать самостоятельные умозаключения.

Например, простой алгоритм может ответить на вопрос: «Где ближайший банкомат банка и как к нему пройти?». В ответ на данный вопрос ИИ найдет на карте ближайший банкомат и проложит маршрут. С помощью когнитивных вычислений машины могут ответить на гораздо более комплексные и нетривиальные вопросы, не имеющие однозначного ответа.

Например: «с помощью каких инструментов мне лучше накопить определенную сумму на отпуск?». В ответ на данный вопрос алгоритм даст несколько возможных вариантов, выслушает обратную связь и предоставит еще более точные советы, после чего порекомендует куда лучше всего пользователю отправиться в отпуск, как накопить мили и т. д.

Когнитивные вычисления позволяют ИИ учиться гораздо быстрее, используя гораздо большие данные, но для их выполнения необходимы суперкомпьютеры с огромной вычислительной мощностью.

Лидером в предоставлении платформы для осуществления когнитивных вычислений является компания IBM, суперкомпьютер которой — Watson, обладает самыми большими в мире вычислительными мощностями, которые могут позволить банкам со всего мира проводить когнитивные вычисления [3; 4].

Основные функции когнитивных вычислений:

— когнитивное взаимодействие с клиентом — увеличение количества приобретаемых продуктов на основе предоставления персонализированных предложений и ориентации клиента на приобретение соответствующего банковского продукта (например, оформление автокредита);

— когнитивная автоматизации внутренних процессов банка с целью сокращения затрат на персонал, а также более эффективного использования высококвалифицированных специалистов на основе автоматизации отдельных решаемых ими задач;

— когнитивные советы — определение ключевых образцов и закономерностей между миллиардами источников данных в реальном времени для предоставления клиентам глубоких и применимых на практике советов.

Источник: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-kak-tehnologicheskaya-osnova-razvitiya-bankov

Большой Digital: зачем банкам искусственный интеллект?

«Мы часто работаем с финансовым сектором, — говорят в БюроБюро. — Среди самых крупных клиентов — Альфа-банк, затем к нам присоединились Восточный банк и другие».

Поворот банков к диджиталу понятен: рано или поздно любому банку понадобятся мобильное приложение и онлайн-банкинг. Главное — сделать их удобными и нетоксичными для пользователя.

Все взаимодействия должны быть понятными — интуитивно и логично вытекать из стратегии банка. Именно такие сервисы Восточный банк и другие банки заказали в БюроБюро.

Онлайн-банкинг очень долго едва дотягивал до необходимого минимума, но ближайшее время само понятие «необходимый минимум» изменится до неузнаваемости. Если раньше им была возможность перевести деньги со счёта на счёт и заморозить карту в приложении, то сейчас это будут самообучающиеся системы финансовой аналитики.

Совет

Развитие IT позволило добавить в приложения и онлайн-интерфейсы функционал, о котором раньше даже не думали. Изменился рынок, изменились технологии, и, самое главное, изменились клиенты.

Теперь им нужна глубокая персонализация — а сделать приложение по-настоящему кастомизированным, личным и удобным для каждого конкретного клиента без AI невозможно.

Материал взят с сайта buroburo

Всё это воплощено в жизнь уже сейчас. Даже если этот функционал всё ещё вызывает удивление и недоверие, это будущее онлайн-банкинга.

AI-таймменеджмент

Искусственный интеллект как таковой нужен, чтобы облегчить жизнь людей и снять с них лишнюю рутинную работу. Он позволяет им заниматься действительно важными вещами (например, интересной работой, хобби или семьёй). Всё, что может быть автоматизировано, нужно отдать роботам и алгоритмам.

Один из примеров такой сложной и неприятной работы — просчитать, какие из важных рабочих дел стоит закончить до отпуска, чтобы выполнить план и отдыхать без потерь и лишних переживаний.

Поэтому онлайн-банку стоит иметь календарь финансов не только в виде записной книжки для задач каждого дня, но и как сложную систему аналитики.

Реализация проста для пользователя: нужно только отметить, какие именно числа займёт отпуск, чтобы программа определила, какие операции лучше закончить до отъезда. Система делает всё, чтобы облегчить для клиента, возможно, самые сложные недели перед отдыхом.

Самообучение

В банкинге под искусственным интеллектом и системами анализа финансового поведения клиента, в общем-то, понимается одно и то же.

Клиент ежедневно совершает десятки транзакций. Часть из них (как правило, бóльшая) — очень похожие, если не одинаковые, операции. Да, в приложениях банков, как правило, есть функция автоплатежей или шаблонов. Проблема в том, что каждый из них нужно настраивать заново.

Системы с элементами AI решат эту проблему. Анализируя, какие именно операции совершает пользователь, программа автоматизирует самые популярные из них — сама, без чьей-либо помощи или обучения.

Обратите внимание

Никаких шаблонов, никаких настраиваемых автоопераций — только система, которая не только сама совершает транзакции, но и сама учится ими управлять.

Самообучающиеся системы — не просто тренд. Это будущее онлайн-банкинга. В ближайшие годы клиентам банков вообще больше не нужно будет анализировать свои финансы самостоятельно. Приложения будут делать это быстрее и, надо признать, намного точнее людей.

Персонализированный интерфейс

Разные клиенты ведут себя с деньгами по-разному. Паттерны трат и доходов отличаются, как отпечатки пальцев. Поэтому различные функции будут неравнозначными для клиентов в зависимости от того, каково их финансовое поведение. Индивидуальность и кастомизация — это важно.

Поэтому в приложениях должна быть система анализа доходов и расходов клиента, которая, в зависимости от бюджета клиента, меняет и интерфейс онлайн-банка.

Пользователь не должен думать о том, как именно ему стоит переставить блоки в интерфейсе, чтобы было удобнее ими пользоваться; более того, скорее всего, он даже не знает, что именно было бы для него удобным.

Поэтому о расположении функциональных элементов нужно думать системам с элементами искусственного интеллекта. Это они через анализ финансов должны подбирать самый оптимальный интерфейс для пользователя.

Подход к клиенту

Онлайн-банки меняют рынок сильнее, чем кажется. Они становятся заявлениями, громкими вызовами всей банковской сфере. Чистота их интерфейсов, другие способы общения с клиентами, умные решения — всё это показывает, что новый подход к бизнесу не должен заканчиваться на ребрендинге.

Большинству российских банков нужно учиться тому, что на самом деле приложения разрабатываются не для них самих, а для их клиентов. Всё в банке должно быть сделано для людей: от службы поддержки, говорящей на человеческом, близком клиенту языке — до систем анализа, упрощающих им жизнь.

Тренд один: в каждом решении ориентироваться на пользователя, для которого и разрабатывался мобильный интерфейс. Банкам придётся доказать, что user-friendly — это не пустые слова.

Важно

Главное в разработке систем с искусственным интеллектом — понимать, что именно нужно пользователям каждого конкретного банка. То, что понадобится одним клиентам, окажется бесполезным для других.

Работая над приложением для банков, БюроБюро проводили интервью с нынешними и потенциальными пользователями приложения — людьми очень разных доходов и должностей. Они опрашивали и сотрудников банка, и персонал банков-конкурентов.

Только собрав полную информацию о том, кто будет пользоваться мобильными интерфейсами, можно сделать их технологичными, умными и действительно нужными.

Материал взят с сайта buroburo

Заключение

Самообучаемые системы, AI-элементы и новый тип взаимодействия с пользователем победят просто потому, что это то, чего так давно ждали клиенты. Кастомизация и персональные интерфейсы в конечном итоге дошли и до банковской сферы.

Дальнейшее развитие тренда — это упрощение и автоматизация однотипного монотонного труда.

Читайте также:  После обучения нейросеть будет самостоятельно добавлять отсутствующие изображения

Внедрение искусственного интеллекта в приложения на самом деле говорит об одном: банки наконец-то перестали работать для себя и начали работать для своих клиентов.

Цифровая трансформация наконец дошла и до финансовой сферы, предварительно захватив почти все остальные, от такси до кинотеатров. Но банкинг — это очень консервативный бизнес, все изменения в котором происходят медленно и как будто нехотя. Мобайл смог это поменять.

Точная аналитика, которая теперь доступна не только избранным, понятные интерфейсы, лёгкий дизайн и возможность говорить с банком на одном языке меняют то, как клиенты с ними взаимодействуют. Digital-функционал выводит банк из статуса сложной и пугающей системы, единственная задача которой — проводить малопонятные операции с деньгами.

Приложение теперь может быть другом, помощником и советчиком в финансовых вопросах. Цифровая революция уже произошла — онлайн-банкинг стоит на её баррикадах.

Если вы нашли опечатку — выделите ее и нажмите Ctrl + Enter! Для связи с нами вы можете использовать info@apptractor.ru.

Источник: https://apptractor.ru/info/articles/bolshoy-digital-zachem-bankam-iskusstvennyiy-intellekt.html

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.

Совет

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.

Обратите внимание

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.

Важно

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.

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.

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.

Совет

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.

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.

Обратите внимание

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

Ссылка на основную публикацию