Искусственный интеллект облегчил работу банков с должниками. Алгоритмы машинного обучения позволили прогнозировать поведение клиентов и отличать «плохих» заемщиков от «хороших». Таким образом, с помощью алгоритма можно спрогнозировать вероятность поступления платежей по кредиту и снизить число звонков заемщикам. Об этом «Известиям» рассказали в крупнейших банках из топ-30.
При принятии решений используются данные о поведении клиентов. Если раньше это было всего несколько десятков показателей, то теперь их сотни и даже тысячи, отметил менеджер проекта «Биг дата» Хоум Кредит Банка Сергей Герасимов. Применение машинного обучения позволило банку более точно прогнозировать вероятность невозврата кредита, в результате уровень просроченной задолженности снизился до 3,7%, добавил он.
Искусственный интеллект позволил в 70% случаев отказаться от звонков клиентам на ранних стадиях при появлении просрочки, рассказал управляющий директор Бинбанка Вадим Ковалев. По его словам, это повысило лояльность клиентов, при этом эффективность сбора просроченной задолженности не упала. Кроме того, банк сэкономил на взыскании.
«Выявляются заемщики, звонить которым, в принципе, бесполезно. В результате мы не беспокоим клиентов без необходимости, а звонки поступают только тем, кому необходимы напоминания и консультации», — отметил Вадим Ковалев.
Использование алгоритмов повысило лояльность клиентов и снизило уровень просроченной задолженности, отмечают участники рынка. Часто заемщик даже не понимает, что взаимодействует с роботом: в некоторых банках машина принимает 80% решений по ипотечным сделкам.
Однако оценка банковских рисков — далеко не единственная сфера, где активно применяются технологии машинного обучения. Банки планируют отдать роботам большое количество рутинных функций, а это снизит расходы на персонал. Как отметили в Россельхозбанке, новые технологии повысят доступность банковских услуг для клиентов, позволят снизить риски и затраты банка, а также обеспечить персональный подход. Роботы будут анализировать информацию о потребителе и на основе полученных данных делать индивидуальные предложения.
