Как банки используют искусственный интеллект в обслуживании бизнеса

Сфера применения банками технологий искусственного интеллекта начинается с кредитного скоринга при обслуживании бизнеса. Но область может быть гораздо шире – некоторые банки помогают бизнесу создать цифровые аватары и распознавать сотрудников по лицу Использование искусственного интеллекта (ИИ) крупными российскими банками в корпоративном сегменте еще до волны «хайпа» вокруг генеративных моделей встало на промышленные рельсы. Сбербанк уже более 80% выдач кредитов малому и микробизнесу, а также решений по краткосрочному кредитованию сегмента среднего и крупного бизнеса проводит с помощью ИИ, делится его представитель. В «Тинькофф банке» более 90% решений по кредитам бизнесу принимается без человеческой оценки, говорит руководитель управления кредитования «Тинькофф бизнеса» Андрей Моисеев. Вероятность ошибки при принятии решения с использованием этой технологии ниже, чем при принятии решения без ее использования, говорит представитель «Сбера»: ИИ может принимать решения быстрее и более взвешенно. Где банки используют ИИ Возможности ИИ в кредитном скоринге использует большинство российских банков, говорит директор по продажам и маркетингу «Норвик банка» Игорь Розанов: ИИ умеет анализировать данные о компании, например выручку, издержки, активы, пассивы, капитал и другие показатели, может оценить кредитоспособность и предложить наилучшие условия кредитования. Ключевыми областями применения ИИ в банкинге «МТС банк» видит автоматизацию процессов взаимодействия с клиентами, увеличение скорости разработки, кредитный скоринг и кастомизацию предложений для бизнеса в рамках задач маркетинга и клиентского сервиса, говорит исполнительный директор по технологической стратегии банка Павел Сварник. Малый и микробизнес может получить кредит в «Сбере» за 3 минуты без ввода финансовых данных и документов, добавляет представитель банка. ВТБ также использует скоринговую онлайн-технологию, которая позволяет принять решение и выдать кредит без визита в офис за несколько минут, делится его представитель: банк оценивает кредитные риски на основе машинного обучения. Статистические модели прогнозируют вероятность выхода клиента в дефолт и рассчитывают максимальную сумму, которую банк готов предоставить. Для обучения и работы этих моделей ВТБ использует широкий набор внутренних и внешних источников, таких как кредитная история, транзакционная активность, публикуемая ФНС финансовая отчетность. Это обеспечивает комплексный анализ клиента и во многих случаях позволяет, не запрашивая документов, получить необходимую и полную информацию для принятия решения, говорит представитель ВТБ. «Уралсиб» в обслуживании бизнеса тоже опирается на возможности моделей машинного обучения. Банк находит связи и оценивает объем бизнеса по множеству косвенных факторов даже при отсутствии информации в общедоступных источниках (ФНС, СПАРК), делится его представитель: это позволяет понимать потенциал клиента и подбирать для каждого бизнеса оптимальную модель обслуживания. С высокой точностью банк может заранее прогнозировать для бизнеса клиента уровень риска нарушения положений антиотмывочного законодательства (115-ФЗ) – это позволяет выстраивать работу с клиентами так, чтобы оставаться благонадежным и устойчивым банком с точки зрения требований ЦБ. Но при всем быстродействии и способностях ИИ у него пока есть ряд существенных «врожденных» ограничений, считает Розанов: к примеру, механизм работы ИИ построен по вполне понятному и логичному принципу «отсечения всего, что не проходит по параметрам». В реальной жизни есть «полутона и нюансы», умение видеть их пока не входит в число сильных сторон ИИ, говорит эксперт. Поэтому на текущем этапе «Норвик банк» считает внедрение ИИ в работу с МСП выше инструментального уровня преждевременным. Вопросы, которые банк решает для МСП, обычно сложнее, чем у большинства розничных пользователей, делится Розанов: кредитные риски юридических лиц «машине» пока сложно оценить и эффективность внедрения ИИ относительно вложенных инвестиций неочевидна. ИИ в банках, безусловно, помогает оптимизировать время и точность принятия решений, но важно понимать, что принятие решения – только часть процесса открытия счета или предоставления кредита, согласен член правления Азиатско-Тихоокеанского банка Ильнур Саляхов. А есть много других долгих и трудоемких этапов: сбор документов, согласование условий, подготовка договорной базы, процесс выдачи средств или открытия счета. И если они неудобны для клиента, занимают много времени, трудозатратны для банка, то ИИ не сильно выручит, говорит банкир: нужен комплексный подход. Сервисы для клиентов «Тинькофф» создает на основе технологий ИИ сервисы для бизнеса, которые подходят не только под инфраструктуру самого банка, говорит руководитель AI-евангелизма (популяризатор технологии среди бизнеса) в центре технологий ИИ Альбина Мунирова: они умеют импортироваться во внешний контур и выполнять критичные бизнес-задачи других компаний, включая МСП. Например, в «Тинькофф» есть платформа управления бизнес-коммуникациями (звонками и чатами) на основе машинного обучения, которая за 5 минут обрабатывает тысячи звонков и подсвечивает те, на которые стоит обратить внимание. Система речевой аналитики помогает бизнесу автоматизировать контакт-центр, снижает расходы на персонал, повышает лояльность и LTV клиентов, увеличивает конверсию продаж через контроль за скриптами и работой операторов, предотвращает утечку информации. Сервис может уловить сарказм, когда клиент сказал «спасибо», рассказывает Мунирова: на основе этих данных алгоритмы делают выводы о качестве коммуникаций, проблемных точках и лучших практиках. Также «Тинькофф» предлагает бизнесу технологию распознавания лиц по фото и видео – компания может идентифицировать клиентов и сотрудников по лицу, обеспечивая безопасность и контроль на производстве. Еще один сервис банка – визуальные аватары. Это сгенерированные с помощью ИИ виртуальные персонажи, которые помогают бизнесу взаимодействовать с клиентами, говорит Мунирова: они могут выступать в качестве онлайн-консультантов, лекторов на образовательных курсах и т. д. Взгляд в будущее Для «Сбера» главным фокусом в развитии ИИ является цифровизация кредитного процесса и улучшение клиентского пути, поэтому в планах банка увеличить долю принимаемых решений в автоматическом режиме на основе ИИ, говорит представитель банка: для ручных операций останутся только самые сложноструктурированные продукты. Сейчас банк работает над тем, чтобы технологии позволили клиентскому менеджеру получить себе помощника – это будет в целом существенно улучшать сервис для наших клиентов. В ближайший год технологии ИИ вместе с использованием больших данных будут внедряться в большинство процессов взаимодействия с клиентами, говорит представитель «Уралсиба»: привлечение и удержание, продажи банковских продуктов, коммуникации. Банк планирует повышать эффективность процессов за счет использования самых передовых технологий ИИ, среди них LLM (большие языковые модели), reinforcement learning (один из способов машинного обучения, в ходе которого испытуемая система обучается, взаимодействуя с определенной средой), создание интеллектуальных систем поддержки принятия решений и рекомендательных систем для клиентов и сотрудников банка. «Тинькофф» в ближайшее время планирует развивать ИИ-инструменты в «Тинькофф селлере», говорит Мунирова, это сервис для работы на маркетплейсах, собирает информацию со всех площадок и помогает управлять продажами в едином личном кабинете: менять цены и смотреть аналитику. Сейчас «Тинькофф селлер» работает с Ozon и Wildberries. В ближайшее время в сервисе появится возможность прогнозировать цены, спрос и поставки с помощью обученной модели, а также модерировать картинки и создавать текстовые и визуальные описания для товаров, говорит Мунирова. Но в «Норвик банке» считают, что сейчас внедрение ИИ выше уровня первичной обработки и подготовки информации – это больше из области «хайповой» темы для обсуждения, чем реальных инструментов для бизнеса и банков, говорит Розанов. «Безусловно, за этим будущее, но в текущий момент практика такова, что тренироваться лучше на себе, чем на своих клиентах», – считает он.- В подготовке статьи участвовала Наталья Заруцкая