Кристиан Хедедаль
Глава отдела интеллектуальной обработки данных, SaxoBank
Если финансовый кризис дал банкам понять, в чем они ошибались (т.е. ставили прибыль выше клиентов), то искусственный интеллект дает им возможность исправить ошибки. Оказывать финансовые услуги, строго удовлетворяющие потребности разнообразной и требовательной клиентуры, никогда не было простым и дешевым делом. Но искусственный интеллект предлагает банкам и поставщикам финансовых услуг инструменты для предоставления клиентского сервиса высочайшего уровня, как по скорости, так и по масштабу.
Собственные исследования SaxoBank в области ИИ все еще находятся на относительно ранней стадии, но у нас уже есть явные доказательства того, как ИИ может предоставлять клиентам разнообразные, индивидуально настроенные и высококачественные услуги так, как это не удается человеку, даже при поддержке крупномасштабных мощностей. В большой степени это объясняется тем, что инструменты на основе ИИ могут предугадывать и удовлетворять быстро меняющиеся нужды и предпочтения клиентов, которые не могли предсказать их создатели. Их способность "учиться на ходу" также означает, что они не только быстрееи точнее, но также и работают круглосуточно, 7 дней в неделю, круглый год, без перерывов на обучение или простоев.
Распространенный пример — это чат-боты, используемые для автоматизации обработки простых запросов клиентов; по мере развития средств обработки естественных языков эти программы быстро эволюционируют в "голосовых помощников". SaxoBank провел пилотную инициативу по использованию программ на основе ИИ для рассылки материалов клиентам и выявления информации о потенциальных покупателях. В обоих случаях первоначальный опыт внедрения принес обнадеживающие результаты, количество переходов по ссылкам при предоставлении индивидуально подготовленных материалов и рекомендаций значительно возросло, а сотрудники отделов продаж теперь уделяют больше времени последующим задачам, а не административным процессам.
Проблема качества
Но тем, кто хочет расширить применение программ на основе ИИ на другие области, следует с осторожностью относиться к этой их способности предвидеть и адаптироваться. Поскольку приложения ИИ развиваются и изменяются по мере потребления данных, компании должны отслеживать это потребление и его последствия. Данные, которые получают в обработку инструменты на основе ИИ, должны быть актуальными и чистыми, что может вызвать серьезные затруднения как при внутреннем сборе данных из множества устаревших систем, так и при получении их от новых сторонних поставщиков.
В то время как инновации предоставляют в наше распоряжение множество огромных новых источников, эта проблема качества данных является всеобъемлющей и сложной, отчасти из-за большого количества этих источников, а также из-за их неструктурированного характера.
Проблема ИИ заключается не только в качестве данных, но и в установке соответствующих ограничений. Например, торговые алгоритмы обычно работают некорректно, если для них заданы недостаточно жесткие параметры. Поэтому SaxoBank допускает получение данных в свой контент на основе ИИ только из тщательно отобранных, надежных информационных источников.
Путь в неизвестность?
Кроме того, постоянное обучение и адаптация, которые делают ИИ- программы столь ценными, затрудняют объяснение их решений или рекомендаций, что может ограничить их использование. Регуляторы все с большим предубеждением относятся к применению ИИ, осознавая, что его использование противоречит предъявляемому к банкам требованию контролировать и понимать инструменты и процессы, особенно в области противодействия финансовым преступлениям икибербезопасности.
Если для поставщика услуг в туризме или в секторе развлечений еще допустимо не иметь полного понимания, как используемый им алгоритм рекомендаций выдвигает актуальные предложения на основе истории просмотров страниц в интернете, менее приемлемой будет ситуация, когда банк не в состоянии объяснить, почему его система наблюдения, оснащенная искусственным интеллектом реагирует на одни аномалии потока данных, а не на другие, даже если частота их появления высока.
Как таковые, регуляторы сотрудничают с фирмами в области определения масштаба принятия решений на базе ИИ с тем, чтобы все стороны лучше понимали и принимали потенциальные риски и выгоды. Это важный шаг к более полному использованию преимуществ ИИ в финансовом секторе в достаточно четких, но гибких законодательных рамках.
Со временем ИИ сможет предоставить банкам, их клиентам и регулирующим органам преимущества более четкого ведения журнала событий, включая данные о сообщениях, передаваемых контрагентами друг другу, с указанием точного времени их передачи, а также более последовательные уровни обслуживания, которые меньше зависят от понимания и толкования смысла человеком. Уже сейчас регулирующие органы изучают возможности сокращения затрат на комплаенс с помощью правил, доступных для машинного распознавания, что может привести к сокращению юридических расходов банков.
Адаптация бизнес-моделей
Но самым большим препятствием для использования ИИ является отношение к нему не регуляторов, а высших руководителей. Компаниям следует принять технологии ИИ на всех уровнях, обеспечив, чтобы ИИ стал неотъемлемой составной частью их бизнес-модели, а не был спрятан где-то в глубинах технологической цепочки. Чтобы этого достичь, уместно будет задать, помимо прочих, следующие вопросы: какие бизнес-кейсы мы определили для внедрения ИИ и какие из них мы должны сделать приоритетными; насколько наша стратегия управления данными поддерживает использование ИИ; какие ресурсы, связанные с ИИ, следует привлекать от партнеров, а какие разрабатывать своими силами; как мы собираемся выиграть конкурентную борьбу за достойные кадры, необходимые для реализации широкого спектра инициатив ИИ?
Очень важно, чтобы ответы на эти вопросы были разработаны с учетом приоритета клиента. В течение ближайших двух-трех лет решения на базе ИИ все чаще будут обеспечивать более быструю, масштабируемую и точную настройку. Наконец, банковские услуги эволюционируют, чтобы удовлетворять нуждам отдельных клиентов, а клиентам больше не придется ломать голову над тем, какой из предлагаемых продуктов подходит для решения их конкретных задач. Большую часть десятилетия банки трудились над тем, чтобы вернуть доверие клиентов; ИИ может сыграть значительную роль в восстановлении этих отношений.