Эксперты консалтинг-компании Capgemini считают, что автоматизированные системы обходится банкам на 50–90% дешевле, чем труд наемных сотрудников. Кроме того, искусственный интеллект повышает качество и скорость обслуживания, в частности при анализе кредитоспособности клиента.

Преимущества искусственного интеллекта для банковской сферы

Основное направление, в котором применяются решения искусственного интеллекта, — клиентский сервис. Это чат-боты, круглосуточная поддержка пользователей, анализ их транзакций и займов.

Преимущества использования AI-систем в финансовой сфере:

  • автоматизируются рутинные процессы;
  • увеличивается скорость обслуживания;
  • снижаются издержки для решения стандартных задач;
  • повышается точность обработки больших объемов данных;
  • растет качество обслуживания.

В качестве примера можно привести работу российского Сбербанка, который активно использует новые технологии в своей деятельности и внедряет AI во все направления бизнеса. В частности, банк автоматизировал работу контактного центра для корпоративных клиентов. Теперь на их вопросы отвечает робот Анна, а скорость обслуживания клиентов возросла на 50% (по базовым темам).

Это не значит, что искусственный интеллект отберет работу у человека: боты созданы, чтобы выполнять рутинную и однообразную работу, тогда как у работников банка будут более сложные и творческие задачи.

С учетом того, как активно внедряется AI в банковскую сферу, ассоциация ФинТех отдельно занялась разработками в области искусственного интеллекта и больших данных. Например, работа с большими данными применяется для кредитной аналитики — скоринга.

AI Conference: Iskusstvennyiy intellekt vyidaet kredityi 1

Искусственный интеллект и скоринг

Кредитный скоринг — это оценка того, насколько клиент платежеспособен и стремится погашать задолженность. Выводы об этом строятся на основе множества данных: общих доходов, кредитной истории, анализа транзакций и даже трудового стажа.

По сути, скоринг представляет собой математическую модель, которая основана на статистических методах и учете большого объема информации. Справиться с такой задачей быстро и эффективно помогает искусственный интеллект и Big Data.

Uplift-модели для «Бинбанка»

Эти технологии помогают оценить задолженности и провести кредитную аналитику клиентов: сейчас решения внедряются в работу российских банков. Например, «Бинбанк» был в числе первых, кто запустил технологию машинного обучения, чтобы анализировать просрочку выплат в розничной торговле.

Эксперты из «Бинбанка» строят самообучаемые uplift-модели, которые прогнозируют реакцию клиентов на взыскания. Это позволяет оптимизировать процесс и продумать, как лучше общаться с отдельными заемщиками. В частности, uplift-модели выявляют клиентов, которым бесполезно звонить и напоминать о выплатах, формируют список тех, кто сам вносит оплату (звонки только лишний раз беспокоят людей), и тех, кому обязательно необходимо напоминание. Чтобы анализировать данные, в рамках проекта используется язык программирования Python.

Оценивают точность прогнозов с помощью коэффициента Gini — это универсальная скоринговая метрика. Еще на этапе тестирования самообучаемых AI-моделей в «Бинбанке» главный коэффициент возрос с 65 до 88%. Ранее финансовое учреждение использовало модели логистической регрессии.

Кредиты Сбербанка выдает AI

Руководство Сбербанка еще в конце 2017 года заявило о планах выдавать большинство кредитов физическим лицам, основываясь на решениях искусственного интеллекта. Об этом сообщал старший вице-президент Александр Ведяхин. По его словам, с помощью AI-системы решение о кредитовании принимается в течение минуты.

При этом проводится параллельное тестирование с участием людей, которые тоже принимают решения по выдаче кредитов. Это необходимо, чтобы оценить, насколько эффективно работает искусственный интеллект. По словам представителей Сбербанка, со временем все вопросы по кредитованию перейдут в зону ответственности AI.

Пока результаты работы искусственного интеллекта удовлетворительные: уровень просрочки по взятым кредитам снизился (по сравнению с периодом, когда за решение отвечал только человек).

Кстати, руководство Сбербанка против массовых увольнений: работников, которые раньше занимались андеррайтингом, они отправят на переквалификацию (в том числе в дата-сайентистов).

Умные скоринговые системы

Компания LIME создала собственную инновационную скоринговую систему. Она отличается необычайно высокой скоростью работы: в течение нескольких секунд система анализирует 10 000 характеристик клиента. Специалисты из LIME утверждают, что модель создана для полной автоматизации кредитных процессов. Также она способна увеличить прибыль по выданным кредитам в целом.

Отличительная характеристика системы состоит в том, что для анализа она использует информацию не только кредитных историй человека, но и поведенческих данных о нем: как долго он заполняет анкету, продумывает ответы, сколько времени занимают отдельные действия и все в целом. В частности, это помогает выявить мошеннические схемы на начальных этапах.

Схожую разработку создал белорусский стартап GiniMachine. Они сделали систему, которая предоставляет решение для кредитного скоринга на основе машинного обучения. Она сама создает аналитические модели, подсчитывает кредитные баллы и анализирует риски по конкретным заемщикам. Этот алгоритм, по словам разработчиков, способен сэкономить недели человеческого труда. Также система GiniMachine способна решать и другие бизнес-задачи, связанные с прогнозированием.

Выводы

Искусственный интеллект в кредитном скоринге способен сэкономить время и общие затраты банка. Например, «Бинбанку» ИИ помог увеличить точность коэффициента Gini. Таким образом, теперь решения о выдаче кредита в нем принимаются эффективнее, и банк не теряет деньги на недобросовестных заемщиках.

По мнению Александра Ведяхина из Сбербанка, технология AI для кредитования как физических лиц, так и предприятий в ближайшие годы станет популярной в крупных финансовых учреждениях. Активное развитие этого направления происходит в том числе в рамках программы цифровой экономики России.