Москва. Согласно отчету Economist Intelligence Unit, большинство банков (85%) разработали стратегию для внедрения искусственного интеллекта. В Сбербанке, например, доля процессов, где используются ИИ-алгоритмы, достигла 75% к середине 2023 года. Теперь искусственный интеллект принимает ключевые банковские решения, которые раньше делал человек. IT специалист Геннадий Дмитрик в беседе с «Агентством бизнес новостей» рассказал, как машинное обучение и искусственный интеллект помогают банкам оценивать клиентов и улучшать важные бизнес-функции.
Фото: pxhere.com
В банковской сфере машинное обучение может быть использовано для анализа огромных объемов данных, которые собирают банки: от истории транзакций и чатов сотрудников банка до корпоративной документации. По словам эксперта, модели машинного обучения помогают банкам обрабатывать и анализировать эти данные, чтобы получить более глубокое понимание своих клиентов и внутренних процессов. С их помощью финансовые учреждения эффективнее борются с мошенничеством, оптимизируют процесс выдачи кредитов, соблюдают нормативные требования и улучшают взаимодействие с клиентами.
Например, в Тинькофф-банке система противодействия легализации доходов и финансированию терроризма позволила обнаружить 95% подозрительных операций и уменьшить число ложных срабатываний на 50%. Это стало возможным благодаря алгоритмам машинного обучения, автоматизации отчетности, определению правильных счетов и транзакций. Так банк смог перераспределить ресурсы с контроля на расследование криминальных схем.
Также искусственный интеллект и машинное обучение помогают оценить платежеспособность клиентов и принимать решения по кредитным заявкам. IT специалист объясняет, что путем использования математических моделей, алгоритмов машинного обучения и специального программного обеспечения банки проводят скоринг и оценивают клиента по различным критериям. Например, чем больше профиль заемщика похож на профили погашающих свои кредиты вовремя клиентов, тем выше его рейтинг. Это позволяет автоматизировать процесс принятия решений и делает его более объективным, снижая риск и ускоряя кредитный процесс.
Скоринговые модели используются практически всеми крупными банками. Например, в ВТБ используется скоринговая модель, оценивающая кредитные заявки с точки зрения риска мошенничества. Используя «базу знаний», содержащую информацию из различных источников, искусственный интеллект выявляет отклонения от обычного поведения заемщика. Это может свидетельствовать о том, что злоумышленник получает доступ к интернет-банкингу или мобильному приложению клиента, либо о том, что заемщик стал жертвой мошенников и неверно оценил их поведение. Если количество таких сигналов критическое, скоринговая модель может привести к отрицательному решению по кредитной заявке и препятствовать мошенническим схемам.
Применение скоринговых систем с помощью машинного обучения позволяет финансовым организациям прогнозировать неблагоприятные события, уменьшать риски невозврата кредитов и эффективно взаимодействовать с должниками. Чтобы минимизировать свои проблемы в сфере кредитования, финансовые организации постоянно улучшают и обновляют наборы данных. Необходимая проверка должна проходить в кратчайшие сроки, всего за несколько минут, чтобы добросовестные клиенты не страдали, а лишние затраты времени сотрудников приводили только к дополнительным издержкам и не затрагивали стоимость кредита.
Так, автоматическая обработка документов через использование искусственного интеллекта позволяет Росбанку с легкостью вносить данные клиентов при открытии счетов и проведении банковских операций, требующих подтверждение личности.
