Как искусственный интеллект меняет банковскую сферу: от аналитики до обслуживания клиентов

Искусственный интеллект настолько давно и плотно вошел в нашу жизнь, чтобы мы привыкли его не замечать. И речь не только о ChatGPT и видео с нейросетевыми котиками. Умная колонка, которая отвечает на вопрос, лента рекомендаций в стриминговом сервисе, робот-пылесос, который убирается, не натыкаясь на стены — все это в той или иной мере искусственный интеллект. Наше общение с банками в последние годы тоже входит в этот список.

Мы собрали кейсы из практики Газпромбанка, добавили немного исследований, оценок и прогнозов и хотим рассказать, как изменилась банковская сфера с приходом нейросетей.

Зачем искусственный интеллект банкам

Если очень коротко, то для трех вещей:

• чтобы принимать решения быстрее, точнее и с минимальными рисками;
• чтобы привлекать и удерживать клиентов за счет лучших предложений и персонализированного обслуживания;
• чтобы оптимизировать бизнес и экономить.

Из этих целей вытекают направления, в которых ИИ задействован особенно сильно. И которые меняют банковскую сферу

Первое и, наверное, самое очевидное — это скоринг клиентов

Сегодня сотруднику банка не всегда нужно собирать документы, анализировать все данные, связанные с потенциальным заемщиком, оценивать все возможные риски выдачи кредита. Этим занимается модель, так что сотруднику, чтобы узнать, вернет человек/бизнес средства вовремя, достаточно забрать прогноз, который ИИ сформировал за считанные минуты (и по куда большему числу параметров).

Модель делает предсказание на основе того, как вел себя человек ранее и как ведут себя люди с похожими характеристиками (примерно те же возраст, статус, уровень дохода, кредитная история). Конечно, она не сможет предусмотреть форс-мажоры вроде упавшего самолета, но и сотрудники не смогут их спрогнозировать.

Второе — взаимодействие с клиентами

Ежедневно в службу поддержки банка обращаются тысячи клиентов по совершенно разным вопросам. Да, им могут всегда отвечать живые сотрудники и по телефону, и в чатах, но это огромное количество людей, огромные колл-центры и офисы — и много-много времени и средств, которые можно потратить более эффективно.

Поэтому банки все чаще внедряют голосовых и текстовых ассистентов, которые отвечают по ранее написанным скриптам, выполняют простые операции и при необходимости подключают операторов. Это экономит компаниям десятки и сотни миллионов рублей.

Третье — автоматизация и улучшение бизнес-процессов

Нейросети могут автоматически распознавать и анализировать множество текстов, электронных и напечатанных на бумаге, и отдавать человеку только выжимку. Без этого банковским сотрудникам пришлось бы, например, часами мониторить новости финансового и бизнес-секторов, чтобы выяснить, в каком сейчас состоянии компания-клиент, близка ли к дефолту, есть ли в ее работе риски для банка. ИИ же может за минуты проверить все и прислать специалисту по корпоративным рискам два-три инфоповода — действительно важных для понимания ситуации.

Неочевидный, на первый взгляд, способ использовать машинное обучение — это поиск идеального места под банкомат. Наша модель может изучить карту местности, расположение метро, остановок и магазинов, оценить проходимость и риски и спустя несколько секунд ответить: «Вот идеальное место: людей много,есть потребность, давайте установим банкомат». У реального эксперта на это ушли бы часы.

Заменяет ли ИИ в этих случаях полноценных сотрудников? Нет. Как минимум потому, что эксперты должны дообучить модель на собственном опыте, а после контролировать ее работу, чтобы та выдавала корректный результат.

Чего нам ждать в будущем

Большей персонализации и подстройки под клиента, и того, что искусственный интеллект станет полноценным помощником в общении с банком и управлении финансами.

Постепенно банки расширяют сферу применения ИИ. Если 3–5 лет назад ограничивались только скорингом и простыми ботами, то сегодня нейросети анализируют почти все, что связано с клиентами. Мы стараемся не просто продать человеку продукт, а сделать его общение с банком максимально полезным и комфортным.

В идеале клиент должен видеть только те предложения и продукты, которые ему нужны и интересны в данный момент времени. И получать информацию от них только удобным для себя способом.

• Простой пример — звонки с предложением оформить кредитную карту. Человеку с высоким достатком, активному и давнему пользователю наших продуктов, она с большой долей вероятности не нужна: либо отсутствует потребность, либо уже есть карта. И звонок в случайное время и с неактуальным предложением только испортит впечатление.
• Другой кейс — клиент, который в последнее время резко увеличил траты и запросил кредитную историю. Скорее всего, ему нужны дополнительные средства, и мы можем прийти именно сейчас.

Отдельная тема — персонализированные приложения и главная страница банка. Мы идем к тому, что приложение будет подстраиваться под человека: его возраст, уровень дохода, возможные интересы и так далее. В идеале — адаптировать даже баннеры и язык общения под конкретного пользователя.

Еще ИИ можно использовать для того, чтобы правильно размещать офисы. По аналогии с банкоматами: модель будет прогнозировать, сколько людей в районе, с каким социальным положениям и потребностями, какова вероятность правонарушений и так далее — а затем давать рекомендации. Например, тут живет много пожилых людей, поэтому нужно больше пандусов на входе, удобных диванов в офисе и живых сотрудников, которые помогут получить услугу, а тут — преимущественно молодые люди, поэтому можно сделать ставку на автоматизацию.

Вместо вывода: захватит ли ИИ банки?

На наш взгляд, вряд ли, по крайней мере, в обозримом будущем. Но риски работы с ИИ в банках все-таки есть. Одни и основных, по мнению «Ассоциации ФинТех» — некачественные данные и автоматизация процессов и решений, в которых изначально были ошибки. И, разумеется, безопасность данных пользователей, которая критична в финансовом секторе.

Могут ли технологии не оправдать ожиданий? Вполне — это понимаем и мы, и эксперты Gartner, которые в этом году заявили, что искусственный интеллект может разочаровать банковскую сферу. Да, ИИ анализирует тысячи документов в момент, может быстрее принимать решения, находить и оценивать риски, на которые живой специалист не обратит внимания. Но ему не хватает умения оценивать нюансы и полутона, действовать в условиях неопределенности и попросту сострадать (это необходимо при постоянной работе с людьми).

Тем не менее использование моделей машинного обучения в любом случае не станет бесполезным (уже не стало). А риски и опасения во многом нивелируются благодаря работе людей.