Искусственный интеллект в финансовом секторе: результаты внедрения
Александр Мызин
Руководитель направления по развитию бизнеса в финансовом секторе MTS AI
Финансовый сектор стал одним из ключевых инвесторов технологий искусственного интеллекта в России. Согласно подсчетам Ассоциации «Финтех», объем вложений крупнейших российских банков в ИИ-решения составляет около 1 млрд долл. в год, а прибыль от внедрения этих решений достигает 3 млрд долл. в год. Речь идет только о крупных игроках рынка – небольшие финансовые организации также используют ИИ, но могут инвестировать в них ежегодно не более 100–300 млн рублей.
По оценкам той же АФТ, среди ключевых трендов 2024 года можно выделить становление ИИ как базовой технологии для финансового сектора. Широкий доступ к нейросетям получат организации и физические лица. Например, разработчики будут активно использовать ИИ для написания кода, а компании будут активно интегрировать нейросети в свои системы для глубокого сбора аналитики. Согласно результатам опроса ассоциации, 95% финансовых и технологических организаций уже используют нейросети в бизнес-процессах. Из них 87% применяют его для анализа данных, 63% – для работы с текстом, 35% – для работы с речевыми технологиями, 30% – в области компьютерного зрения.
Как отмечает Банк России в своем докладе (.pdf) о применении нейросетей на финансовом рынке, еще недавно в банках в основном применялись традиционные ИИ-решения, однако с увеличением вычислительных мощностей и возможностей обработки данных также стал активно применяться генеративный искусственный интеллект. Согласно совместному исследованию Яндекса и агентства «Яков и Партнеры», ожидаемый финансовый эффект от внедрения нейросетей в банковскую отрасль для экономики России составит 0,5–0,7 трлн рублей в год для традиционного ИИ и 0,2–0,3 трлн рублей – для генеративного ИИ.
По оценкам той же АФТ, среди ключевых трендов 2024 года можно выделить становление ИИ как базовой технологии для финансового сектора. Широкий доступ к нейросетям получат организации и физические лица. Например, разработчики будут активно использовать ИИ для написания кода, а компании будут активно интегрировать нейросети в свои системы для глубокого сбора аналитики. Согласно результатам опроса ассоциации, 95% финансовых и технологических организаций уже используют нейросети в бизнес-процессах. Из них 87% применяют его для анализа данных, 63% – для работы с текстом, 35% – для работы с речевыми технологиями, 30% – в области компьютерного зрения.
Как отмечает Банк России в своем докладе (.pdf) о применении нейросетей на финансовом рынке, еще недавно в банках в основном применялись традиционные ИИ-решения, однако с увеличением вычислительных мощностей и возможностей обработки данных также стал активно применяться генеративный искусственный интеллект. Согласно совместному исследованию Яндекса и агентства «Яков и Партнеры», ожидаемый финансовый эффект от внедрения нейросетей в банковскую отрасль для экономики России составит 0,5–0,7 трлн рублей в год для традиционного ИИ и 0,2–0,3 трлн рублей – для генеративного ИИ.
Среди ключевых направлений ИИ в банках ЦБ выделяет:
Решения от компании MTS AI можно использовать «из коробки» без дополнительного обучения, они начинают работать сразу после установки. В частности, генеративная нейросеть Cotype, созданная компанией MTS AI (прежнее название нейросети – MTS AI Chat), уже обучена на большом количестве данных, она способна выполнять различные задачи без дообучения по сравнению с классическими ML-решениями. В то же время MTS AI позволяет использовать эту нейросеть полностью в контуре заказчика по модели on-premise – в таком случае клиент сможет полностью управлять источниками данных и сценариями их обработки, а также обучать модель на собственных дата-сетах.
В будущем эффективность использования ИИ во многом будет зависеть не от конкретного AI-сервиса, а от синергии различных ML-решений друг с другом. Это позволит не автоматизировать отдельные процессы в компании, а покрыть целый спектр рабочих задач: например, нейросети смогут самостоятельно понимать все желания клиента и содержательно вести с ним беседу, выполняя все его просьбы.
Сейчас решения MTS AI интегрированы в единую экосистему ML-сервисов компании – это позволяет легко синхронизировать их друг с другом и использовать их вместе для наиболее эффективного результата. При этом сервисы от MTS AI можно интегрировать с другими системами заказчика: с почтой, ВКС, Jira и другими.
Итак, рассмотрим, как крупнейшие банки России и мира используют наиболее перспективные технологии ИИ на практике.
- скоринг и андеррайтинг (оценка платежеспособности клиента);
- торговлю;
- инвестиционное консультирование;
- управление рисками;
- маркетинг;
- взаимодействие с клиентами;
- противодействие мошенничеству (мониторинг транзакций);
- др.
Решения от компании MTS AI можно использовать «из коробки» без дополнительного обучения, они начинают работать сразу после установки. В частности, генеративная нейросеть Cotype, созданная компанией MTS AI (прежнее название нейросети – MTS AI Chat), уже обучена на большом количестве данных, она способна выполнять различные задачи без дообучения по сравнению с классическими ML-решениями. В то же время MTS AI позволяет использовать эту нейросеть полностью в контуре заказчика по модели on-premise – в таком случае клиент сможет полностью управлять источниками данных и сценариями их обработки, а также обучать модель на собственных дата-сетах.
В будущем эффективность использования ИИ во многом будет зависеть не от конкретного AI-сервиса, а от синергии различных ML-решений друг с другом. Это позволит не автоматизировать отдельные процессы в компании, а покрыть целый спектр рабочих задач: например, нейросети смогут самостоятельно понимать все желания клиента и содержательно вести с ним беседу, выполняя все его просьбы.
Сейчас решения MTS AI интегрированы в единую экосистему ML-сервисов компании – это позволяет легко синхронизировать их друг с другом и использовать их вместе для наиболее эффективного результата. При этом сервисы от MTS AI можно интегрировать с другими системами заказчика: с почтой, ВКС, Jira и другими.
Итак, рассмотрим, как крупнейшие банки России и мира используют наиболее перспективные технологии ИИ на практике.
Голосовые и текстовые боты
Виртуальные ассистенты позволяют автоматизировать значительную часть рутинных задач финансовых организаций, тем самым сэкономив время операторов колл-центра и службы поддержки и освободив ресурсы для решения более трудных проблем, требующих внимания сотрудников. Голосовые и текстовые боты могут ответить на наиболее распространенные вопросы клиентов (об условиях обслуживания и т. д.), проинформировать их о новых акциях или напомнить о необходимости внести платеж по кредиту. Также чат-боты могут выполнять задачи HR-ассистента, отвечая на рядовые вопросы сотрудников самой финансовой организации. Совокупный экономический эффект от применения ботов в больших организациях может составлять сотни миллионов рублей, для очень больших структур и организаций речь идет о миллиардах, считают в Альфа-Банке.
В отличие от реальных сотрудников чат-боты работают круглосуточно, без выходных и отпуска. Время ответа в пиковые часы сокращается до нескольких секунд. При этом чат-бота легко персонализировать: компания может синтезировать голос на основе речи своего лучшего сотрудника, а также обучить бота определенной манере общения.
При этом специфика общения чат-ботов с клиентами может быть разнообразной. Например, банк ВТБ с 2018 года использует ботов-коллекторов для работы с просроченными платежами физических лиц. Уже в 2021 году голосовые помощники приняли на себя 40% всех коммуникаций с должниками. Для работы с такой аудиторией ВТБ применяет ИИ не только в чат-ботах: например, с помощью нейросетей компания также предсказывает, какой контакт с клиентом (по телефону, по почте и т. д.) будет наиболее эффективен.
МТС Банк, помимо традиционных вариантов использования голосовых помощников, запустил Buddy-бота в Telegram для онбординга новых сотрудников. Это позволяет автоматизировать HR-процессы – ИИ-ассистент может ответить на типовые вопросы при трудоустройстве и помочь с решением бюрократических задач. По оценкам команды, за первое полугодие 2022 года после внедрения Buddy-бот обработал более 3,8 тысячи заявок от сотрудников, при этом индекс удовлетворенности персонала (eNPS) таким подходом составил 79,35%.
Виртуальные ассистенты позволяют автоматизировать значительную часть рутинных задач финансовых организаций, тем самым сэкономив время операторов колл-центра и службы поддержки и освободив ресурсы для решения более трудных проблем, требующих внимания сотрудников. Голосовые и текстовые боты могут ответить на наиболее распространенные вопросы клиентов (об условиях обслуживания и т. д.), проинформировать их о новых акциях или напомнить о необходимости внести платеж по кредиту. Также чат-боты могут выполнять задачи HR-ассистента, отвечая на рядовые вопросы сотрудников самой финансовой организации. Совокупный экономический эффект от применения ботов в больших организациях может составлять сотни миллионов рублей, для очень больших структур и организаций речь идет о миллиардах, считают в Альфа-Банке.
В отличие от реальных сотрудников чат-боты работают круглосуточно, без выходных и отпуска. Время ответа в пиковые часы сокращается до нескольких секунд. При этом чат-бота легко персонализировать: компания может синтезировать голос на основе речи своего лучшего сотрудника, а также обучить бота определенной манере общения.
При этом специфика общения чат-ботов с клиентами может быть разнообразной. Например, банк ВТБ с 2018 года использует ботов-коллекторов для работы с просроченными платежами физических лиц. Уже в 2021 году голосовые помощники приняли на себя 40% всех коммуникаций с должниками. Для работы с такой аудиторией ВТБ применяет ИИ не только в чат-ботах: например, с помощью нейросетей компания также предсказывает, какой контакт с клиентом (по телефону, по почте и т. д.) будет наиболее эффективен.
МТС Банк, помимо традиционных вариантов использования голосовых помощников, запустил Buddy-бота в Telegram для онбординга новых сотрудников. Это позволяет автоматизировать HR-процессы – ИИ-ассистент может ответить на типовые вопросы при трудоустройстве и помочь с решением бюрократических задач. По оценкам команды, за первое полугодие 2022 года после внедрения Buddy-бот обработал более 3,8 тысячи заявок от сотрудников, при этом индекс удовлетворенности персонала (eNPS) таким подходом составил 79,35%.
AI-аналитика коммуникаций
Финансовый сектор активно инвестирует в AI-аналитику коммуникаций, поскольку нейросети позволяют на основе речи клиента предсказывать его поведение в режиме реального времени. Также с помощью ИИ можно создать систему онлайн-мониторинга качества работы сотрудников колл-центра, выявлять их слабые места и, напротив, определять наиболее эффективные сценарии диалога.
Вручную компании могут обработать только 1–2% разговоров со своими клиентами – на полноценный анализ им не хватает кадровых ресурсов, а выборочные данные могут оказаться нерепрезентативными. В свою очередь нейросети способны проанализировать все коммуникации в любых каналах – разговоры по телефону или мессенджеру, диалоги с чат-ботом на сайте, а также отзывы и комментарии в социальных сетях и профильных сервисах.
Благодаря AI-аналитике компания может отследить, насколько операторы следуют скрипту, не применяют ли ненормативную лексику и слова-паразиты, не перебивают ли клиентов. Также если собеседник начал агрессивно общаться с сотрудником колл-центра, система AI-аналитики определит причину смены настроения клиента.
Речевую аналитику активно использует Газпромбанк. По данным финансово-кредитной организации, ежемесячно в нее поступает более 3 млн обращений, и с помощью нейросетей она смогла обработать 100% из них. В среднем в сутки обрабатывается более 100 тыс. разговоров с клиентами. Это позволило увеличить рост персонально подобранных продуктов на 6%, а также сократить затраты на обслуживание.
Однако есть и более разнообразные варианты применения технологии. Банк «Открытие» и Билайн бизнес в конце 2023 года сообщили о тестировании в отделениях финансовой организации аудиобейджей с функцией речевой аналитики. Прикрепленные к одежде сотрудников устройства записывали их разговор с клиентом, после чего анализировали его на соответствие сервисным стандартам. В результате такой оценки руководство офиса получает готовую аналитику – рейтинг каждого сотрудника и уровень его вежливости в общении с клиентом. По данным банка, в пилотных офисах, где применялись аудиобейджи, продажи кредитных карт выросли на треть, и проект решили масштабировать на 25% офисной сети.
По данным MTS AI, использование сервисов речевой аналитики позволяет повысить объем продаж на 17–30%, а стоимость целевого лида может снизиться на 35–43%. Также это повышает удовлетворенность клиентов при коммуникации с компанией. Использование AI-сервиса позволяет снизить непрофильную нагрузку на операторов на 14%, а производительность отдела контроля обслуживания может вырасти на 80%. Кроме того, внедрение AI-аналитики также снижает ФОТ для отдела аналитики благодаря экономии трудовых ресурсов.
Финансовый сектор активно инвестирует в AI-аналитику коммуникаций, поскольку нейросети позволяют на основе речи клиента предсказывать его поведение в режиме реального времени. Также с помощью ИИ можно создать систему онлайн-мониторинга качества работы сотрудников колл-центра, выявлять их слабые места и, напротив, определять наиболее эффективные сценарии диалога.
Вручную компании могут обработать только 1–2% разговоров со своими клиентами – на полноценный анализ им не хватает кадровых ресурсов, а выборочные данные могут оказаться нерепрезентативными. В свою очередь нейросети способны проанализировать все коммуникации в любых каналах – разговоры по телефону или мессенджеру, диалоги с чат-ботом на сайте, а также отзывы и комментарии в социальных сетях и профильных сервисах.
Благодаря AI-аналитике компания может отследить, насколько операторы следуют скрипту, не применяют ли ненормативную лексику и слова-паразиты, не перебивают ли клиентов. Также если собеседник начал агрессивно общаться с сотрудником колл-центра, система AI-аналитики определит причину смены настроения клиента.
Речевую аналитику активно использует Газпромбанк. По данным финансово-кредитной организации, ежемесячно в нее поступает более 3 млн обращений, и с помощью нейросетей она смогла обработать 100% из них. В среднем в сутки обрабатывается более 100 тыс. разговоров с клиентами. Это позволило увеличить рост персонально подобранных продуктов на 6%, а также сократить затраты на обслуживание.
Однако есть и более разнообразные варианты применения технологии. Банк «Открытие» и Билайн бизнес в конце 2023 года сообщили о тестировании в отделениях финансовой организации аудиобейджей с функцией речевой аналитики. Прикрепленные к одежде сотрудников устройства записывали их разговор с клиентом, после чего анализировали его на соответствие сервисным стандартам. В результате такой оценки руководство офиса получает готовую аналитику – рейтинг каждого сотрудника и уровень его вежливости в общении с клиентом. По данным банка, в пилотных офисах, где применялись аудиобейджи, продажи кредитных карт выросли на треть, и проект решили масштабировать на 25% офисной сети.
По данным MTS AI, использование сервисов речевой аналитики позволяет повысить объем продаж на 17–30%, а стоимость целевого лида может снизиться на 35–43%. Также это повышает удовлетворенность клиентов при коммуникации с компанией. Использование AI-сервиса позволяет снизить непрофильную нагрузку на операторов на 14%, а производительность отдела контроля обслуживания может вырасти на 80%. Кроме того, внедрение AI-аналитики также снижает ФОТ для отдела аналитики благодаря экономии трудовых ресурсов.
Видеоаналитика
Системы облачного видеонаблюдения с подключенной AI-аналитикой в банках фактически выполняют четыре ключевые функции:
Использование «умного» видеонаблюдения позволяет сократить время на обслуживание клиентов – система при согласии посетителя может запомнить его «по лицу» и ускорить его идентификацию при следующих визитах. Также сервис позволяет улучшить качество обслуживания за счет оптимизации работы сотрудников и пространства, а также повысить лояльность клиентов из-за отсутствия очередей и упрощения доступа к банковским сервисам.
В 2024 году Банк ДОМ.РФ впервые выдал ипотеку с помощью биометрии. Для этого клиент передал данные в Единую биометрическую систему и самостоятельно открыл банковский счет, пройдя процедуру идентификации удаленно. Благодаря системе теперь весь цикл выдачи ипотечного кредита может происходить из дома, документы можно подписать с помощью электронной цифровой подписи.
Возможности видеоаналитики зачастую используются выборочно под конкретные задачи заказчика, однако их можно использовать и комплексно. Московский кредитный банк на базе решений от VisionLabs запустил систему видеоаналитики, которая не только помогает обеспечить безопасность в отделениях, но и отслеживает удовлетворенность посетителя на всех этапах обслуживания. «Умные» камеры могут оценить 100% клиентского пути – они изучают скорость и эффективность обслуживания, а также эмоциональное состояние клиента при общении с сотрудником, время, которое он провел в очереди или в зале ожидания, также учитывается его пол, возраст и т. д. Согласно идее, это позволит оптимизировать работу сотрудников банка и повысить качество сервиса.
Системы облачного видеонаблюдения с подключенной AI-аналитикой в банках фактически выполняют четыре ключевые функции:
- обеспечивают физическую безопасность в отделениях. Для этого система может следить за нарушением так называемых красных линий, пересечь которые может только сотрудник банка;
- автоматизируют многие бизнес-процессы. Например, система может контролировать, во сколько тот или иной сотрудник пришел на работу и не покидал ли он рабочее место во время смены;
- предоставляют маркетинговую аналитику о количестве посетителей и качестве обслуживания. AI изучит скопление посетителей в отделении и подскажет, в какие часы нужно привлечь к работе больше персонала
- проверяют наличие посетителей в VIP-- и стоп-листах. В первом случае клиентам при входе в банк сразу предоставляется приоритетное обслуживание, а если человек в черном списке – его встретит охранник.
Использование «умного» видеонаблюдения позволяет сократить время на обслуживание клиентов – система при согласии посетителя может запомнить его «по лицу» и ускорить его идентификацию при следующих визитах. Также сервис позволяет улучшить качество обслуживания за счет оптимизации работы сотрудников и пространства, а также повысить лояльность клиентов из-за отсутствия очередей и упрощения доступа к банковским сервисам.
В 2024 году Банк ДОМ.РФ впервые выдал ипотеку с помощью биометрии. Для этого клиент передал данные в Единую биометрическую систему и самостоятельно открыл банковский счет, пройдя процедуру идентификации удаленно. Благодаря системе теперь весь цикл выдачи ипотечного кредита может происходить из дома, документы можно подписать с помощью электронной цифровой подписи.
Возможности видеоаналитики зачастую используются выборочно под конкретные задачи заказчика, однако их можно использовать и комплексно. Московский кредитный банк на базе решений от VisionLabs запустил систему видеоаналитики, которая не только помогает обеспечить безопасность в отделениях, но и отслеживает удовлетворенность посетителя на всех этапах обслуживания. «Умные» камеры могут оценить 100% клиентского пути – они изучают скорость и эффективность обслуживания, а также эмоциональное состояние клиента при общении с сотрудником, время, которое он провел в очереди или в зале ожидания, также учитывается его пол, возраст и т. д. Согласно идее, это позволит оптимизировать работу сотрудников банка и повысить качество сервиса.
Генеративный ИИ
Чаще всего банки используют генеративный ИИ для решения собственных внутренних задач: для умного поиска по базам данных, для проверки документации и отчетов контрагентов, а также для написания кода и генерации самого разного контента – от деловых писем до маркетинговых идей. По оценкам McKinsey, использование генеративного ИИ в банковском секторе позволит повысить выручку банков на 200–340 млрд долл. в год.
Влияние генеративного ИИ на бизнес-метрики зависит от конкретного сценария использования нейросети. Например, при использовании чат-ботов на базе генеративного ИИ можно повысить продажи на 3–5% и производительность отдела обслуживания на 30–45%, а также поднять эффективность отдела маркетинга на 5–15%. Если использовать генеративный ИИ для написания программного кода, скорость его написания и рефакторинга может вырасти на 56%, а производительность отдела разработки увеличится на 20–45%. Также применение нейросетей позволит оптимизировать штат разработчиков.
В 2023 году банк Morgan Stanley начал тестировать чат-бота на основе ChatGPT для помощи финансовым консультантам в поиске необходимой информации. ИИ генерирует ответ на основе базы данных компании из 100 тыс. внутренних документов и исследований. Изначально в проекте приняли участие 300 консультантов, которые обращались за помощью нейросети, однако инвестбанк планирует расширить его применение.
В свою очередь банк JPMorgan Chase также активно использует нейросети на базе ChatGPT – в частности, для анализа сообщений от Федеральной резервной системы и выявления потенциальных торговых сигналов. Для составления прогнозов компания загрузила в ИИ все выступления его представителей за последние 25 лет. Вскоре банк планирует использовать для анализа данные Европейского центробанка и Банка Англии, а в дальнейшем распространить его более чем на 30 центробанков по всему миру.
Тенденция использования генеративного ИИ дошла и до российских банков. Например, банк «Точка» интегрировал генеративную нейросеть ChatGPT в собственного чат-бота «Изи Бизи бот» для помощи предпринимателям. Он может самостоятельно сформулировать ответ на негативный отзыв клиента и подготовить рекламный текст.
Чаще всего банки используют генеративный ИИ для решения собственных внутренних задач: для умного поиска по базам данных, для проверки документации и отчетов контрагентов, а также для написания кода и генерации самого разного контента – от деловых писем до маркетинговых идей. По оценкам McKinsey, использование генеративного ИИ в банковском секторе позволит повысить выручку банков на 200–340 млрд долл. в год.
Влияние генеративного ИИ на бизнес-метрики зависит от конкретного сценария использования нейросети. Например, при использовании чат-ботов на базе генеративного ИИ можно повысить продажи на 3–5% и производительность отдела обслуживания на 30–45%, а также поднять эффективность отдела маркетинга на 5–15%. Если использовать генеративный ИИ для написания программного кода, скорость его написания и рефакторинга может вырасти на 56%, а производительность отдела разработки увеличится на 20–45%. Также применение нейросетей позволит оптимизировать штат разработчиков.
В 2023 году банк Morgan Stanley начал тестировать чат-бота на основе ChatGPT для помощи финансовым консультантам в поиске необходимой информации. ИИ генерирует ответ на основе базы данных компании из 100 тыс. внутренних документов и исследований. Изначально в проекте приняли участие 300 консультантов, которые обращались за помощью нейросети, однако инвестбанк планирует расширить его применение.
В свою очередь банк JPMorgan Chase также активно использует нейросети на базе ChatGPT – в частности, для анализа сообщений от Федеральной резервной системы и выявления потенциальных торговых сигналов. Для составления прогнозов компания загрузила в ИИ все выступления его представителей за последние 25 лет. Вскоре банк планирует использовать для анализа данные Европейского центробанка и Банка Англии, а в дальнейшем распространить его более чем на 30 центробанков по всему миру.
Тенденция использования генеративного ИИ дошла и до российских банков. Например, банк «Точка» интегрировал генеративную нейросеть ChatGPT в собственного чат-бота «Изи Бизи бот» для помощи предпринимателям. Он может самостоятельно сформулировать ответ на негативный отзыв клиента и подготовить рекламный текст.
Контакты для размещения: