Зачем банкам искусственный интеллект? Дело в деньгах. С его помощью они могут зарабатывать больше на 1 трлн долларов ежегодно, подсчитали в McKinsey. А что это дает клиенту?
Банки владеют в современном мире уже не только деньгами, но еще и огромным массивом данных обо всех доходах и расходах своих клиентов. Когда платежи перешли в онлайн, а магазины научились отдавать развернутую информацию о совершенной покупке (а не только сумму чека), банки узнали все о потребительских привычках — например, какой вкус мороженого и в каком магазине вы предпочитаете. Возникает логичный вопрос: что делать с этой информацией — хранить как бесполезную или использовать для дополнительных услуг, чтобы создавать добавленную стоимость? Очевидно, что выгоднее второе.
На этом этапе банки приходят к необходимости внедрения ИИ. Дело в том, что обработка таких объемов информации доступна лишь искусственному интеллекту, и именно на базе его алгоритмов банки смогут вскоре запустить целый набор новых сервисов. Как это может выглядеть на практике в гипотетическом примере с мороженым: банковское приложение на основе истории покупок и геолокации, а также интеграции со сторонними фуд-сервисами дает рекомендации по выбору в ближайшем кафе. Пользователь оплачивает покупку прямо в приложении. Банк наращивает число трансакций и замыкает на свое суперприложение большинство интересов пользователя. Или другой пример: на основе истории покупки фитнес-абонементов дает персональные скидки на страховку жизни и здоровья. Именно так выглядит банк будущего, считают аналитики McKinsey, и без этого он обречен на вымирание.
Это идеальная ситуация, к которой стремятся сегодня крупные цифровые банки, строящие экосистему. Пройдет еще некоторое время, пока сервис «все-в-одном» станет массовым. Хорошо ли это для пользователя? Если вы не приверженец теории заговора, то ответ — да. Банковское приложение из достаточно узкофункционального сервиса постепенно превращается в полноценного универсального помощника на все случаи жизни, который учитывает вкусы и интересы клиента. При этом собираемые данные обезличены и не несут рисков использования их в некорректных целях. Так, «Тинькофф» начал регистрацию товарного знака AI bank для реализации концепции AI-First. Банк уже давно уделяет внимание работе с большими данными, а с помощью ИИ сможет анализировать их и строить полноценные рекомендательные системы, как это сегодня происходит в электронной коммерции. А ВТБ запустил платформу для быстрого и полномасштабного внедрения ИИ во все процессы банка. На ее основе создаются модули, которые анализируют данные и принимают решения.
ИИ помогает банкам строить более точные и непредвзятые скоринг-модели. Скоринг — это система оценки благонадежности заемщика на основе персональной кредитной истории. Алгоритмы не только проверяют клиента, но и строят прогнозы относительно его дальнейшего поведения на основе данных о других заемщиках со схожими характеристиками. Ранее, на заре расцвета потребительского кредитования в середине 2000-х, банки выдавали займы всем желающим, но после кризисов 2008 и 2014 годов и невыплат начали строить скоринг-модели на основе скопившейся истории. В результате процент отказов непрерывно растет уже на протяжении нескольких лет, соответственно, снижается число проблемных клиентов. Сегодня этот процесс начали автоматизировать. «Сбер» уже 100% таких решений принимает с помощью ИИ. Вмешательство человека требуется только в 5% случаев.
Какую выгоду для заемщика несет автоматизированная скоринг-модель на основе ИИ? Во-первых, быструю реакцию на заявку — не несколько дней, а несколько минут. Во-вторых, отсутствует человеческий фактор при оценке. Если объективные факты говорят о благонадежности клиента, он получит кредит. ВТБ, например, благодаря внедрению технологии в процесс одобрения кредитов начал выдавать на 18% больше займов в рознице.
Искусственный интеллект давно командует (в хорошем смысле этого слова) и сервисными инженерами, раздавая задачи на своевременное обслуживание техники, например банкоматов. ИИ становится очевидным трендом и в клиентском обслуживании. Чат- и войс-боты в контакт-центрах есть у большинства крупных банков. Умные алгоритмы умеют быстро решать проблемы клиентов. Например, по статистике банка «Хоум Кредит», 91% не обращаются в кол-центры после консультации с искусственным интеллектом. «Тинькофф» пошел еще дальше в развитии функциональности голосового помощника: с его помощью можно перевести деньги или купить акции.
Робот не только умеет сам эффективно общаться, но и контролирует работу сотрудников: анализирует, насколько правильно они строят диалоги с клиентами. В итоге банк может работать над слабыми местами в коммуникации, чтобы потребители получали более качественные и оперативные услуги. Так, ВТБ с помощью аналитических модулей на основе ИИ повышает эффективность работы операторов кол-центра с обращениями клиентов банка.
Искусственный интеллект является частью биометрических систем распознавания личности. Западные банки, например HSBC, уже начали использовать их для идентификации пользователя, который звонит в контакт-центр, чтобы, например, заблокировать карту. Это очень удобно: не нужно ждать ответа оператора и диктовать паспортные данные или кодовое слово (которое часто забывается), ведь счет может идти на минуты. В России этот сервис пока не развит, хотя банки уже начали собирать биометрические данные.
Это далеко не все области применения ИИ в банкинге. Есть еще множество внутренних процессов, за счет которых финансовые организации повышают свою эффективность, но для конечного клиента они не столь очевидны. Например, умные алгоритмы умеют предсказывать вероятность кибератак. Это очень актуальная тема: мошенники во время пандемии настолько активизировались, что только в одной Москве за прошлый год число краж с банковских карт выросло вдвое.
Мнение автора может не совпадать с мнением редакции
Комментарии