(495) 925-0049, ITShop интернет-магазин 229-0436, Учебный Центр 925-0049
  Главная страница Карта сайта Контакты
Поиск
Вход
Регистрация
Рассылки сайта
 
 
 
 
 

Нечеловеческие способности: как ИИ меняет финансовую отрасль

Источник: hbr

Использование искусственного интеллекта (ИИ), машинного обучения и роботов - уже не дань моде, а выгодная инвестиция. Нереалистичные ожидания, которые неизбежно породил ажиотаж вокруг этих технологий, сменяются вполне реальными бизнес-сценариями. В сфере финансов это особенно заметно. Финансовые специалисты в большинстве своем уже готовы доверить алгоритмам учет операций, обнаружение мошеннических схем, планирование ресурсов и формирование отчетности. Однако внедрение новых инструментов не проходит легко, а их использование порождает новые риски.

Искусственный интеллект, успешно переживший первые этапы цикла зрелости, выходит на плато продуктивности. Этому способствовали экспоненциальный рост данных и параллельное развитие вычислительных мощностей. В результате только в первом полугодии 2018 года в мире насчитывалось почти 3400 стартапов в области ИИ и машинного обучения. Конечно, часть из них потерпит фиаско, но кому-то наверняка удастся создать реальные инструменты для финансовой отрасли. В то, что они будут использовать в своей работе ИИ уже в ближайшие три года, верят 58% респондентов исследования АССA "Машинное обучение: наука, а не вымысел". Уже сегодня 6% опрошенных компаний работают с "живыми" данными, 3% планируют начать тестирование в течение полугода и 24% присматриваются к технологии.

Сфера применения

У ИИ в современных финансах широкое поле для применения. Основные направления - это борьба с мошенниками, оценка кредитоспособности, контроль и аналитика операций.

Алгоритмы могут обнаружить мошенничество до того, как оно произойдет, и за считанные минуты проверить транзакции всех портфелей банка. А оценку потенциального заемщика ИИ производит более точно, чем человек, при этом при меньших временных затратах и с учетом большего количества параметров. В 2018 году более десяти отечественных банков уже использовали этот инструмент. Так, например, в Сбербанке при выдаче кредитов физлицам в 98% случаев решение принимает алгоритм. Для юрлиц этот показатель доходит до 30%.

Роботы-коллекторы, которые сейчас работают преимущественно с клиентами банков, имеющими небольшую задолженность, это тоже ИИ. Человек-оператор успевает сделать около двух сотен звонков в день, а робот способен на гораздо большее количество таких операций. Автоматизация рутинных процессов может еще и спасти от человеческой ошибки, которые происходят из-за усталости, а также сократить расходы компании. Так, Альфа банк, роботизировавший летом 2018 года всего семь операций, сэкономил за год 20 млн рублей, а финансовый результат от автоматизации 30 процессов, позволит экономить в четыре раза больше - до 85 млн рублей.

Многие финансовые организации внедряют чат-ботов с ИИ, которые могут отвечать на самые простые и частые вопросы клиентов. Крупнейшие российские банки запустили мобильные приложения с робоэдвайзингом. Теперь алгоритм отвечает на частотные вопросы клиентов и за считанные секунды может сформировать инвестиционный портфель в соответствии с возможностями и интересами конкретного клиента. Еще он может напомнить об оплате счетов и готовит подробную аналитику расходов, что позволяет клиенту управлять своими денежными потоками. И в этом российские компании ушли далеко вперед по сравнению со многими европейскими и даже американскими банками, которые более консервативны.

Еще одно важное направление, где ИИ уже незаменим - это соблюдение комплаенс. С точки зрения законодательных изменений, финансовая отрасль, как действующий вулкан - небольшие подвижки происходят каждый день. ИИ может изучать, запоминать и помогать соблюсти все требования законодателей - от KYC и правил по борьбе с отмыванием денег до законов, регулирующих управление активами. Нет человеческих ошибок - нет претензий от регулятора.

Как научить машину

Одной из подсистем Искусственного интеллекта называют машинное обучение. В основе ИИ находится математическая модель, которая выявляет определенные закономерности в наборах данных и прогнозирует развитие ситуации. Она позволяет работать с большим объемом структурированных и неструктурированных данных, в том числе фото, видео и речью, а затем анализировать и выявлять действующие инсайты. И с этими задачами технологии справляются уже лучше, чем человек.

Простой сценарий на практике: во многих компаниях есть черный список контрагентов с высоким риском дефолта. В него могут попасть те, кто задерживал платежи или зарегистрирован в "рискованной" юрисдикции. Однако число партнеров со временем растет, и фильтр усложняется. Машинное обучение помогает выявить прежде неявные закономерности - для этого автоматически будут сформированы новые критерии с учетом макроэкономических показателей, тона публикаций о компании в Интернете, кредитного рейтинга или данных сторонних аудиторов. Человек просто не справится со сбором и анализом такого массива информации.

Лидеры финансовой отрасли активно инвестируют в машинное обучение. Большая четверка публично объявила о работе с новыми цифровыми инструментами. Канадская компания Kira Systems обеспечила технологией машинного обучения Deloitte и проанализировала более 5000 тысяч лизинговых договоров с помощью своих алгоритмов. Это сократило временные затраты на проверку на треть.

Малые и средние предприятия активно используют инструменты на основе машинного обучения, например, чтобы сканировать квитанции и классифицировать их. Как отмечается в исследовании ACCA, онлайн-провайдер бухгалтерских услуг Xero в мае 2018 года заявил, что число автоматически обработанных инвойсов и банковских сверок, а также рекомендаций по ним, превысило миллиард. Алгоритм, способный проверить 800 тысяч бухгалтерских документов в день, в совокупности экономит своим клиентам более 300 часов. Он способен безошибочно кодировать более 80% транзакций на основе всего четырех правильных примеров.

Сложности на пути внедрения

Обычная для нового технологического решения проблема - путаница с терминологией: вряд ли вы найдете двух специалистов, придерживающихся одного определения ИИ или машинного обучения. Зачастую интеллектуальным системам, в которых на самом деле нет ничего, напоминающего работу человеческого мозга, приписывают исключительные возможности, и это непонимание порождает страх перед новыми инструментами.

На точность результатов работы ИИ критически влияет количество и качество исходных данных: если на маленькой выборке вероятность ошибки составляет 20%, то при работе с большим дата-сетом она сокращается до 2%. По результатам опроса ACCA, 17% специалистов, работающих в финансовой сфере, считают, что для полноценного запуска ИИ данных еще недостаточно или они низкого качества.

Недостаток квалифицированных кадров - более половины опрошенных менеджеров называют это одной из главных причин, по которой внедрение ИИ и МО происходит не так быстро, как могло бы. Согласно данным ACCA, 30% представителей финансового мира совсем ничего не знают об ИИ или просто слышали термин. Повышение уровня технической грамотности - сейчас одна из важнейших задач для всей отрасли. При этом для финансистов развитый "технический" интеллект становится также важен, как и эмоциональный. Они должны уметь объяснить, почему именно на основе этих данных нужно делать выводы.

Риски от внедрения новых технологий

Внедряя новые инструменты, компания сталкивается с неведомыми прежде рисками, которые способны привести к финансовым и репутационным издержкам. Под ударом оказывается конфиденциальность клиентов и безопасность данных. Кроме того, возникает вопрос, кто понесет ответственность в случае ошибки - финансовый специалист или разработчик ИИ?

Например, использование ИИ в кредитном скоринге позволяет открыть доступ к кредитованию многим людям. Это плюс, но обученный алгоритм не всегда сможет избежать предвзятости. В исследовании ACCA приводится пример: согласно исторической выборке, женщинам в последние десятилетия реже одобряли кредиты. Поэтому на основе предыдущих данных алгоритм сделает вывод, что всех женщин можно отнести в число неблагонадежных заемщиков и может отказывать даже тем, кто, с точки зрения банковского служащего, точно кредитоспособен. В итоге банк может столкнуться с претензиями регуляторов, которые увидят в действиях компании гендерную дискриминацию. Внедряя технологии, самим финансистам также придется расширять свои компетенции, научиться копать глубже - анализировать ключевые показатели в динамике, работать с обратной связью и жалобами от клиентов, предполагать новые сценарии сбора данных. Здесь пригодятся традиционный профессиональный скептицизм и более продвинутые знания технических аспектов. От них не требуется стать программистами или разработчиками, но они должны иметь базовое представление о том, зачем и какие данные собираются.

Число финансовых транзакций растет, и до 2025 года восходящий тренд будет сохраняться. За последние восемь лет более 1 млрд человек впервые стали пользователями финансовых сервисов. Человеку за такими объемами информации без помощи технологий просто не угнаться. Именно ИИ с помощью машинного обучения позволит быстро масштабировать финансовые системы. Однако несмотря на то, что число задач с которыми ИИ сможет справляться эффективнее человека, будет расти, технологии не смогут вытеснить живого специалиста из финансовой сферы. За ним останется итоговый контроль или общение с клиентами, и времени для этого теперь будет больше.



 Распечатать »
 Правила публикации »
  Обсудить материал в конференции Дискуссии и обсуждения общего плана »
Написать редактору 
 Рекомендовать » Дата публикации: 05.06.2019 
 

Магазин программного обеспечения   WWW.ITSHOP.RU
ZBrush 4R6 Win Commercial Single License ESD
Advanced Data Export VCL Suite (with sources) + 1 Year Maintenance
VMware Horizon Apps Standard, v7 : 10 Pack (Named User)
AutoCAD LT 2019 Commercial New Single-user ELD Annual Subscription PROMO
Rational ClearQuest Floating User License
 
Другие предложения...
 
Курсы обучения   WWW.ITSHOP.RU
 
Другие предложения...
 
Магазин сертификационных экзаменов   WWW.ITSHOP.RU
 
Другие предложения...
 
3D Принтеры | 3D Печать   WWW.ITSHOP.RU
 
Другие предложения...
 
Новости по теме
 
Рассылки Subscribe.ru
Информационные технологии: CASE, RAD, ERP, OLAP
Программирование на Microsoft Access
CASE-технологии
СУБД Oracle "с нуля"
OS Linux для начинающих. Новости + статьи + обзоры + ссылки
Компьютерные книги. Рецензии и отзывы
Все о PHP и даже больше
 
Статьи по теме
 
Новинки каталога Download
 
Исходники
 
Документация
 
Обсуждения в форумах
Пишу программы на заказ для студентов (187)
Пишу для студентов на с, с++, паскаль в средах ms visual studio, qt, builder, borland c, delphi....
 
Пишу программы на заказ профессионально (2282)
Пишу программы на заказ на языках Pascal (численные методы, списки, деревья, прерывания) под...
 
Ищу программиста для написания программы (21)
Ищу программиста ,владеющего Вижуал Бэйсик и программированием в Экселе, для написания...
 
Настройка меню "Пуск" Windows 7 при помощи реестра (3)
Скажите пожалуйста, а как можно закрепить ярлыки программ с помощью твиков реестра в левой части...
 
Ищу программиста PYTHON (1)
Ищу программиста для написание программ python 3 + библиотека tkinter Есть данные в БД...
 
 
 



    
rambler's top100 Rambler's Top100