1973
Искусственный интеллект в продуктах финансового сектора. Пока не все, но многое
Соавтор телеграм-канала Записки на рукавах Виктор Достов считает, что бизнес-приложения на базе искусственного интеллекта уже заняли достойное место в финансовом секторе. Ожидаемого многими прорыва не произошло, однако по ряду направлений результаты весьма значительны. Основным и понятным достижением является использование больших языковых моделей в общении с клиентом. Чат-боты стали частью нашей реальности и довольно неплохо справляются с тривиальным общением.
Например, шведской финтех-компании Klarna удалось заменить примерно 500 сотрудников поддержки без потери качества обслуживания. Более-менее сложные вопросы до сих пор переводятся на оператора, но их доля постоянно снижается. Относительно неплохо работают скоринговые модели, хотя необходимость применения сильного ИИ там неочевидна – по большому счету речь идет об анализе корреляций, которые неплохо делают традиционные статистические модели. Вероятно, в скоринге ИИ умеет лучше выделять слабые сигналы – например, насколько пристрастие клиента к поездкам на самокате влияет на возвратность кредитов, но доказанных ярких прорывов тут нет.
Менее эффектных, но полезных примеров анализа частностей клиентского поведения при этом достаточно много – хорошо работает, к примеру, апробированный специалистами Сбера анализ целесообразности перевыпуска платежных карт у «дремлющих» клиентов. А вот модель всеобъемлющего управления клиентом, включая продуктовые предложения, политику общения/продвижения, на данный момент ни на одной платформе ИИ построить не удалось.
Успешно работают модели по ПОД/ФТ, модели по предупреждению мошенничеств и тому подобное, тут задачи относительно близки к анализу языковых последовательностей и поэтому допускают эффективную оптимизацию.
Несомненно, ИИ помогает оптимизировать и push-каналы общения с клиентом – делать более понятные и более продающие описания продуктов, правовые документы и прочее.
На этом фоне относительно слабо представлена пользовательская сторона. Там просматриваются три модели (терминология автора). Первая – агенты, принимающие за клиента решения. Очевидные кандидаты тут – программы оптимизации платежного и кредитного поведения, берущие на себя решения, например, какой картой платить за конкретную покупку. Такие примеры мы приведем ниже, но таких продуктов хотелось бы гораздо больше. Вторая – помощники, позволяющие более эффективно общаться с банком (например, на основе диалога с владельцем формулирующие его финансовые цели). Третья – защитники, которые оберегают клиента как от невыгодных предложений банков, так и от мошенников.
Наряду с платежами и кредитами на пользовательской стороне есть нужда в инвестиционных помощниках. Наивно ожидать от ИИ чудес в оптимизации инвестиционного портфеля, но более четкое понимание намерений клиента, например, позволяет понять, предпочитает ли он агрессивную или консервативную стратегию, предложить ему несколько вариантов и обсудить выбор, возможно с частичным вовлечением в коммуникацию «живого» советника. Это позволяет отчасти решить извечную задачу защиты инвесторов-дилетантов (которыми большинство из нас является) от непланируемых рисков. По всем этим направлениям в мире (и, отчасти, в России) возникает множество стартапов.
Отметим сразу, что не надо безоговорочно надеяться, что стартап с биркой ИИ действительно сильно полагается на нейросети. Это понятный хайп: бирка ИИ (как бирка «блокчейн» десять лет назад) поднимает капитализацию и поэтому ею иногда злоупотребляют. Тем не менее, есть несколько неплохих идей.
Например, компания Kudos предлагает карту, подвязанную к нескольким счетам в разных банках, которая за клиента решает, с какого счета лучше сделать конкретную покупку (с учетом кешбэков, бонусов, цены кредита и прочих факторов). Карта компании Kasheesh собирает со многих счетов деньги на одну большую покупку (опять-таки, с учетом кешбэков, бонусов, цены кредита и прочих факторов). Компания Pagayo занимается скорингом клиентов, немного не прошедших под критерии выдачи кредита в традиционных банках – она их прогоняет через свой ИИ, секьюризирует лучшие заявки и продает институциональным заемщикам. И это – только малая доля хороших проектов.
Таких примеров множество. И из них, несомненно, со временем вырастет новый, «умный» ИИ-сегмент финансового рынка.
