Как стать автором
Обновить
0
Binary District
Курсы, хакатоны и конференции по новым технологиям

Полцарства за ИИ: сколько банки экономят на машинном обучении, нейросетях и чат-ботах

Время на прочтение 6 мин
Количество просмотров 11K
Оценка кредитоспособности по профилю клиента в фейсбуке, роботы для взыскания долгов и финансовых советов инвесторам, борьба с мошенниками и битва с рутиной — искусственный интеллект в банках нужен почти во всех областях. О том, как ИИ помогает Сбербанку, ВТБ, Тинькофф-банку и другим финансовым организациям экономить миллиарды рублей — в обзоре Binary District.



Сколько банки экономят на внедрении ИИ


По прогнозу исследовательской компании Autonomous Next, к 2030 году банки во всем мире смогут сократить расходы на 22% с помощью технологий искусственного интеллекта. Экономия может достигнуть $1 трлн.

Российские банки уже зарабатывают и экономят немалые суммы с помощью ИИ. Так, Сбербанк в 2017 году заработал дополнительно 2-3 млрд долларов (чистая прибыль банка за 2017 год — около 11,6 млрд долларов) только за счет использования ИИ и анализа данных при управлении рисками и продажами.

Мы отобрали семь задач, которые банки решают при помощи искусственного интеллекта, и посмотрели, какую пользу им это приносит.

Какие задачи ИИ помогает решать


1. Проверить заемщика


Кредитный скоринг — самая перспективная сфера для внедрения ИИ. Его возможности в этой области использовали большинство российских банков, опрошенных рейтинговым агентством «Эксперт РА» в 2018 году (в исследовании приняли участие 11 банков: Тинькофф, Газпромбанк, МТС-банк, Московский кредитный банк, банк «Русский Стандарт» и др.).

В Сбербанке ИИ уже сейчас принимает 98% решений о выдаче кредитов физическим лицам. Кредитные риски анализируются на основе «цифрового следа» пользователя. По словам главы банка Германа Грефа, этот след уже достигает 500 МБ в день, и на его основе формируется «второе цифровое “Я”», которое «очень точно повторяет наше человеческое “Я”».
Кредитные риски с юрлицами машине пока оценивать сложнее: здесь ИИ может принять лишь 30% решений о выдаче.

2. Выбить долги


Вторая популярная область применения ИИ в банках — роботы-коллекторы. Пионером здесь также был Сбербанк: в 2016 году он внедрил у себя пилотный проект своей дочерней компании «Актив БК». Через год эффективность робота оказалась почти на четверть (24%) выше, чем у живых операторов: настолько чаще должники платили просрочки в течение двух недель после звонка машины.

«АктивБК» после этого работала еще с 27 банками («Открытие», Бинбанк и др.), в 2017 году это направление приносило компании около 25% от общей выручки. Осенью 2018 года разработанного в компании робота-коллектора после трех месяцев работы в пилотном режиме внедрил ВТБ.
«Пока он эффективен на небольших периодах просрочки. Среднее время разговора составляет одну-полторы минуты, что сопоставимо с разговором с оператором. Если сотрудник производит около 200 звонков в день, то для робота это число практически не ограничено», — говорил в интервью газете «Известия» зампред правления ВТБ Анатолий Печатников.

3. Бороться с мошенниками


«Почта Банк» одним из первых начал внедрять биометрические технологии в своих отделениях в 2015 году. Сейчас системой распознавания лиц оборудованы более четырех тысяч отделений банка и 50 тысяч магазинов партнеров банка по POS-бизнесу. Двухфакторная аутентификация — по логину/паролю и фотографии — также необходима сотрудникам банка для получения доступа к CRM-системе и другим бизнес-приложениям.

В 2016 и 2017 годах это сэкономило «Почта Банку» в общей сложности 3 миллиарда рублей: в 2016 году в банк поступило 9,2 тысячи мошеннических заявок на получение кредита на сумму 1,5 миллиарда рублей, в 2017 году — около 10 тысяч заявок на такую же сумму. Система помогла выявить, от кого поступили эти заявки. Итоги за 2018 год еще не подводились.

4. Избавить от рутинной работы


Альфа-банк в 2018 году собирался заменить людей роботами в тридцати рутинных бизнес-процессах. После автоматизации первых семи процессов удалось достичь ежегодной экономии в 20 миллионов рублей. В итоге банк планировал экономить до 85 миллионов рублей ежегодно.

Банк передал роботам такие операции, как обработка платежей юрлиц и физлиц, обработка неопознанных платежей, разбор внутренней входящей почты, изменение данных клиента по его заявлению, правка кредитных договоров физлиц по их заявлениям, а также проводки финансирования контактов и ответы на типовые запросы.

Для работы с роботизированными программами Альфа-банк использовал платформу Blueprism (трехлетняя лицензия стоит меньше миллиона рублей). Каждый робот получает виртуальное рабочее место, на которое устанавливается агент Blueprism и нужный для работы софт. Дальше систему обучает человек, знакомый с бизнес-процессом банка и с технологией обучения роботов. До этого операционный штат должен был вырасти на 3,3%, но в итоге банк решил не нанимать новых сотрудников.

5. Помогать клиентам с инвестициями


Робо-эдвайзинг — еще одна сфера, которой с прошлого года стали более активно интересоваться российские банки. Одного из таких советников-роботов для своей брокерской платформы «Тинькофф инвестиции» в июле 2018 года запустил банк Тинькофф.
«Всего за несколько минут по заданным параметрам робот-эдвайзер может собрать сбалансированный по отраслям и компаниям инвестиционный портфель с учетом доступных сумм вложений, с оптимальным соотношением риска и доходности», — пояснялось в релизе.

За первый месяц после запуска, по данным банка, приложением воспользовались 42 тысячи человек. Всего за это время было сгенерировано 142 тысячи инвестпортфелей. Средний чек для покупки активов с помощью робота-эдвайзера составил 60 тысяч рублей и 1678 долларов США. В основном пользователи приобретали рублевые ценные бумаги.

Ранее, в 2016-м году, похожие проекты запустили Сбербанк вместе с компанией FinEx, банк «АК Барс» и ВТБ24 (последний в 2018 году присоединился к ВТБ). Тогда же своего робота-советника — приложение Right — создала компания Conomy.

6. Искать место для новых отделений


Росбанк в 2018 году нашел еще один способ применения ИИ — для развития розничной сети. Об этом в колонке для Future Banking рассказал заместитель председателя правления банка Арно Дени. По его словам, банк использовал технологию компании Marketing Logic, которая специализируется на геомаркетинге.

В разработанной этой компанией системе используется машинное обучение. Она оценивает потенциал места для нового отделения по 250 переменным, которые поделили на три группы. Первая группа — геохарактеристики (расстояние до центра, до метро, цена за квадратный метр и др.), вторая — трафик (число маршрутов наземного транспорта в разных радиусах от локации) и третья — объекты (наличие рядом торговых центров, бизнес-центров, домов и банков).

Благодаря анализу всех этих параметров в ближайшие несколько лет банк планирует «значительный прирост» финансовых показателей работы сети отделений. (сейчас у банка 350 отделений).

7. Отвечать, где зарплата, понятно и быстро


Чат-боты — один из самых эффективных способов отвечать на вопросы сотрудников и клиентов в режиме 24/7. По итогам опроса R-Style Softlab, проведенного в 2017 году каждый пятый банк (21%) в России и на территории СНГ был готов к использованию ботов, а большая часть кредитных организаций планировала их внедрить в 2018 году.

Одним из самых успешных примеров в 2018 году стал бот Альфа-банка, разработанный им для своих сотрудников-пользователей зарплатных проектов. До его внедрения операционисты банка ежедневно принимали более сотни звонков от коллег с вопросами про условия и правила открытия расчетных счетов. Как правило, это были стандартные вопросы. После того, как их передали интеллектуальному боту, операционисты стали отвечать на другие вопросы быстрее в 50 раз.

Кроме чат-ботов, теоретически банки могут использовать голосовых ассистентов. Это более сложная технология, работающий голосовой помощник в России пока один — «Алиса» Яндекса. В декабре 2018 года глава Тинькофф-банка Олег Тиньков объявил, что банк планирует создать такого помощника.
«Пока очень скромно, мы решили назвать “Олег”. Но может быть, еще поменяем, может, “Иван” назовем», — пояснил Тиньков.
По его словам, ассистент поможет пользователям в решении финансовых и повседневных задач — например, перевести деньги или зарезервировать столик в ресторане. Голос у «Олега» при этом будет не такой, как у бизнесмена. Прочие банки голосовых помощников внедрять пока не планируют.

Узнать больше о том, как использовать распознавание лиц, нейросети и машинное обучение в разных сферах бизнеса, можно на двухдневном курсе AI for Business. Спикеры курса из Microsoft, «Наносемантики» и Home Credit Bank расскажут, как применять разные виды ИИ и какие для этого есть инструменты. Ближайший интенсив пройдет 30-31 марта.

Для тех, кто хочет научиться сам применять машинное обучение для разных задач — школа AI School. Она предназначена для разработчиков, у которых есть минимальные навыки работы с Python. Ближайший курс — со 2 марта по 6 апреля.
Теги:
Хабы:
+11
Комментарии 16
Комментарии Комментарии 16

Публикации

Информация

Сайт
binarydistrict.com
Дата регистрации
Дата основания
2017
Численность
Неизвестно

Истории