Первый вице-президент, начальник центра технологий искусственного интеллекта Газпромбанка Адель Валиуллин — о настоящем и будущем систем ИИ

Финансовые организации активно внедряют инновационные решения, которые позволяют значительно улучшать клиентский сервис. Для этого банки во всем мире увеличивают расходы на внедрение систем искусственного интеллекта (ИИ). Новые технологии и направления машинного обучения открывают колоссальные перспективы роста и возможности для банковского сектора. О трансформации банков, собственной разработке передовых решений, дефиците специалистов в области искусственного интеллекта и воспитании своих кадров, клиентских сервисах и угрозах недобросовестной разработки ИИ «Ъ-Финополис» рассказал первый вице-президент, начальник центра технологий искусственного интеллекта Газпромбанка Адель Валиуллин.

— В каких сферах применение ИИ в банкинге наиболее перспективно для бизнеса?

— Сегодня банки не просто финансовые институты, это технологические компании, которые предоставляют услуги — как физическим лицам, так и корпоративным клиентам, созданные с применением самых инновационных разработок, в том числе с искусственным интеллектом. Сегодня банки максимально используют искусственный интеллект в задачах управления рисками — риск-менеджменте, например, для ключевой задачи кредитного скоринга.

Чем точнее банк умеет делать прогноз дефолта по заявке клиента, тем больше у него кредитный портфель при оптимальном уровне риска. Кредитный бизнес сегодня в целом одно из основных направлений, которые генерируют прибыль для банков. Даже небольшой прирост качества моделей в 1–2% может давать колоссальный доход в абсолютных показателях для огромного кредитного портфеля, поэтому банки стараются находить лучших специалистов для решения таких сложных математических задач. В целом у банков много задач в рисковых процессах, в которых необходимы модели на основе ИИ: прогнозирование доходов клиентов, досрочного погашения, прогнозирование резервов, различных просрочек и т. д.

Еще одно из ключевых направлений применения ИИ в банках — антифрод, или борьба с мошенничеством. Как внешним, так и внутренним. ИИ помогает в реальном времени выявлять нетипичные трансакции и подозрительную активность, что значительно снижает риски мошенничества.

И, конечно, большой простор для применения ИИ — клиентский сервис. Все, что связано с повышением качества обслуживания клиентов. Чат-боты для поддержки клиентов позволяют автоматизировать более 50% запросов пользователей, что снижает расходы банка на поддержку, повышает качество обслуживания и лояльность клиента. C активным ростом клиентской базы применение ИИ-моделей позволяет сделать так, чтобы расходы на поддержку клиентов не росли пропорционально их количеству.

Также одним из ключевых направлений применения ИИ является персонализация. Использование ИИ для анализа данных по клиенту, его трансакционной активности и активности по продуктам помогает формировать более персонализированные и эффективные маркетинговые кампании. У банка сегодня несколько десятков финансовых продуктов (кредитные продукты, карты, вклады, экосистемные подписки и т. д.). У каждого продукта своя модель отклика по каждому клиенту и каналу взаимодействия (СМС, push-уведомление, email, звонок), своя доходность, политика коммуникации. С помощью ИИ решается задача оптимизации, что позволяет максимизировать удовлетворенность клиента.

Сегодня банк — это в первую очередь не физическое отделение, а приложение в телефоне клиента.

Все банки используют цифровые каналы взаимодействия с клиентами: мобильное приложение и интернет-банк. Если посмотреть на современное банковское приложение, оно уже не похоже на приложение банка лет три-пять назад: оно стало более вовлекающим, сейчас вы увидите в нем интересные для вас сторис, интерактивное меню и т. д.

Использование ИИ-моделей позволяет персонализировать предложения и увеличивать вовлеченность клиентов, например подбирать интересные новости из мира финансов или наиболее интересные предложения продуктов, давать финансовые рекомендации в соответствии с покупательскими привычками. Например, человек совершает трансакции на АЗС, а у банка есть экосистемная подписка со скидкой партнера в этой категории, продукты страхования для авто (ОСАГО, каско) и т. д. Банк может отследить эти поведенческие паттерны и предложить клиенту подключить подписку и купить страховку по выгодной цене, что сэкономит ему деньги и время.

— Как внедрение ИИ в процессы и продукты отражается на финансовых показателях?

— Связь применения искусственного интеллекта с финансовыми результатами прямая. Все наши ИИ-проекты направлены на повышение эффективности процессов и в целом банка. Это значит, что они либо генерируют дополнительную прибыль, либо сокращают расходы. В первую очередь, когда у нас появляется идея какого-либо проекта на основе ИИ, мы задаем себе вопрос: есть ли в нем экономический эффект для банка? Если на начальной стадии проекта мы не можем ответить на этот вопрос и не видим понятных экономических эффектов, то, скорее всего, эта инициатива не получит дальнейшего развития.

Крупные банки заявляют, что более 20% их прибыли приносит внедрение технологий ИИ. Тут стоит отметить, что чем крупнее организация, масштабы бизнеса, чем больше клиентов в клиентской базе и данных по продуктам и бизнес-процессам, тем больше выгоды можно достичь от внедрения технологий искусственного интеллекта. Во-первых, благодаря большему количеству данных, которые можно использовать для обучения моделей. А во-вторых, больше возможностей для оптимизации процессов и в целом в организации. Поэтому сегодня финансовый сектор является, наверное, главным бенефициаром внедрения ИИ среди всех отраслей.

— Как применение подобных решений отражается на показателях удовлетворенности клиентов?

— Здесь тоже есть прямая связь. Такие технологии позволяют клиентам получать сервис более высокого качества, например, от службы поддержки банка. Если раньше клиенты звонили в банк, то теперь они скорее напишут в чат в банковском приложении. Современные ИИ-модели позволяют автоматизировать более 50% ответов на запросы, и эти ответы будут точными и моментальными.

Также технологии ИИ позволяют предугадывать запросы клиента. Например, если мы видим, что клиент зашел в приложение и пытается в поиске найти какой-то продукт, а затем доходит до финальной точки — его оформления — и сталкивается с каким-то вопросом, то по цифровому следу пользователя мы можем до его звонка в поддержку выявить его потребность, понять проблему и сразу дать ему необходимый ответ.

— Как еще вы применяете ИИ в решениях по безопасности?

— Важным направлением для нас является антифрод, или борьба с мошенничеством. С переходом в онлайн, где для совершения какой-либо финансовой операции не требуется физическое присутствие в отделении, наблюдается рост мошенничества во всех банках. Мы боремся с несколькими видами фрода: заявочным — мошенничеством по кредитным заявкам клиентов, трансакционным — мошеннические трансакции — и внутренним — тем, которое совершают сотрудники банка. Такие антифрод-модели на основе технологий ИИ позволяют банку сохранять деньги клиентов в безопасности и уменьшать потери.

Например, в трансакционном фроде важную роль играет объем данных, с которым мы работаем: он на несколько порядков выше размера данных в задаче кредитного скоринга. Для обучения модели генерируются различные статистические признаки по трансакционной активности клиента: средние, минимальные и максимальные значения и сотни других признаков.

Банк постоянно должен поддерживать высокое качество модели, чтобы максимально уменьшить количество ложных срабатываний. Поскольку ошибочные приостановки операций при оплатах приносят ощутимый дискомфорт клиентам.

— Вы большинство продуктов разрабатываете сами?

— У нас вся разработка внутренняя, мы самостоятельно создаем и внедряем проекты на основе технологий ИИ.

— Какие главные вызовы стоят перед вашей командой?

— Ключевая цель нашей команды — повышение эффективности процессов и всего банка при помощи инструментов ИИ, сделав доступными такие технологии для каждого продукта, процесса и сотрудника в банке. И один из ключевых показателей для нас — эффективность нашей команды, каждого сотрудника, возврат инвестиций. Мы понимаем, какие расходы для банка мы несем, какие доходы генерируем. И наша ключевая задача — максимизация этого коэффициента так, чтобы возврат инвестиций от искусственного интеллекта был наибольшим. Сегодня проекты на основе ИИ несут в себе высокий коэффициент возврата инвестиций, особенно в крупных корпорациях, благодаря большому количеству данных и большим возможностям для оптимизации. Показатель возврата инвестиций (ROI — Return on Investment.— “Ъ”) таких самых успешных AI-проектов может достигать 1000–2000%

— Как сейчас обстоят дела с кадрами в области ИИ?

— Мировой рынок труда по-прежнему испытывает высокий спрос на высококвалифицированные кадры в области ИИ. Крупные компании и стартапы постоянно находятся в гонке за лучшими специалистами на рынке, так как специалистов высокого уровня действительно не так много сегодня. Это в первую очередь связано со сложностью направления, которое требует большой фундаментальной базы в математике и информатике, сильных знаний программирования, алгоритмов машинного обучения, умения работать с данными.

Сегодня специалист в области ИИ должен обладать сильными компетенциями и знаниями по большому количеству направлений. Получается, что задачи ИИ сложные и комплексные и требования к кандидатам высокие, а количество людей, способных справляться с подобными задачами, ограничено. Все компании видят дефицит кадров в этой отрасли. Мы постоянно находимся в поисках лучших специалистов на рынке, так как рост AI-команды становится ключевым драйвером развития искусственного интеллекта и проектов компании в этой сфере. Мы фокусно работаем над поиском и набором команды, стараемся успевать за ростом количества задач в компании.

Сегодня рынок труда в области ИИ — это рынок кандидатов. Один кандидат при выходе на рынок получает несколько предложений о работе. И финальный выбор остается за ним.

Наше преимущество в том, что Газпромбанк может предоставлять сотрудникам действительно интересные задачи, которые дают возможность развивать свои навыки и компетенции. Кроме того, так как большинство наших ИИ-проектов развиваются с нуля, то у наших сотрудников есть возможность получить уникальный опыт в создании и работе над действительно масштабными проектами и задачами. Важно также отметить поддержку руководства и понимание важности развития для банка этого сложного инновационного направления. Руководство банка понимает ценность таких проектов и сотрудников.

— Как вы подходите к работе со специалистами в области ИИ?

— Средний возраст нашей команды — 27 лет. И это говорит в том числе о том, что само направление искусственного интеллекта еще молодое и ИИ в целом — это направление для молодых.

В сфере искусственного интеллекта постоянно происходят изменения, появляются новые технологии, инструменты, поэтому специалисты должно постоянно обучаться и быть в курсе изменений и применять самые современные инструменты в своей работе. Закономерно, что такие молодые сотрудники занимаются искусственным интеллектом, потому что они открыты всему новому и могут быстро усваивать информацию.

В нашей команде работает самый молодой сотрудник в банке, которому еще нет 18 лет. Мы с удовольствием берем на работу молодых и перспективных специалистов, которые еще продолжают учебу. Мы видим в них потенциал и готовы помогать им в обучении, развитии, вкладываться в них, потому что мы верим в таких специалистов и активно развиваем направление работы с молодыми талантами.

— Как вы подходите к обучению сотрудников?

— Если мы берем молодого специалиста, мы понимаем, что в первое время мы будем вкладываться в него и его обучение. Когда мы берем такого сотрудника, то сначала формируем план обучения и постепенно готовим его к рабочим задачам. Во время этого периода сотрудник без высокого уровня стресса может обучиться на простых задачах. Когда мы увидим, что его уровень знаний достаточен для полноценной работы, то подключаем его уже к полноценной работе в команде. Такие молодые сотрудники высоко мотивированы и всегда отлично себя проявляют после пройденного обучения.

Основной вопрос, где находить такие таланты. В целом не так много мест, где концентрируются такие сильные ребята — это, конечно, лучшие университеты в нашей стране. В этих университетах учатся самые целеустремленные и мотивированные студенты. У всех у них хорошая фундаментальная база, которая позволяет им быстро погружаться в ИИ-направление. Мы считаем, что если человек смог уместить в голове сложную большую теорию из математики или физики, то и в бизнесе он сможет сделать интересные выводы. Более десяти лет, скорее как хобби, я преподаю курсы по машинному обучению и ИИ в различных университетах: ФКН НИУ ВШЭ, МГТУ им. Н. Э. Баумана и МФТИ. Лучших своих студентов из групп по результатам рейтинга или экзамена я приглашаю в нашу команду.

Также сильные более молодые ребята концентрируются в физико-математических школах, специализированных лицеях, олимпиадных кружках. В России это еще и образовательный центр «Сириус», где каждый год мы проводим образовательные смены. В них отбираются лучшие ребята, гении со всей страны по результатам многоуровневого отбора. На таких сменах ребята интенсивно работают над реальными задачами в довольно сжатые сроки. За три недели на смене они разрабатывают проект с руководителем от банка и защищают его перед жюри на финальной защите проектов. Лучших ребят по результатам таких практических смен мы приглашаем на работу в нашу команду. У нас уже есть несколько таких выпускников, которые работают в нашей команде и уже решают ответственные и сложные задачи в области ИИ.

— Как вы работаете с облачными мощностями?

— Банки работают с большим количеством конфиденциальной информации — как персональными данными клиентов, так и финансовыми данными. Поэтому сегодня финансовые организации ограничены в использовании сторонних облачных технологий или же предъявляют к ним высокие требования безопасности. В основном мы используем внутренние хранилища, и лишь для некоторых ограниченных задач применяем внешние облачные «песочницы». Это позволяет что-то быстро протестировать на внешнем контуре без внутренних ограничений. Если мы видим, что идея срабатывает, то можем перенести ее во внутренний контур. Вся обработка данных, все хранилища у нас внутренние.

— Как вы одновременно повышаете качество сервисов за счет применения ИИ и обеспечиваете сохранность данных клиентов?

— Из-за большого количества персональных данных мы очень осторожно с ними работаем. У нас есть собственные регламенты по обезличиванию данных и технические инструменты ограничения доступа к этим данным. Клиенты могут не переживать за сохранность и анонимность своих данных. Как и все банки, мы уделяем особое внимание безопасности данных и их анонимности. Для любого банка информационная безопасность является приоритетной задачей, для решения которой используются значительные ресурсы.

— С какими вызовами вы сталкиваетесь в части сбора данных для обучения ИИ?

— Когда мы подходим к обучению моделей, одним из основных вопросов становится наличие и возможность автоматизированного получения данных из различных источников. У нас есть несколько сотен подобных автоматизированных систем. Поэтому необходимо, чтобы у банка была сильная команда, которая будет интегрировать данные из всех таких систем и решать задачи, которые возникают в процессе. Это, например, очистка данных, проверка их достоверности, предобработка, трансформация.

— Насколько, на ваш взгляд, сейчас актуальна угроза ухудшения качества продуктов из-за обучения ИИ на сгенерированных им же материалах?

— Сегодня даже если в поисковике вбить запрос, то многие изображения уже будут сгенерированы искусственным интеллектом. Сегодня огромное количество контента генерируется системами ИИ, и встает вопрос, как выявлять, где искусственный интеллект, а где реальные данные. В будущем это будет одной из ключевых задач, которые нужно будет решить человечеству. Уже сейчас сложно определять, где же ИИ, а где — реальность. Это касается как изображений, так и новостей, и источников данных.

Может ли ухудшиться качество данных и результатов работы искусственного интеллекта в случае обучения на данных, сгенерированных ИИ? Я думаю, что здесь все зависит от намерений разработчиков таких систем. Если они будут использовать максимально достоверные данные, то мы не столкнемся с такими рисками. Если же разработчики будут использовать сгенерированные данные, не проверяя их достоверность, то в результате это приведет к ошибкам системы и неверным результатам.

— Представьте банковскую сферу через десять лет. Какая она? Какая роль в ней у ИИ?

— Банки будут компаниями, у которых большинство процессов будет автоматизировано за счет ИИ. Банки уже создают собственные продукты на основе искусственного интеллекта — голосовые ассистенты, автоматизация поддержки, чат-боты — и уже начинают генерировать прибыль на основе этих инструментов. И они представляют ценность не только для клиентов и сотрудников, но и для рынка услуг. Соответственно, компании, которые смогут быстро адаптироваться к внедрению ИИ, будут наиболее успешными.

Интервью взял Дмитрий Шеров