ENG
В какой-то степени любая крупная финансовая организация — это просто массив цифровых данных, который постоянно обрабатывается с целью извлечения прибыли. Так что искусственный интеллект (ИИ) и инструменты машинного обучения в финтехе особенно востребованы.
Искусственный интеллект в финтехе в целом «распадается» на два больших блока. В сервисе нейросети «общаются» с пользователями, помогая им решить свои вопросы. Внутри финансовых компаний — тоже помогают, но уже в поддержке принятия решений, в том числе скоринге. В Gartner ожидают, что в ближайшие три года треть крупных компаний в мировом финтехе будет использовать ИИ, чтобы повысить эффективность управленческих решений.
95% российских финансовых компаний уже внедрили в основные процессы элементы искусственного интеллекта, говорится в исследовании «Применение технологий искусственного интеллекта на финансовом рынке». Его провела ассоциация «ФинТех» (в исследовании участвовало 75% банков из топ-20).
Самые продвинутые технологии ИИ участники финансового рынка реализуют в процессах скоринга — риск-менеджмента, а также в области продаж и продвижения финансовых продуктов. В эту сферу идут большие инвестиции: ключевые участники рынка совместно инвестируют по 80 млрд руб. в год (данные на 2023 год) в развитие решений на основе ИИ.
Речь идет прежде всего о самообучаемых нейросетях, которые используются в алгоритмах оценки и в предиктивной аналитике. Машинное обучение для создания решений в сфере аналитики — это почти 90% инструментария ИИ, который используют российские финансовые компании.
Во всем мире использование ИИ в предиктивной аналитике и анализе данных приносит банкам очевидные преимущества. Так, сингапурский DBS (один из крупнейших цифровых банков мира) активно задействует ИИ в работе с большими данными, создавая массивы метаданных и обрабатывая их с помощью ИИ. Ему удалось оцифровать уже 95% данных на своей платформе. Управление персоналом, решение юридических вопросов, борьба с мошенничеством — в этих сферах ИИ помогает сделать работу с большими данными более эффективной. Но главное, что нейросети помогают оценивать заемщиков. DBS сообщает о том, что сумел заработать в 2022 году $112,5 млн благодаря ИИ, который использовался в скоринге.
McKinsey оценивал в 2020 году, что технологии ИИ могут приносить банковскому сектору мира до $1 трлн дополнительной капитализации в год.
Такой эффект достигается благодаря применению нейросетей в прогнозировании, кастомизации сервиса и повышении его эффективности (у финорганизаций меньше затраты на обслуживание из-за внедрения чат-ботов и голосовых помощников). Также ИИ помогает банкам более эффективно работать с большими данными внутри — с клиентской базой и в сфере алгоритмических операций. Плюс нейросети используются в системах информационной безопасности и фрод-мониторинга.
Генеративный ИИ (нейросети, способные генерировать новые результаты на основе уже заложенных в них данных), по оценкам McKinsey Global Institute (MGI), могут приносить мировому банковскому сектору от $200 млрд до $340 млрд в год, или от 2,8% до 4,75% от общего оборота отрасли — в основном за счет повышения производительности работы финансовых организаций.
Для российского финтеха прямой экономический эффект от внедрения элементов ИИ — очевидный приоритет, отмечено в исследовании ассоциации «ФинТех». Проблема в том, что, стремясь к выгодам от использования ИИ, компании не готовы системно подходить к вопросам внедрения ИИ. Судя по тому, что стратегия внедрения ИИ есть только у 35% опрошенных компаний и только 17% открыли подразделения, работающие с решениями ИИ. Второе препятствие для российского финтеха, который тянется к новейшим инструментам ИИ, — дефицит кадров. Три самых востребованных категории специалистов — дата-сайентисты, дата-инженеры и дата-аналитики.
ИИ делает финансовые услуги доступнее
ИИ в финансовом сервисе — это прежде всего рекомендательные системы, чат-боты, виртуальные инфлюенсеры, AI-ассистенты. В общем, разномастные цифровые помощники в мире финансов. И это явный тренд в финтехе — не новый, но с далеко не исчерпанным потенциалом. На днях «Тинькофф» представил экосистему персональных помощников, работающих на основе больших языковых моделей (LLM, Large Language Models). Среди этих помощников — финассистент, помогающий разобраться в собственных тратах и дающий советы по управлению деньгами, и инвестассистент, который способен анализировать ценные бумаги и давать рекомендации (хотя с этим нужно быть осторожным).
Большие языковые модели (LLM), на которых построены эти виртуальные помощники, — тоже один из важных трендов в развитии ИИ. Именно такие модели делают виртуальных помощников в финансах чем-то большим, чем чат-боты, которые способны только ответить «да» или «нет» на самые элементарные вопросы пользователей. Нейросети на основе больших языковых моделей проходят более глубокое обучение по сравнению с базовыми моделями и учитывают максимальное количество параметров. Грубо говоря, у них больше «словарный запас» и больше возможностей для качественной предиктивной аналитики. Кроме того, они могут генерировать контент по запросу пользователей достаточно четко, выступая состоятельными конкурентами, например, Chat GPT.
Сегодня разрабатывать LLM-модели способны только единичные компании — лидеры рынка. Но за ними тянутся и остальные, так что LLM-модели уже стали главным технологическим драйвером развития ИИ в финтехе.
Искусственный интеллект приходит и в сферу управления личным капиталом — причем даже в область Private Banking, где традиционно клиенты предпочитали личное общение с менеджерами банка и инвестконсультантами. Впрочем, и сами инвестиционные консультанты используют роботизированные решения, чтобы сделать свои консультации более эффективными. Крупнейшие банки мира, такие как сингапурский DBS, создают мобильные приложения для управления личным капиталом и для инвестирования. Здесь также задействованы ассистенты, работающие на основе нейросетей и дающие рекомендации по составлению инвестиционного портфеля клиентам банка.
Как изменятся финуслуги вместе с ИИ
Исследование «ФинТех» показывает, что технологии ИИ станут более демократичными — доступными по цене даже малому и среднему бизнесу. Это может упростить финансовые услуги для широкого круга пользователей, которым сложно самостоятельно погружаться в финансовые технологии. Например, проводить сравнения кредитных ставок, выбирая для себя лучшие условия кредитования. Или им будет проще открыть, например, банковский счет для юрлица и начать малый бизнес. Также именно доступность финансовых технологий, достигнутая благодаря ИИ, может существенно увеличить число частных инвесторов. Ведь технологии ИИ уже оказались очень востребованными в трейдинге. Пока в виде помощников и чат-ботов анализирующих бумаги и помогающих разобраться в технологиях игры. Но в будущем на биржевую сцену выйдут торговые роботы — рыцари без страха и упрека по сравнению с людьми. Главное, им не свойственно поддаваться азарту и жадности — неискоренимым грехам биржевых игроков.
Финуслуги однозначно буду становиться доступнее, а пользователям будет проще искать ответы на свои вопросы. Об этом говорит один из ярких трендов в развитии ИИ — совершенствование алгоритмов разговорного ИИ (Conversational AI), на основе которого создаются цифровые помощники, поддерживающие живую беседу с пользователями.
Причем «на ниве» виртуальных помощников в финансах всё только начинается — они будут меняться. Сейчас, например, вопросы вызывает хотя бы то, что банки создают своих AI-ассистентов, в той или иной мере продвигающих продукты конкретной компании. Рынок ждет от финтех-компаний создания «мультибанковских советников» — объективных и беспристрастных помощников в мире финансов.
