От скоринга и трейдинга к детекции фрода

Олег Кужиков, управляющий партнер венчурного фонда Maxfield Capital, начал выступление с небольшого ликбеза: «Что такое искусственный интеллект? Наверное, можно на него смотреть как на реплику человеческого интеллекта. Сюда входят такие параметры, как визуальное восприятие, распознавание речи, перевод речи и принятие решений. Плюс возможность анализировать различную информацию, которая приходит из всевозможных источников». Кроме того, искусственный интеллект способен к обучению. И чем больше он обучается – тем больше может корректироваться».

Финтех-машина

Искусственный интеллект (англ. Artificial intelligence, AI) существует уже около 60 лет. Технология получила широкое применение в бизнесе и, в частности, в финансах. Крупные технологические копании и небольшие финтех-стартапы уже изменили финансовый бизнес по всем параметрам (включая бизнес-модели, процессы, затраты, риски, пользовательский опыт). Применение искусственного интеллекта упрощает процессы и сокращает время на «рутинную» работу. Снижаются издержки бизнеса. При помощи AI осуществляется кредитный скоринг, трейдинг, финансовый анализ, управление рисками, детекция фрода (от англ. Fraud detection – выявление мошенничества) и т.д.

Одна из наиболее важных областей использования AI – предсказательная аналитика. Помимо этого, искусственный интеллект приспособлен для коммуникации с клиентами (чат-боты).

Согласно исследованию Maxfield Capital, в 2015 году финтех-стартапы по всему миру привлекли $400 млн. инвестиций в развитие проектов, связанных с искусственным интеллектом. Сейчас AI находится на пороге бурного развития. Почему? Компьютерные процессоры достигли того вычислительного потенциала, которого раньше не хватало для реализации возможностей искусственного интеллекта. Появилось огромное количество данных, которые можно обрабатывать. Созданы различные техники и алгоритмы, которые позволяют системе обучаться (нейронные сети, deep learning и т.д.). По мнению Олега Кужикова, рано или поздно наступит момент, когда возможности AI «будут значительно (в сотни, миллионы раз) превышать способности человеческого интеллекта».

Константин Виноградов, инвестиционный менеджер фонда Runa Capital, рассказал о критериях успешных стартапов в области машинного обучения и искусственного интеллекта. «Сейчас все понимают, что machine learning (англ. машинное обучение – прим. ред.) и artificial intelligence – это очень горячая тема, она очень важна, она изменит мир, почти каждую индустрию. Но нет четкого понимания, что же конкретно поменяется и где, говоря цинично, инвестор может на этом заработать денег» - заметил представитель венчурного фонда. По его словам, сейчас многие компании пытаются полностью заменить человека компьютером. Но при текущем уровне развития технологий сделать этого не получится. Человеческий и искусственный интеллекты необходимо сочетать. Тогда это действительно принесет хорошие результаты. «В будущем все продукты будут иметь некий слой искусственного интеллекта, и выпускать продукты без него будет уже, наверное, неприлично» – добавил Константин Виноградов.

6000 человек или одна Елена

Глава речевых технологий компании «Яндекс» Денис Филиппов рассказал собравшимся об опыте создания виртуального сотрудника банка. На сегодняшний день в контакт-центрах банков есть проблема – очень большая текучка кадров. Обслуживание входящих обращений – это рутинная задача. Оператор изо дня в день отвечает на одни и те же вопросы. «Каков баланс моей кредитной карты?», «Какой у меня лимит?», «Какой тариф?». На такой работе человек быстро выгорает. Виртуальный оператор по имени Елена обслуживает около 25 000 звонков ежедневно. Елена отвечает на звонки, представляется, распознает запросы клиентов, классифицируя их на более чем 60 тематик за доли секунды. Далее в зависимости от тематики выполняет тот или иной алгоритм. Виртуальный сотрудник может отвечать как на простые вопросы («Где находится ближайшее отделение банка?»), так и на более сложные («За что у меня списали деньги вчера?»). Для этого программа интегрирована с внутренними системами оператора. 62% абонентов, которые успели поговорить с Еленой, остались довольны качеством ее работы и не стали соединяться с «настоящим» оператором.

В своей презентации Денис также напомнил, как выглядят некоторые сервисы Яндекса. «За этими легкими интерфейсами стоит машинное обучение, очень умные алгоритмы и результат работы почти 6000 человек, - признался он. – Машинное обучение лежит в ядре нашего бизнеса. От качества работы алгоритма, который построен на машинном обучении, напрямую зависит наша выручка».

Руководитель отдела машинного обучения Rambler&Co Павел Клеменков описал проблему поиска дефицитных кадров – так называемых «дата сайнтист». Оказалось, за этим модным словом скрываются не кто иные, как математики-программисты. Именно благодаря их усилиям средняя длина эксперимента по решению бизнес-задачи с помощью машинного обучения теперь составляет одну неделю, а не полтора-два месяца, как раньше.

Виртуальная полиция

Евгений Виноградов, руководитель отдела аналитических сервисов «Яндекс.Деньги», рассказал, как сервис онлайн-платежей при помощи технологии машинного обучения выявляет факты торговли запрещенными товарами.

Аналитик компании «Фродекс» Юрий Прокофьев осветил тему внедрения противомошеннических продуктов в банках. На сегодняшний день антифрод-система способна распознавать мошенническое поведение и предупреждать его последствия. В числе инструментов, на которых базируется программа – электронный отпечаток пальца, фиксируемый во время использования устройства (смартфона, планшета). Он помогает, в частности, сгруппировать данные о различных устройствах, которые использует один и тот же человек. В целом же эффективная антифрод-система банка представляет собой несколько слоев, каждый из которых усиливает ее. Возможны 1-2% ложных срабатываний. Немаловажно, что при использовании сторонней противомошеннической системы банку не нужно предоставлять данные о своих клиентах, а также покупать и обслуживать дополнительные сервера. Остается лишь добавить, что на «темной стороне» также довольно быстро придумывают новые системы и методики, чтобы закамуфлировать мошеннические действия.

Не хватает скорости

В продолжение форума началась панельная дискуссия «Применимость искусственного интеллекта в банках, МФО и других финансовых организациях». Ее участники пришли к выводу, что machine learning используется в банках уже давно. Классическим примером является кредитный скоринг с помощью этой технологии. Машинное обучение применимо не только в больших, но и в маленьких банках. Кредитные организации не очень охотно делятся информацией о том, какие элементы искусственного интеллекта используют в своей работе. Спустя максимум полгода после внедрения одним банком того или иного элемента AI другие банки начинают практиковать то же самое, черпая информацию из практической деятельности конкурента.

По словам Константина Виноградова из Runa Capital, российские банки предпочитают сами внедрять AI-решения, в то время как за границей кредитные организации в основном работают с внешними стартапами. В нашей стране «за то время, пока крупный банк примет решение, типичный стартап уже успеет обанкротиться» - пошутил Константин. «Проблема стартапов в другом» - возразил Кирилл Меньшов, вице-президент, директор по информационным технологиям банка «Открытие». По его мнению, сложность заключается в том, чтобы из идеи стартапа сделать конкретный продукт, подходящий для клиентов того или иного банка.

Денис Филиппов из «Яндекса» призвал банки «учиться быть быстрее». Он напомнил, что реализация пилотного проекта в банке выливается в месяцы, в то время как в IT-компаниях для этого требуются считанные дни. А скорость в этом деле не помешает, ведь 90% экспериментов в сфере машинного обучения оказываются неудачными. Зато оставшиеся 10% стоят того, чтобы экспериментировать. Они с лихвой все окупают.

После перерыва состоялась сессия «Machine Learning в CRM, маркетинге и продажах», а затем – workshop от Сбербанка, на котором представители крупнейшей кредитной организации рассказали о реализованных ими кейсах применения машинного обучения.

В продолжение форума поговорили о применении машинного обучения в управлении рисками, скоринге и андеррайтинге, а также об использовании чат-ботов с элементами искусственного интеллекта в финансовом бизнесе. Участники и гости конференции стали свидетелями битвы ботов, а жюри из числа представителей банков и инвесторов выбрало лучшего из них.

Москва.