2020/06/10 17:56:34

Искусственный интеллект в банках

.

Содержание

  • На уровне проектирования: прогнозирование востребованности банковских продуктов, предсказание изменений спроса, автоматизированная оценка рисков.
  • На уровне производства: автоматизация и оптимизация взаимодействия с существующими и потенциальными клиентами. Автоматизация обработки документов и одобрения кредитов.
  • На уровне продвижения: предоставление персонализированных предложений в нужный момент времени. Автоматическое регулирование процентных ставок в зависимости от истории клиента.
  • На уровне предоставления обслуживания: развитие автоматизированных систем и интерфейсов самообслуживания во всех каналах коммуникации.

Банковская платформа нового поколения

Чат-боты и робоэдвайзинг

Современные чат-боты умеют:

  • Информирование об особенностях продуктов и сервисов
  • Предоставление контактных данных
  • Проведение платежных операций
  • Финансовые рекомендации клиенту

  • показывать курсы и обменивают валюту
  • осуществлять учет личных финансов
  • осуществлять перевод с карты на карту
  • отправлять заявки на торговый и интернет эквайринг и проверять контрагента по ИНН/ОГРН (ИП)
  • отвечать на вопросы пользователя

Robo-Advisers как перспективный пример применения AI

Альтернативой финансовых консультантов по банковским вопросам, конкретным покупкам и другим денежным операциям в режиме онлайн стал робоэдвайзинг.

Робоэдвайзеры дают большие преимущества в сфере онлайн-трейдинга. Прежде всего, это заявки в один клик и открытие счета в реальном времени, мониторинг, актуальные новости и обработка больших объемов сделок сразу. Распространение брокеров в социальных сетях делает инвестиционные знания более доступными и понятными, а общение с клиентом — простым и адресным.

Автоматизация позволяет преподносить информацию в режиме 24/7, при этом снижая издержки процессов. Робоэдвайзеры доступны на десктопе или в формате мобильных приложений, несут в себе функции портфельного управляющего, определяющего риски и оптимальную инвестиционную стратегию.

Индивидуальные предложения и повышение лояльности

  • Рекомендации банковских продуктов и покупок (программы лояльности от различных ритейлеров), в том числе с использованием знаний о клиенте из социальных сетей
  • Определение B2B связей клиента с последующими рекомендациями новых контрагентов
  • Моделирование финансовых рисков для малого бизнеса (дефолт, кассовый разрыв) в режиме реального времени с рекомендациями целевых стратегий и продуктов

IoT (Internet of Things)

  • Управление и отслеживание использования лизинговых активов
  • «Умное» страхование для розничных клиентов (медицина, автокредитование)
  • Smart Home + Daily Shopping: заказ продуктов, оплата коммунальных счетов, подписка на телевизионный контент

Антифрод. Внешние и инсайдерские угрозы

  • Признаки использования пластиковой карты клиента третьим лицом
  • Признаки т.н. «дропперов» исходя из характера поступлений и операций в Интернет-банке и банкоматах
  • Выявление фиктивных зарплатных проектов (кредиты, обналичивание)
  • Выявление несанкционированных расходных операций по счетам клиентов и пластиковым картам клиента
  • Ошибки в параметризации программ бонусирования по пластиковым картам, которые ведут к «накруткам» и ущербу
  • Схемы обналичивания денежных средств, в т.ч. с использованием Интернет-банка и пластиковых карт
  • Злоупотребления при проведении конверсионных операций как по физическим, так и юридическим лицам
  • Несанкционированное подключение Интернет-банка к счетам клиента и выпуск пластиковых карт без ведома клиента
  • Несанкционированное увеличение лимитов по кредитным картам

Операционная эффективность

  • Выявление и автоматическая корректировка отклонений в транзакциях
  • Natural Language Processing алгоритмы для анализа и генерации исковых заявлений
  • Мониторинг и прогнозирование выхода из строя инфраструктуры (банкоматы, IT-ресурсы)
  • Оптимизация наличного оборота и остатков в кассах и банкоматах. Оптимизация работы инкассаторских служб
  • Оптимизация поиска и найма персонала (анализ резюме и первичный отбор)
  • Речевая аналитика в режиме реального времени для колл-центров и отделений (управление качеством консультаций)

Искусственный интеллект в Сбербанке

Основная статья: Искусственный интеллект в Сбербанке

2020

Искусственный интеллект помогает компаниям повышать прибыль на 80% быстрее

Организации, которые используют искусственный интеллект (ИИ) и другие перспективные технологии в финансовой и операционной деятельности, увеличивают ежегодную прибыль на 80% быстрее. Такой вывод сделан в глобальном исследовании Emerging Technologies: The competitive edge for finance and operations («Конкурентное преимущество в управлении финансами и операциями»), подготовленном Enterprise Strategy Group и Oracle. В нем приняли участие 700 руководителей финансовых и операционных функций из 13 стран[1].

Опрос показал, что в освоении перспективных технологий, таких как ИИ, Интернет вещей (IoT), блокчейн и цифровые помощники наступил переломный момент: результаты их применения превосходят ожидания и обеспечивают значительные конкурентные преимущества.


Организации, внедряющие новые технологии для управления финансами, получают гораздо большие преимущества, чем изначально рассчитывали.

  • Число ошибок в работе финансовых отделов снизилось в среднем на 37%.
  • 72% организаций, использующих технологии ИИ, сообщили, что у них появилось более четкое представление об общей эффективности бизнеса.
  • 83% руководителей полагают, что в течение пяти лет ИИ позволит сделать финансовое закрытие полностью автоматическим.
  • Цифровые помощники повышают производительность труда на 36% и позволяют выполнять финансовый анализ на 38% быстрее.


ИИ, Интернет вещей, блокчейн и цифровое помощники помогают повысить точность, скорость и понимание операционной деятельности и цепочек поставок. И респонденты ожидают дополнительные выгоды для бизнеса, как только блокчейн-приложения станут широко применяться.

  • Организации, которые используют ИИ в управлении цепочками поставок, отмечают, что сроки выполнения заказов сократились в среднем на 6,7 рабочих дня.
  • Использование данных Интернета вещей в управлении цепочками поставок позволяет на 26% сократить число ошибок при выполнении заказов.
  • ИИ помогает снизить число ошибок при выполнении заказов на 25%, дефицит запасов – на 30%, а продолжительность простоев при производстве – на 26%.
  • Организации, в которых для управления цепочками поставок используются цифровые помощники, смогли повысить продуктивность сотрудников на 28%, а скорость анализа – на 26%.
  • 87% организаций, внедривших блокчейн, достигли планируемой рентабельности инвестиций (или превысили ее); 82% компаний ожидают значительные выгоды для бизнеса в течение года.
  • 78% руководителей считают, что возможность верифицировать результаты мониторинга цепочек поставок с помощью блокчейна позволит снизить число мошеннических операций на 50% (или больше) в течение пяти лет.
  • 68% респондентов называют улучшение бизнес-аналитики ключевым преимуществом использования новых технологий в цепочках поставок.


Подавляющее большинство организаций уже освоили перспективные технологии. Компании-первопроходцы, которые используют не менее трех подобных решений, получают наибольшие преимущества и имеют больше шансов превзойти конкурентов.

  • Новые технологии получили широкое распространение, и 84% организаций применяют по крайней мере одну из них (ИИ, IoT, блокчейн, цифровые помощники) в продуктивных системах.
  • 82% организаций, использующих три или более перспективных технологий, опережают конкурентов, тогда как таких только 45% в организациях, не применяющих ни одной из них.
  • В 9,5 раз более вероятно, что организации, внедрившие несколько новых технологий, добьются финансовой и операционной точности, наиболее высокой по рынку
  • Организации в 2–3 раза чаще приобретают преднастроенные решения на основе перспективных технологий, чем разрабатывают свои собственные (процентное соотношение зависит от конкретного решения).
  • Почти все респонденты (91%) считают SaaS-приложения ключевым фактором, способствующим освоению новых технологий.

2019

Цифровой банк «Точка» внедрил искусственный интеллект, предсказывающий блокировку счёта налоговой

12 декабря 2019 года цифровой банк для предпринимателей «Точка» сообщил о внедрении искусственного интеллекта, который способен предсказывать блокировку счета Федеральной налоговой службой (ФНС). Подробнее здесь.

JPMorgan начала использовать ИИ-копирайтера, который пишет рекламные тексты лучше маркетологов

В начале августа 2019 года JPMorgan Chase подписала пятилетний контракт со стартапом, использующим искусственный интеллект для копирайтинга. Сделка последовала за успешным пилотным испытанием новой технологии. Подробнее здесь.

2018

Банки заработали $41 млрд на искусственном интеллекте

В 2018 году банки заработали около $41,1 млрд благодаря использованию искусственного интеллекта. В эту сумму входят как прямые доходы от внедрения таких технологий, так и объем сокращенных расходов и выгода от повышения эффективности работы финансовых организаций (по сравнению с тем, если бы они оставили те же процессы и инфраструктуру). Об этом свидетельствуют данные аналитиков IHS Markit, обнародованные 10 апреля 2019 года.

Прогноз по доходам банков от искусственного интеллекта в разных регионах, данные IHS Markit

По прогнозам специалистов, к 2030 году коммерческие ИИ-проекты принесут банкам в общей сложности $300 млрд.

«
Инновационные возможности, которые искусственный интеллект предоставляет сектору финансовых услуг, способны привести к кардинальным преобразованиям, — говорит ведущий аналитик IHS Markit Дон Тейт (Don Tait). — ИИ готов бросить вызов и размыть наши концепции вычислений и «обычного» человека. Это серьезное изменение потребует от компаний и правительств развития глубокой дальновидности и критически важного понимания всех последствий цифровизации и развивающихся технологий.
»

Специалисты говорят, что искусственный интеллект совершает революцию в банковском секторе, выявляя мошенничество в финансовых операциях на основе заранее определенного набора правил.

Крупнейшим рынком использования ИИ-решений в банковском секторе остается Северная Америка: там компании заработали $14,7 млрд на таких технологиях по итогам 2018 года. К 2030-му экономический эффект от внедрения искусственного интеллекта в регионе подскочит до $79 млрд, прогнозируют аналитики.

Банки заработали за год $41 млрд на искусственном интеллекте

Однако к 2024 году в лидеры вырвется Азиатско-Тихоокеанский регион, где банки заработают и сэкономят благодаря ИИ около $50,6 млрд против $11,5 млрд в 2018-м. К 2030 году показатель поднимется до $98,6 млрд во многом благодаря спросу в таких странах, как Китай (включая Гонконг), Япония, Южная Корея и Сингапур

Однако внедрение технологий искусственного интеллекта в банковской отрасли несет и негативные последствия — сокращения рабочих мест и перераспределение кадров в связи с улучшением продуктивности работы финансовых компаний за счет ИИ-технологий.

По прогнозам аналитиков, искусственный интеллект повлияет на десятки миллионов рабочих мест в глобальной финансовой индустрии. В США, например, это коснется 1,3 млн человек к 2030 году, а в Великобритании — 500 тыс.[2]

Среди банковских служащих, на которых может повлиять распространение ИИ, в IHS Markit назвали кассиров, сотрудников отделов клиентского обслуживания, интервьюеров и клерков, финансовых менеджеров, контролеров и кредитных специалистов.

«
Но в целом технологии искусственного интеллекта изменят структуру финансовой индустрии, сделав банковский сектор более гуманным и интеллектуальным, — считает Дон Тейт.
»

То, что банки все активнее используют искусственный интеллект, подтверждают в консалтинговой компании Deloitte. По данным опубликованного в апреле 2019 года исследования, 29% компаний из финансовой отрасли, работающих в разных странах, используют роботизированную автоматизацию процессовпрограммное обеспечение, которое автоматизирует монотонную рутинную работу. В этой выборке 25% опрошенных задействуют такие технологии для управления рисками, 21% — для формирования отчетов о рисках, 20% — для нормативной отчетности.

Большие данные и аналитики также стали приоритетными для банков — 40% из них используют такие инструменты наряду с искусственным интеллектом.

Около 25% и 19% опрошенных представителей компаний заявили, что они задействуют машинное обучение и когнитивную аналитику (включая обработку естественного языка) соответственно, чтобы сократить расходы и повысить точность операций, в то время как 24% рассказали, что используют инструменты моделирования бизнес-решений.

Банки с Уолл-стрит начали использовать машинное обучение для анализа валютных рынков

29 июня 2018 года Bank of America объявил о начале использования машинного обучения для анализа валютных стратегий. Поводом для проведения исследования в области искусственного интеллекта, которое аналитики банка начали в июне 2018 года, послужила нестабильная политическая обстановка в Италии — специалисты опасались, что она повлияет не только на евро, но и на остальные европейские валюты, а это грозит очередным финансовым кризисом.

В первом исследовании Bank of America алгоритмы машинного обучения оцениваются по эффективности работы с фундаментальными и обзорными данными, например, касающимися государственных расходов и ожиданий потребителя. Задача ИИ — составить прогноз отношений валютной пары евро-доллар. Команда использовала как контролируемое обучение, когда машина должна проанализировать промаркированные человеком данные и выявить закономерности, так и неконтролируемое обучение, когда человек уже не контролирует процесс и не дает ИИ никаких указаний.

Bank of America объявил о начале использования машинного обучения для анализа валютных стратеги
«
Из-за характера рынка иностранных валют предсказать его будущее только на основе известных ситуаций довольно сложно, поэтому мы пытаемся привлечь машинное обучение для альтернативных стратегий оценки, — отметила специалист по валютной стратегии Элис Ленг (Alice Leng), разработавшая исследование рынка на основе ИИ в Bank of America.
»

Применение машинного обучения для сложных анализов — не нововведение в финансовой сфере. Но, по словам Васан Дхара (Vasant Dhar), профессора информатики Нью-Йоркского университета и основателя SCT Capital Management - хедж-фонда, который в течение двух десятилетий полагался на приложения для машинного обучения, - валютные рынки все еще представляют собой особую проблему для алгоритмов ИИ. Сложность и разнообразие макроэкономических факторов, которые могут влиять на межвалютные отношения, могут значимо затруднить анализ в этой сфере, в отличие от обычных биржевых рынков, давно применяющих ИИ и машинное обучение.

Несмотря на активное использование ИИ, большинство банков пока не успели внедрить его в свою работу на глобальном уровне. В отчете о цифровом банковском обслуживании осенью 2017 года подавляющее большинство финансовых учреждений отметило, что в той или иной мере использовало машинное обучение, но, как отмечают аналитики, лишь менее 20% вышли за рамки простейших методик работы с ИИ.

Среди трех крупнейших банков США Bank of America первым включил разработки моделей машинного обучения в публикации результатов валютных исследований. Исследовательская группа финансового холдинга JP Morgan изучала приложения для машинного обучения, но использовать их пока не решилась. Банковская компания Wells Fargo заявляет, что придерживается фундаментального экономического подхода для анализа валютных рынков, поскольку доверяет своему опыту в это сфере. Многие не доверяют компьютерам, которые анализируют информацию способами, недоступными пониманию человека, и утверждают, что не готовы принять прогностические заключения ИИ, обрабатывающего данные вне причинно-следственных связей.

Однако изменения уже грядут – например, коммерческий банк Morgan Stanley нанял профессора прикладной информатики Пенсильванского университета Майкла Кернса (Michael Kearns), ранее работавшего в хедж-фонде, чтобы расширить использование ИИ, а команда Deutsche Bank включила машинное обучение в анализ своих данных.

Некоторые аналитики утверждают, что благодаря общедоступности инструментов машинного обучения исследования Уолл-стрит утратят свою актуальность, поскольку инвесторы смогут разработать собственные методики анализа на основе ИИ. Но Питер Уодкинс (Peter Wadkins), аналитик FX Aite Group, считает, что это не так вероятно, как кажется, ведь для машинного обучения требуются довольно крупные объемы данных и высокотехнологичные методы их обработки.[3]

Как коллекторы используют искусственный интеллект для выбивания долгов

К июню 2018 года китайские коллекторы начали активно использовать новые технологии, например, искусственный интеллект, в целях сбора долгов, возникших, как предполагается, из-за спекулятивного кредитного пузыря размером $200 млрд, который сформировался в отрасли кредитования между физическими лицами в стране.

С 2013 по 2018 годы в Китае появились тысячи новых компаний, которые выступали посредниками между частными кредиторами и людьми, нуждавшихся в наличных средствах. Однако из-за разразившегося скандала эти компании оказались под перекрестным огнем регулирующих органов, и с середины 2017 года, когда китайское правительство ввело контроль предоставления кредитов, а также лицензирование кредиторов и посредников, очень многие подобные компании, предоставлявшие свои услуги как физические лица, полностью прекратили свою деятельность.

Китайские коллекторы привлекли искусственный разум к выбиванию долгов

По оценкам аналитической онлайн-фирмы Wdzj.com непогашенный долг между физическими лицами на май 2018 года составлял более $200 млрд, и растущее число отказов от уплаты долга отворило дверь волне стартапов на основе новейших технологий, с помощью которых кредиторы пытаются восстановить выданные средства, передает издание Financial Times.

Кредитование между физическими лицами широко используется в Китае, но правительство тщательно отслеживает только официальную банковскую систему, отмечает Черри Шэн, исполнительный директор компании по сбору долгов в Шанхае Ziyitong и бывший менеджер Citigroup и ANZ Bank. Однако благодаря появлению передовых технологий даже у физических лиц появилась возможность вернуть долг.

Компания Ziyitong, которая сумела вернуть около $29 млрд долгов с момента своего открытия в 2016 году, недавно запустила платформу на основе искусственного интеллекта, чтобы вернуть просроченные кредиты. Клиентами Ziyitong выступают примерно 600 агентств по взысканию долгов и более 200 кредиторов, включая Alibaba Group и Postal Savings Bank of China, как сообщает Черри Шэн.

Система анализирует данные о заемщиках и их друзьях, доступные в интернете, а затем связывается с заемщиком по телефону с помощью диалогового робота. Разговоры записываются и анализируются с помощью алгоритма, который затем определяет формулировку, которая с наибольшей вероятностью возымеет действие на заемщика и заставит вернуть долг. Система также связывается с его друзьями и с их помощью просит заемщика вернуть деньги.

По словам Черри Шэн, по состоянию на май 2018 года система на основе искусственного интеллекта, используемая Ziyitong, продемонстрировала очень высокий коэффициент возмещения - 41% для крупных клиентов по кредитам, просроченным на срок до одной недели. Для сравнения – эффективность традиционных коллекторских методов возвращения долгов по аналогичным кредитам составляет всего 20%. Ziyitong также планирует использовать систему ИИ для возвращения кредитов, просроченных более чем на одну неделю.

Yigou, еще один стартап для взыскания долгов, запустил приложение для мобильных телефонов, которое позволяет коллекторам проводить поиск по тысячам индивидуальных долговых записей и отбирать необходимые случаи, упрощая взаимодействие между кредиторами и коллекторами. Компания также может предоставлять геолокационные данные некоторых заемщиков, чтобы помочь коллекторам отслеживать их местоположение.

Вэнь Юн, исполнительный директор компании Yigou, отметил, что новейшие технологии стали играть значимую роль в коллекторской отрасли. По его словам, многие компании, предоставлявшие услуги по кредитованию между физическими лицами, были вынуждены организовать собственные коллекторские ячейки, поскольку число случаев невыплаченной задолженности в этом секторе значительно выросло.

Учитывая, что регуляторные органы не оставляют попыток перехватить поток наличных денег от теневого банковского дела и управляющих активами, которые обеспечивают наполнение фондов кредитования между физическими лицами, коллекторы таких компаний ожидают, что к концу 2018 года все больше заемщиков будет уклоняться от возвращения кредитов. Поскольку физические лица не отчитываются о своей деятельности, точно определить объем задолженности затруднительно, однако коллекторы оценивают ситуацию как неутешительную.[4]

2017

Замещение тысяч сотрудников роботами в японских банках

В конце октября 2017 года стало известно о планах ведущих японских банков автоматизировать около 30 тыс. рабочих мест, поскольку, по мнению компаний, традиционная бизнес модель больше не позволяет наращивать прибыль.

Как пишет японское деловое издание Nikkei, Mizuho Financial Group собирается к 2021 финансовому году заменить около 8 тыс. сотрудников на компьютеры, а 2026-му — увеличить этот показатель до 19 тыс.

Крупнейшие японские банки начали автоматизацию 30 тыс. рабочих мест

К масштабной автоматизации готовится еще одна крупная финансовая организация из ЯпонииSumitomo Mitsui Financial Group. По ее планам, к 2020 финансовому году роботы будут выполнять задачи, для которых к октябрю 2017-го нужно 4 тыс. человек.

Не отстает от конкурентов и Bank of Tokyo-Mitsubishi UFJ. В планах этой финансовой корпорации значится автоматизации 9500 рабочих позиций к 2023 финансовому году. У многих японских компаний финансовый год завершается в конце марта.

За счет использования вычислительных алгоритмов вместо людей Mizuho Financial Group рассчитывает консолидировать канцелярскую работу, сведя к минимуму количество персонала с дублирующимися функциями.

Также около 100 рутинных рабочих задач возьмет на себя новая роботизированная система обработки, которую Mizuho Financial Group сначала использовала только для ввода данных при открытии инвестиционных счетов на своем веб-сайте.

Впрочем, масштабная цифровизация не предполагает только сокращение штата Mizuho Financial Group. Например, осенью 2017 года около 200 сотрудников бэк-офиса, чьи функции заменили компьютеры, переведены в отделы по работе с клиентами. Кроме того, Mizuho Financial Group намерена увеличить число специалистов по финансовым технологиям.

Sumitomo Mitsui Financial Group планирует перевести в цифровой формат часть сервисов, предоставляемых банковскими отделениями. К октябрю 2017 года компания открыла в Японии девять дата-центров, которые займутся обработкой новых данных.[5]

ИИ «Робот Вера» для подбора кандидатов на вакансии

ИИ «Робот Вера» — сервис автоматизированного подбора кандидатов на вакансии. Сервис создан на базе технологии машинного обучения, способен «понимать» естественную речь человека и обрабатывать более 10 тыс. звонков одновременно, ускоряя, таким образом, процесс подбора кандидатов. По словам основателя Stafory (Стафори) Владимира Свешникова, весь процесс найма благодаря сервису сокращается до трех часов.

Как искусственный интеллект меняет банки. 6 трендов от Михаила Хасина, старшего управляющего директора Сбербанка

В своем выступлении на TAdviser SummIT 2017 Михаил Хасин, старший управляющий директор блока «Технологии» Сбербанка, рассказал, как искусственный интеллект (ИИ) становится драйвером технологических инноваций в банках. Подробнее здесь.

Исследование R-Style Softlab

Лишь каждый пятый отечественный банк применяет данную технологию, однако абсолютное большинство банков считают ее перспективной. В половине опрошенных организаций готовы перенести платежные операции и информационные сервисы в мессенджеры. В каждом третьем банке готовы доверить чат-ботам функции блокировки платежных карт, в каждом пятом — подтверждение операций. Это данные исследования R-Style Softlab, которое проходило с февраля по апрель 2017 г., в нем приняли участие руководители и специалисты ИТ- и бизнес-подразделений 100 банков России и СНГ, более половины из которых — банки категории топ-100.

Рост числа российских интернет-пользователей, доступность смартфонов и дальнейшее развитие мобильного интернета формируют новые привычки и модели поведения. Пользователи социальных сетей и мобильных приложений все больше ориентируются на получение мгновенного результата и осуществление целевого действия в пару кликов, что во многом объясняет стремительный взлет популярности мессенджеров WhatsApp, Viber и Telegram Мессенджер.

Однако потребность в получении качественных финансовых услуг и персональных консультаций никуда не исчезла: люди по-прежнему звонят в call-центры. Несмотря на развитие систем ДБО, количество обращений по телефону, по словам представителей 30 крупнейших кредитных организаций, за последнее время существенно увеличилось.

Технология чат-ботов позволяет оптимизировать бизнес-процессы и найти разумный компромисс в решении сразу нескольких разноплановых задач: упростить взаимодействие пользователя с банком, повысить уровень сервиса и сократить финансовые затраты на работу call-центра и услуги SMS-оповещения. Имитация диалога происходит в привычной и комфортной для клиента среде чата, при этом он получает выбор услуг, ранее доступных только на сайте или через систему ДБО — все это позволяет сохранить и повысить лояльность.

К сожалению, на данный момент полноценное распознавание текста и обработка произвольных запросов собеседника при помощи технологий искусственного интеллекта не могут быть доведены до приемлемого уровня.

Распространение перспективных, по мнению многих компаний, так называемых интерфейсных ботов, созданных на платформах Telegram и Facebook, не решает вопрос качественной имитации живой беседы и сохранения лояльности клиента. «Разговорные» боты, в первую очередь их примитивные варианты, созданные с развлекательной целью, довольно часто подвергаются критике в связи с ограниченностью тем, по которым они способны вести диалоги.

Поскольку для человека при обсуждении вопросов с банком важно ощущение живого контакта, самым верным направлением видится развитие именно «разговорных» ботов при условии наличия в них широких возможностей языкового анализа. При продуманной реализации их можно назвать «правильными» чат-ботами, способными качественно имитировать человеческую речь.

Такое решение серьезно снизит нагрузку на call-центр, сохранит возможность живого диалога и позволит в сложных случаях перевести разговор на специалиста банка, помогая ему в решении проблемы — активируется функция предложения подсказок оператору из базы шаблонных фраз.

2016: ИИ для подбора сотрудников на Уолл-стрит

7 июня 2016 года агентство Reuters опубликовало статью, посвященную тому, как банки с Уолл-стрит в попытке сократить расходы обращаются к разработчикам ПО, чтобы те помогли с оптимизацией процесса поиска подходящих сотрудников. Ставка делается на искусственный интеллект (ИИ).

Подобные технологии позволяют выявить в соискателях полезные для работодателя качества, в том числе способность работать в команде, целеустремленность, силу воли и другие плюсы, которые не всегда можно обнаружить в резюме или во время собеседования.

Уолл-стрит доверит искусственному интеллекту поиск талантливых банкиров

Возможность внедрения ИИ в работу рассматривают такие финансовые гиганты, как Goldman Sachs Group, Morgan Stanley, Citigroup и UBS Group. К примеру, Citigroup к началу июня 2016 года тестирует разработанную фирмой Koru Careers технологию для отсева кандидатов. Софт испытывается на небольшой группе сотрудников, работающих в корпоративной и инвестиционной структурах.

Программа определяет «корпоративный отпечаток» бизнеса (совокупность качеств действующих сотрудников, от которых зависят высокие рабочие показатели компании) и оценивает качества кандидатов на основе анализа короткого видеоролика, в котором соискатели рассказывают о своих сильных сторонах и карьерных стремлениях. Система учитывает не только речь говорящего, но способ подачи презентации, включая «язык тела» и темп разговоров. Koru позволяет проводить тестирование через интернет, мобильный телефон или на локальном компьютере в офисе, куда пришел ищущий работу человек.

Пользователи ПО Koru платят разработчикам за составление «корпоративного отпечатка», а также за каждого кандидата, который проходит тестирование. В Koru утверждают, предлагаемое компанией ПО позволяет уменьшить количество неудачных приемов на работу на 60%.

«
До недавнего времени момента технологии помогали лишь находить лучшее резюме, сейчас же они смогут по-настоящему понимать людей, обратившихся за работой, — отметил Марк Ньюман (Mark Newman), глава компании HireVue, разрабатывающей ИИ-платформу для оценки кандидатов по видеособеседованию при приеме на работу.
»

В банках надеются, что подобные разработки помогут избавиться от расходов в случае проблемных наймов и улучшить ситуацию на рынке труда. Искусственный интеллект, по мнению финансистов, позволит отбирать сотрудников, способных справиться с той или иной работой, благодаря созданию шаблонов, построенных на анализе больших массивов данных.

Прием на работу плохого сотрудника может дорого обойтись компании — привести к большим финансовым тратам и потере бизнес-возможностей. По оценкам экспертов Capital One Financial, убытки от неудачно нанятого работника могут измеряться тремя зарплатами человека, который бы идеально подошел для этой должности.

Разработчики программного обеспечение для подбора и управления персоналом стремятся избавить своих клиентов от человеческих ошибок, таких как отсев сильных кандидатов, которые на первый взгляд показались слабыми, говорит директор направления по подбору персонала рекрутинговой компании Monster Worldwide Мэтт Дусетт (Matt Doucette).

«
Лучший продавец — это обычно не тот, кто играет на публику, а тот человек, который скромно сидит в углу, кто избегает внимания и задает правильные вопросы, — сказал Дусетт.
»

По данным осведомленных источников Reuters, в банке UBS используется компьютерный алгоритм, позволяющий анализировать резюме для поиска кандидатов с нужными параметрами, а также технология отбора сильных кандидатов.

Goldman Sachs Group применяет собственное ПО для поиска в резюме нужных качеств, таких как командная работа, честность и рассудительность. Также компания использует личностные тесты для лучшего понимания качеств наиболее успешных банкиров и трейдеров.[6]

Искусственный интеллект задействуется не только в американском банковском секторе, но и российском. В начале 2016 года российская компания Krawlly и банк iBank Global представили персонального финансового помощника, способного агрегировать данные из разных банков, производить категоризацию трат и давать персональные советы на основе анализа больших данных. Программное обеспечение, использующее возможности ИИ, помогает предлагать банковским клиентам различные партнерские программы по инвестициям денежных средств.[7]

Робототехника



  1. Выводы исследования опираются на результаты глобального опроса, в котором приняли участие 700 руководителей финансовых и операционных функций. Опрос проводился компанией Enterprise Strategy Group осенью 2019 года в 13 странах в онлайн-режиме. Все респонденты были менеджерами и руководителями финансовых и операционных отделов компаний, которые регулярно используют в работе приложения ERP, EPM или SCM (это было обязательным условием участия в опросе). Кроме того, в опросе могли участвовать только сотрудники организаций, штат которых составляет не менее 1000 человек, либо общий годовой доход которых не менее 100 млн долларов. В дополнение к исследованию было проведено 10 подробных интервью с руководителями финансовых и операционных отделов, работающих в разных отраслях. В качестве поощрения за участие в опросе всем респондентам предоставлялись денежные выплаты и/или эквиваленты наличности.
  2. Global Business Value of Artificial Intelligence in Banking to Reach $300 Billion by 2030, IHS Markit Says
  3. AI Invasion of Wall Street Is Reshaping BofA’s Currency Research
  4. China’s debt collectors focus in on $200bn P2P debt pile
  5. Japan's megabanks to automate around 30,000 jobs' worth of work
  6. Wall Street hopes artificial intelligence software helps it hire loyal bankers
  7. iBank и Krawlly предложат рынку персонального финансового помощника с искусственным интеллектом