Искусственный интеллект в финтех: автоматизация, анализ рынка и управление рисками
Финансовый сектор традиционно делает ставку на передовые технологии и, в частности, на ИИ. Уже несколько лет финтех входит в топ лидеров по внедрению искусственного интеллекта. Аналитики из «Ассоциации ФинТех» (АФТ) выяснили, что 95% игроков рынка уже интегрировали эту технологию в основные процессы.
Виктор Мартынов, основатель и разработчик экосистемы купли-продажи воздушных судов Aviamarket, рассказал, как развивается рынок искусственного интеллекта в финтех-индустрии и как бизнесу заработать за счет внедрения, при этом эффективно управляя сопутствующими рисками.
Как развивается рынок ИИ в финтехе?
Российский финтех-сектор вливает инвестиции в развитие ИИ, чтобы предоставлять передовые решения, улучшать пользовательский опыт и повышать уровень безопасности. Самые крупные инвестиции от лидеров рынка: за последние 10 лет они составили около 600 млрд руб. , по оценкам исследования АФТ. По состоянию на июль 2023 года, в среднем одна финтех-корпорация вкладывает около 80 млрд руб. в год. Рентабельность может достигать 240 млрд руб. ежегодно, что в три раза выше вложений. Тренд на высокую доходность сохраняется с прошлого года. Так, в совместном исследовании «Билайн» и Brand Analytics выяснили, что в 2022 году Сбербанк заработал почти 94 млрд руб. за счёт ИИ при вложениях в 24,7 млрд руб. : 10 млрд руб. в ИИ-решения, а оставшиеся 14,7 млрд руб. — в покупку компаний для развития технологии.
Подавляющее большинство финтех-компаний развивают ИИ, средний и малый бизнес инвестирует в 500 раз меньше, чем крупный. Бюджет варьируется от 100 до 300 млн руб. в год. Аналогичный тренд наблюдается по специфике бизнеса. Аналитики Accenture выяснили, что банки чаще внедряют передовые технологии, чем страховые компании. В процентном соотношении это 55 % против 21 % соответственно. Поэтому на рынке можно наблюдать технологический разрыв: в гонке лидируют крупные банковские организации.
Поскольку полноценная трансформация требует больших инвестиций, сохраняется тренд на точечную автоматизацию, которая позволяет закрывать актуальные боли бизнеса. Полноценная стратегия пока утверждена только у трети опрошенных АФТ. Основной драйвер развития ИИ в финтехе — языковые модели, которые позволяют бизнесу интегрировать ботов в службы поддержки. Ожидается, что к концу 2023 года самыми востребованными ИИ-технологиями станут генеративные предобученные трансформеры (GPT) и графовые нейронные сети. Они позволяют улучшить качество языковых моделей, предоставляя клиентам более точную, полную и актуальную информацию при взаимодействии с ботом.
Как увеличить прибыль, внедрив ИИ в финтех-проект?
Искусственный интеллект может стать уникальным инструментом, который поможет финтех-бизнесу генерировать большую прибыль за счет улучшенного сервиса или же сокращения издержек. Вот несколько способов, которые наглядно показывают рост доходности от внедрения ИИ в разные звенья финтех-компании.
- Коммуникация с клиентами, или клиентский сервис. Чат-боты и голосовые помощники позволяют быстрее обслуживать клиентов, которые обращаются в call-центр или в чат компании. Например, директор по технологиям ИИ из «Тинькофф банка» поделился, что голосовой бот Олег ускорил консультации на 40 секунд, что позволило сэкономить более 30 млн руб. в месяц;
- Улучшение качества обслуживания. Традиционно ИИ позволял ускорить кредитный скоринг клиентов, сократив время рассмотрения заявки на кредит с нескольких недель до нескольких минут. Чтобы пойти еще дальше, улучшить кросс-продажи и время принятия решения о покупке, можно помочь клиенту с приобретением наиболее выгодного и подходящего для него предложения за счет персонализированных рекомендаций. Например, «Сбер Онлайн» оснащен движком, который анализирует статус и потребительские предпочтения и на основании полученных данных делает адресные предложения. Аналогичное решение будет реализовано на IT-платформе Aviamarket, которое позволит ускорить принятие решения о покупке. «Альфа Банк» пошел еще дальше и создал решение Voice of Customer (VOC), которое собирает данные об удовлетворенности клиентов в режиме реального времени и генерирует детальные дашборды. Они позволяют руководителям отслеживать качество сервиса и точечно определять причины негатива клиентов;
- Повышение уровня безопасности. ИИ позволяет отслеживать нетипичное поведение клиентов, чтобы минимизировать финансовое мошенничество. Интегрируя его с другими технологиями, бизнес снижает риски неавторизированного входа или потери данных. Так, «Банк России» планирует разделить слепки биометрических данных на несколько групп: некоторые позволят совершать все операции, включая финансовые, а другие — только идентифицировать пользователя. На уровне финтех-организаций можно внедрить как минимум функцию распознавания лица, чтобы предотвратить доступ к аккаунту по поддельным документам. Еще можно добавить голосовую аутентификацию для подтверждения личности при дистанционных операциях;
- Оптимизация процессов. Бизнес может поручить ИИ однотипные монотонные задачи, которые буквально съедают время сотрудников. Например, автоматизировав обработку и ввод данных, «Росбанк» сократил время открытия счета с 20 до 5 минут. Помимо рутинных задач, ИИ может стать вашим надежным советчиком, который не только соберет данные, но и проанализирует их. Так, «Росбанк» интегрировал технологию location intelligence, которая собирает данные обо всех отделениях и банках-конкурентах, оценивает потенциал физических точек, их нагрузку и ожидаемую эффективность. Это позволяет принимать точечное взвешенное решение об открытии или закрытии филиала в конкретной локации.
Как эффективно управлять рисками при интеграции ИИ в финтех-проекты?
Несмотря на относительную зрелость рынка ИИ в финтехе, при внедрении технологии важно учитывать сопутствующие риски. Вот несколько советов, которые помогут эффективно управлять рисками при интеграции ИИ в финтех:
- Кибербезопасность. Чтобы ИИ-алгоритмы не стали входной точкой для киберпреступников в ИТ-контур вашей организации, нужно создать безопасную ИТ-инфраструктуру. Это означает несколько уровней защиты, постоянную поддержку системы и работу с коллективом, который может стать жертвой фишинг-атаки.
- Обучение моделей. ИИ-модели впоследствии принимают важные решения, например выдать заем или нет. Алгоритмы должны быть непредвзятыми, этичными и устойчивыми. В противном случае можно спровоцировать недоверие к технологиям искусственного интеллекта. Чтобы корректно обучить модель, важна не только доверенная инфраструктура, но и высокое качество входных данных, на основе которых модель обучается. Это повышает требования к системам безопасности, которые предотвращают намеренное искажение фактов.
- Этика использования ИИ. Чтобы продолжать повышать доверие к ИИ, важно, чтобы сотрудник, который работает с алгоритмом, соблюдал этические нормы. Это позволит использовать технологию для благих целей. Поэтому важно обучать персонал работе с ИИ, уделяя особенное внимание нестандартным ситуациям. Хорошая практика — создание внутренней политики для работы с ИИ. Аналогичный шаг уже сделал Сбер, который утвердил принципы этики ИИ, чтобы повысить доверие к искусственному интеллекту и минимизировать риски.
Финансовый сектор продолжает наращивать темпы цифровой трансформации, в том числе за счет внедрения искусственного интеллекта. Крупные банковские организации лидируют по интеграции ИИ, отчасти задавая тренды использования технологии для оптимизации расходов и улучшения качества обслуживания. Это трансформирует индустрию и позволяет предлагать клиентам передовые решения, что повышает уровень удовлетворенности и качество сервиса.