Как Искусственный Интеллект трансформирует банки Казахстана?

Использование ИИ в бизнесе сегодня не тренд – это конкурентное преимущество. Однако, по данным Национального банка Казахстана, лишь 4% банков страны полностью внедрили технологии ИИ в свои бизнес-процессы.

В апреле 2024 года Нацбанк совместно с Агентством по регулированию и развитию финансового рынка и МФЦА представили исследование о внедрении технологий искусственного интеллекта (ИИ) в финансовом секторе страны. Документ представлял собой анализ текущего уровня развития ИИ на основе результатов опроса, проведенного среди 94 участников финансового рынка, в том числе банков и микрофинансовых организаций.

Выяснилось, что внедрение ИИ в банковском секторе Казахстана находится на разных стадиях:

• 37% банков только начали осваивать технологии ИИ;
• 4% находятся на этапе пилотного проекта;
• 11% частично используют ИИ в своих бизнес-процессах;
• 4% банков полностью внедрили ИИ.

Ключевыми областями применения ИИ в финансовых институтах Казахстана стали:

• Поддержка клиентов — 16% респондентов отметили использование ИИ для автоматизации работы с клиентами (чат-боты, голосовые помощники и др.);
• Риск-менеджмент и комплаенс — 14% применяют ИИ для улучшения оценки рисков и соответствия требованиям регуляторов;
• Маркетинг и продажи — 11% используют ИИ для персонализации предложений и анализа клиентских предпочтений.

Одним из пионеров внедрения ИИ стал банк ЦентрКредит (BCC), который начал работать с ИИ еще летом 2020 года, запустив автоматическую систему принятия решений для 100% выдач всех кредитных продуктов розничного бизнеса с оценкой рисков и антифрода скоринговыми моделями с использованием нейронных сетей. О том, как Банк ЦентрКредит трансформирует свои бизнес-процессы с помощью ИИ, какие технологии уже внедрены и какие амбициозные цели стоят перед банком, рассказала Рубина Лозовая, вице-президент по управлению данными и розничному риск-менеджменту.

От анализа данных до персональных предложений

— ИИ – новый инструмент на банковском рынке, и для многих сферы его применения – загадка. Какие цели вы перед собой ставили, запуская проекты с ИИ?

— Основной приоритет — это оптимизация процессов и улучшение клиентского сервиса. Мы стремились углубить понимание потребностей клиентов, ускорить обработку данных и повысить точность персональных предложений. Внедрение ИИ помогает автоматизировать анализ данных и предоставлять клиентам индивидуальные рекомендации. Это повышает лояльность клиентов и увеличивает прибыль Банка.

Блокирование мошенников и ускорение темпа работы

— В каких подразделениях банка были внедрены ИИ-технологии и какие результаты вы уже получили?

— Мы применили ИИ сразу в нескольких направлениях. Вот ключевые результаты:

• Борьба с мошенничеством. Используя модели цифрового следа, мы снизили уровень кредитного мошенничества в шесть раз. Это позволило эффективнее выявлять сложные сценарии мошенничества с использованием методов социальной инженерии и фишинга. Например, когда клиент банка под психологическим давлением мошенника оформляет кредит и переводит ему деньги. В момент оформления займа клиент проходит биометрическую идентификацию через мобильное приложение либо в отделении банка. Здесь мы применяем технологию распознавания лиц и фото-скоринг: ИИ на основании анализа фотографии оценивает эмоциональную модель поведения клиента, наличие или отсутствие психологического давления.
• Продажи и кредитные риски. В 2021г. мы стали собирать Big data по использованию клиентами банковских сервисов платежей и переводов, построили ML модели глубокого обучения на алгоритмах нейронных сетей для оценки платежеспособности, смогли определять основные категории трат и предлагать персонализированные предложения под потребности клиентов, тем самым увеличили уровень одобрения и продажи на 30%, и одновременно снизили кредитные риски в семь раз.
• Система взыскания долгов. Внедрили голосовых роботов для обработки просроченных займов. Они покрывают до 65% коммуникаций с клиентом на этапах pre-collection и выхода клиента на просрочку. С ростом выдач мы минимизировали расходы на коммуникации на 40%, сохраняем хорошее качество кредитного портфеля без увеличения численности сотрудников.
• Анализ звонков. С внедрением сервисов речевой аналитики доля анализируемых звонков будет расти с 3% до 90%. Это помогает глубже понять проблемы клиентов и оперативно реагировать на их запросы.
• Виртуальный ассистент. Ускоряет обслуживание клиентов, позволяя решать вопросы в 1-2 шага вместо 4, как это делает чат-бот. Виртуальный помощник анализирует обращения клиентов, соблюдение регламента и качество ответов операторов, классифицирует жалобы и помогает улучшать процессы клиентского сервиса.

Виртуальный ассистент: от LLM до персонального финансового консультанта

— Вы упомянули Виртуального ассистента. Какие задачи он решает и какие преимущества дает банку и клиентам?— Наш Ассистент работает на базе больших языковых моделей (LLM), что открывает массу возможностей. Преимущества я бы описала так:

1. Снижение нагрузки на операторов до 30% в отдельных сегментах. Это экономия ресурсов и снижение издержек.

2. Скорость обслуживания. Клиенты быстрее получают ответы на вопросы — в 2 раза быстрее, чем через классические каналы обслуживания.

3. Глубокий анализ потребностей наших клиентов. На основе обращений мы видим, какие вопросы чаще всего задают клиенты. Это помогает выявлять "узкие места" в наших процессах и улучшать их.

4. Персональные предложения. Анализируя запросы клиентов, мы понимаем их потребности и интересы, что позволяет предложить более точные финансовые продукты.

— Очевидно, Виртуальный ассистент накопил уже опыт работы – как это повлияет на его развитие?

— Думаем расширять его функционал, у нас большие планы в этом отношении на 2025 год. Хотим, чтобы Виртуальный ассистент умел вести живой диалог и предлагал клиенту конкретные действия — от анализа расходов до составления финансовых планов. В конечном итоге наша цель — превратить его в полноценного Персонального финансового консультанта, который будет знать о клиентах все, что необходимо для эффективной финансовой поддержки.

Операционные расходы и ресурсы: как технологии ИИ влияют на затраты банка

— Как внедрение голосовых роботов и речевой аналитики отразилось на операционных расходах?

— Мы добились сокращения операционных расходов на 38% благодаря использованию голосовых роботов. При этом объем клиентских операций и запросов продолжает расти, но мы справляемся с ними без увеличения численности операторов. Впечатляющий эффект дала и речевая аналитика: она позволила обрабатывать до 90% звонков, что помогло значительно ускорить реакцию на запросы клиентов.

— Как вы справляетесь с высокими затратами на вычислительные мощности для ИИ?

— Для нас это актуальный вопрос. Чтобы снизить расходы мы используем open-source модели, которые адаптируем под свои задачи и требуют минимальных ресурсов вычислительных мощностей (разработка моделей поиска и ранжирования, LLM до 3х миллиардов параметров). Для обучения таких моделей были закуплены ПК с GPU, что позволило увеличить скорость обучения моделей в 26 раз.Однако для проекта Финансового консультанта необходимы большие вычислительные мощности, и Банк готов вкладывать такие ресурсы в развитие ИИ с применением LLM (70-80B) и мультимодальных моделей, т.к. в долгосрочной перспективе данные вложения увеличат прибыль Банка за счет сокращения операционных расходов и увеличения цифровых продаж.

Основные вызовы и уроки на пути к созданию инфраструктуры ИИ

— Какие вызовы и ограничения вы встретили на пути внедрения ИИ?

— Главный вызов — это ресурсы. Чем сложнее архитектура LLM, тем больше нужно вычислительной мощности. Например, для моделей с архитектурой до 8B мы можем использовать стандартные ПК с GPU, но для более сложных систем (например, 70B) требуются более мощные инфраструктурные решения. Высокая стоимость оборудования и его долгая поставка — тоже сложность, но мы видим в этом стратегическое преимущество, поэтому готовы инвестировать в эти ресурсы.

— Как изменились подходы к цифровизации за счет внедрения автоматизированных систем принятия решений?

— Мы внедрили автоматизированные системы принятия решений и ML-платформу, что позволило увеличить объем обрабатываемых данных в 4 раза и ускорить обучение моделей в 5 раз. Это направление стало первым, где цифровизация достигла высокого уровня зрелости.

Сможет ли ИИ заменить всех? Что ждать клиентам и сотрудникам

— Как вы видите будущее ИИ в банковской сфере? Какие технологии будут определять развитие?

— Основными трендами станут голосовые роботы, чат-боты и рекомендательные системы. Но для эффективного внедрения ИИ нужна полноценная инфраструктура. Сейчас мы развиваем так называемый Feature Store — платформу для обработки данных в реальном времени, которая объединяет все источники данных банка. Это позволит обрабатывать большие объемы информации и принимать более точные решения.

— Не приведет ли это к сокращению персонала?

— Нет, наоборот. Автоматизация снимает с сотрудников рутинные задачи и мотивирует их развивать компетенции. Сотрудники смогут больше сосредоточиться на стратегических задачах, улучшать клиентский сервис и предлагать инновации. Наша цель — не сокращать, а переподготовить персонал и дать ему новые возможности для развития.

- И последнее – как вы относитесь к новостям о том, что разные модели ИИ периодически ловят на обмане человека, конфликтах с операторами, подтасовке фактов? Знаменитые рецепты приготовления «свиных крылышек» от ИИ вроде бы уже ушли в прошлое, но технология не устает удивлять…

-  Чтобы модели ИИ работали на турбулентном рынке и меняющемся клиентском потоке, мы проводим регулярный мониторинг и обучаем на новых данных. Для валидации качества и стабильности работы моделей в Банк ЦентрКредит работает команда валидаторов. Технологическая платформа для валидации ML-моделей автоматизирована и исключает фактор человеческой ошибки. Когда метрики показывают снижение точности моделей, мы производим их валидацию и обновляем модели на новых данных. Стабильность работы моделей обеспечивает и этап тестирования на исторических и текущих выборках данных. Процесс валидации моделей регламентируется и проверяется регулятором.