ENGНи одна экономическая конференция не обходится без разговоров об искусственном интеллекте и больших данных. А ведь еще не так давно, в начале 2000-х, изучение этих дисциплин считалось чуть ли не лженаукой. Тем не менее, на лекции профессора Юрия Александровича Куперина в Санкт-Петербургском государственном университете ходили несколько десятков энтузиастов, в том числе Алексей Минин — сегодня директор Института прикладного анализа данных «Делойт», СНГ, автор 6 патентов в области предиктивной аналитики, доктор Технического университета Мюнхена в области интеллектуальных систем. Мы поговорили с ним о том, как большие данные меняют бизнес и, в первую очередь, банковскую отрасль. Не за горами то время, когда на рынке останется один банк — или центробанк, считает Алексей Минин. А чиновники начнут не контролировать, но «визионировать».
— Алексей, почему науку об искусственном интеллекте не уважали прежде, и когда все перевернулось?
— Во время моей учебы в университете заниматься нейросетями можно было, только пряча эту тематику под методы математической статистики или методы вычислительной физики. Изучение нейросетей, как и других биоинспирированных алгоритмов, например, Генетического алгоритма, считалось ненаучным — не было математических доказательств их сходимости. Просто раз в природе работает, то и у нас должно работать. Мы экспериментировали с цифрой, и оказывалось: работает. Взлет технологии через несколько лет обеспечили маркетологи и журналисты, в первую очередь придумав очень удачный для продвижения термин «искусственный интеллект». Одновременно с этим были решены две другие проблемы: биоинспирированные алгоритмы требовали большого количества данных для того, чтобы проверить работу, и вычислительных мощностей — они появились. И начался настоящий хайп — никто не знал, что это такое, никто не умел с этим работать, но все об этом говорили. Естественно, это вызвало поток инвестиций. Но поскольку компетенции были не те, наступило разочарование в технологии и резкое скатывание вниз, на так называемое плато разочарования, в терминологиях кривой Гартнера, и в деле фактически остались только те, кто начинал всю эту историю. Но в отрасли появились деньги, менеджеры поверили в новые возможности технологий, а значит, началось медленное восхождение к плато продуктивности.
— Мы говорим «большие данные». Насколько они действительно большие?
— Можно выделить четыре иерархии: данные, информация, знания, мудрость. Если говорить в географических терминах, то данных — океаны; информации — озера; знаний уже небольшие реки. А мудрости — всего стакан. Основная задача искусственного интеллекта — осуществлять фильтрацию. Для этого выделяются четыре уровня аналитик.
Первый уровень — алгоритмы дескриптивной аналитики, которые работают с океанами данных для того, чтобы просто описать картину мира. На следующем этапе ставится задача прогнозирования ситуации — этим занимается аналитика предиктивная. То есть вы говорите: сейчас идет дождь, а через 5 минут будет светить солнце. Что это вам дает как компании? Недостаточно, потому что все равно оставляет человеку слишком много пространства для фантазии. Известно, что там, где есть пространство для фантазии, будут ошибки; избежать их позволяет прескриптивная аналитика. Алгоритм определяет, что сейчас идет дождь, скоро будет светить солнце, поэтому нам нужно, например, развернуть солнечные батареи, то есть алгоритм переходит в плоскость действия. Остается маленький шаг к автономной аналитике, когда чтобы принимать решения, человек просто не нужен, так как процесс полностью отдан на откуп машине. Человек же превращается в субъект, который сидит на вершине пирамиды, похожий на глаз на 100-долларовой купюре, и думает: какие показатели эффективности нужно задать, чтобы бизнес двигался в нужном направлении.
С моей точки зрения, мы накопили огромный объем мусора в хранилищах данных — миллионы терабайт, но сами по себе они не представляют никакой ценности. С этим мусором нужно работать — превращать данные в информацию. Ритейл или банкинг — отрасли, наиболее подходящие для цифровой трансформации, с этим уже неплохо справляются и даже научились где-то автономно принимать решения. Но во многих отраслях все еще недостаточно данных даже для дескриптивной аналитики, при построении прогностических моделей мы споткнемся о недостаток качественных статистических данных: их не наберется даже терабайт. И уж тем более недостаточно информации для прескриптивной и автономной моделей. В среднем — плохо по палате.
— Поможет ли банкам — вы недавно предрекли тем конец — переход на новые аналитические модели?
— Вы знаете, многие предрекают им конец. Я предрекаю мрачное будущее традиционным банкам, но потребность в банкинге никуда не уйдет. Могу свою точку зрения аргументировать. Банки — посредники между источником ликвидности, Центральным банком и, в конечном итоге, бизнесом. На деле они превратились в аккумуляторы рисков. Есть системно значимые аккумуляторы риска, есть маленькие аккумуляторы риска, но ни те, ни другие не умеют справляться с риском — мы видели много примеров в истории, которые доказывают мои слова. Повышение качества управления риском идет рука об руку с внедрением технологий искусственного интеллекта, замены людей на алгоритмы. По мере внедрения в банкинг технологий произойдет принципиально важная системная вещь, которая на форумах почему-то не обсуждается: будет устранен информационный дисбаланс между покупателем и продавцом (principal — agent conflict), исчезнет асимметрия информации, то есть мы объективизируем всю эту историю. Когда мы выходим в цифру, когда данные собираются вне зависимости от людей с бизнес-сенсоров (цифровых источников информации), риск будет оцениваться объективно, и мы получим становление эффективного рынка.
— То есть предстоит конкуренция алгоритмов?
— Да, и самый эффективный «победит» все остальные, что будет сопровождаться «схлопыванием» всей банковской системы. Параллельно с этим мы будем наблюдать еще одно не менее важное явление цифровой экономики, о котором сейчас многие говорят, — платформизацию, создание площадки для финансовых услуг в стиле «Яндекс.Маркета».
Наверняка в ближайшее время появится удобный для пользователя сервис выбора финансовых услуг, чтобы человек мог сказать роботу: «У меня есть пять миллионов рублей, я хочу разместить их на депозиты в пределах гарантированных АСВ, под максимальный процент». Платформа предлагает объективно лучшие варианты, клиент делает размещение одним кликом. Происходит то, что раньше сложно было себе представить: технология снимает ограничения пространства-времени: пользователю не нужно никуда ходить, сравнивать, выбирать. Для него непринципиальны территориальное расположение банка или активность его маркетологов. Банки могут находиться по всему миру, равно как и их клиенты.
Любой банк может свои продукты предлагать через эту платформу, а я как клиент могу выбирать. Теперь представьте: есть банк, у которого суперкрутой алгоритм — вы еще на платформу только регистрируетесь, а он уже проанализировал все данные о вас и готов сделать лучшее предложение. И его предложения всегда топ-1. В условиях платформизации и цифровизации неминуемо начнется консолидация банковской отрасли. Если провести мысленный эксперимент, мы увидим, что все банки консолидируются в один банк: тот, где самый успешный алгоритм. В таких условиях система «мегарегулятор — мегабанк» будет избыточной, и логично объединение двух агентов в единую платформу управления ликвидностью.
— На базе чего будет создана эта платформа ликвидности — единственного оставшегося банка или регулятора?
— Если абстрагироваться от политики и социальных аспектов, Центральному банку карты в руки. Регулятор имеет бизнес-сенсоры во всех банках, может видеть, как все они экспериментируют, и уже сейчас апробировать какие-то технологии на данных, которых у него, при желании, может быть больше всех. В итоге регулятор может стать той самой единственной платформой по управлению ликвидностью. Тогда регулирование будет осуществляться гораздо проще: по сути, он сам в режиме 24/7 со скоростью света будет закрывать потребность бизнеса и граждан в ликвидности.
— Когда это может произойти, если все будет развиваться по вашему сценарию?
— Уже вовсю происходит. И скорость изменений потрясающая. Традиционные банки исчезнут через 20-30 лет. Пока какие-то игроки рынка занимаются тем, что делают свое мобильное приложение более удобным, на другом конце света стартапы пытаются переосмыслить бизнес-модель тех, кто увлеченно занимается, например, мобильным приложением. Совершенно незнакомый финансовому рынку стартап может «порвать» легендарные компании и стать лидером рынка. Если вы работаете в области цифровой экономики и считаете, что там ваши клиенты и ваши доходы, вы должны максимально сфокусироваться именно на экспоненциальных технологиях: алгоритмах искусственного интеллекта, блокчейне, на всем, что позволяет преодолеть барьеры пространства и времени. Здесь важно оговориться, что я рассуждаю о технологических возможностях, потому что есть еще социальные аспекты, государственные аспекты, есть вопрос национальной безопасности и много других.
— Алгоритмы могут оставить без средств компании, которые, например, в нанотехнологии инвестируют…
— Теоретически, да, если инвестиции в нанотехнологии несут в себе больше объективных рисков, чем дохода. Тут как раз раскрывается новая роль государства. Ведь инвестировать в такого рода технологии, наверное, нужно. Включается новый механизм. Хотим мы как общество развивать нанотехнологии, так как видим в них задел на будущее, но наша платформа по управлению ликвидностью не финансирует такие проекты, потому что риски слишком высокие, объективно высокие, тогда государство — как представитель общества — позволяет определенную долю риска организациям, которые занимаются нанотехнологиями. Платформа начинает принудительно, в пределах допустимого объема, выдавать финансирование такого рода организациям и внимательно следить за эффектом. Нет результата через какое-то время — отменяем финансирование и запоминаем кейс. Это я сейчас утрированно говорю, чтобы проиллюстрировать новую роль государства. Чиновникам нужно научиться заглядывать в будущее для формирования субъективной картины мира там, где это теоретически допустимо. В то время как вопросы управления бюджетами, финансирование текущих проектов, встроенных в определенную финансово-экономическую модель, должны быть и будут автоматизированы. То есть это очень существенное облегчение функций чиновника: от него больше не требуется умение договариваться, распределять средства. Кроме того, с власти снимается функция контроля, которым занята, по-моему, большая часть госаппарата. В цифровой экономике функция контроля денонсирована в каком-то смысле, дематериализована: вместе с объективным перераспределением средств автоматически включается и объективный контроль. Чиновник же превращается в визионера с очень богатым бэкграундом, который может сформировать определенное видение и исключения из правил и в результате диалога «машина — человек» вписать цели в математическую модель страны.
Беседовала Анна Орешкина
