Роботы-коллекторы: как банки используют нейросети для выбивания долгов

Сегодня искусственный интеллект проникает почти во все сферы экономики, финансы и банковское дело не стали исключением. Банки играют важную роль в развитии финансовой жизни современного общества и мировой экономики, осуществляют операции с наличными средствами, кредитами, вкладами. Именно для оптимизации данных процессов в банковскую сферу активно внедряется искусственный интеллект. Сегодня вместе с экспертами мы постараемся разобраться, как именно банковские структуры используют нейросети и есть ли риски для нас.

Фото: "Moscow, Neglinnaya 12, Central Bank" by NVO, CC BY 2.5

Исторически банковская сфера всегда стремилась внедрять инновации одной из первых. Уже в 50-х годах ХХ века использовались математические модели для оценки будущего кредитора, в 80-х годах началось активное внедрение компьютеров в финансовый сегмент. Машины могли рассчитывать динамику индексов, определять инвестиционную стратегию. В ХХI веке банковский сегмент взял на вооружение технологии искусственного интеллекта. Недавно эксперты из Великобритании опубликовали масштабное исследование о роли искусственного интеллекта в банковской сфере. По их подсчетам, затраты банковских структур на разработку и внедрение данных технологий к 2030 году достигнут 300 млрд долларов.

"Традиционно методы искусственного интеллекта применяются в банках для анализа рисков. Все началось с решения задачи кредитного скоринга, постепенно перешло и на другие банковские продукты. С развитием технологий LLM искусственный интеллект стали применять для голосовых ассистентов в мобильных приложениях, на первой линии телефонных операторов и в задачах автоматического написания текстов документов, в том числе и юридического характера. Методы компьютерного зрения применяют для распознавания документов в целях электронного документооборота, ускорения заполнения клиентских данных по результатам сканирования паспорта и других документов. Применяют методы искусственного интеллекта и в маркетинговых целях: для сегментации клиентов и выработки персональных предложений”, — отмечает кандидат технических наук, преподаватель программы "Проектирование и разработка систем искусственного интеллекта", доцент ФГАОУ ВО "Национальный исследовательский университет ИТМО" Александр Кугаевских.

Основатель и СЕО компании Mirey Robotics. организатор крупнейших технологических мероприятий в России и СНГ Андрей Наташкин считает, что если сравнивать внедрение технологий искусственного интеллекта в финансовый сектор с другими сферами, то стоит говорить об этапе пилотирования и апробации.

"На примере российских банков мы видим, что в каких-то направлениях нейросети работают достаточно эффективно, где-то наблюдаются очевидные проблемы. Но показательно другое — почти все крупные банки создали в своей структуре отдельные департаменты, отвечающие за разработку и внедрение ИИ-технологий”, — отмечает он.

Основные направления использования ИИ в банковской сфере

Коммуникации с клиентами

Искусственный интеллект в общении с клиентами работает в разных плоскостях. Например, нейросеть просчитает и принимает решение, какой банковский продукт будет для вас сейчас наиболее привлекательным — вклад, кредит или карта с особыми условиями. Но центральное место, безусловно, занимает внедрение искусственного интеллекта в чат-ботах и call-центрах. Нейросеть на основе заданных алгоритмов решает, что именно вам ответить, как выстроить диалог. Один из самых интересных кейсов — это голосовый помощник от банка "Тинькофф", которого зовут так же, как и основателя бренда — Олег. Благодаря использованию Олега банк экономит порядка 360 млн рублей ежегодно, а чат-бот обрабатывает около половины всех входящих запросов.

"Мы должны понимать, что банковская отрасль — это бизнес, основной целью которого является увеличение прибыли и уменьшение расходов. Содержание огромных call-центров всегда было достаточно обременительным для крупных компаний. Именно там, где труд является достаточно дорогим и нерациональным, внедряются технологии, способные заменить общение с живым оператором. Ведь баланс карты вам без проблем может подсказать и робот. Насколько клиенты довольны общением с автоматизированной системой — сложно сказать. Но для бизнеса это огромная статья экономии”, — отмечает Андрей Наташкин.

Кредитование

Совершенствование работы банка по кредитованию клиентов всегда было приоритетной задачей по нескольким причинам. С одной стороны, в этом направлении всегда работал большой массив сотрудников, рассматривающий в ручном порядке заявки. И здесь важно два момента — увеличивающиеся расходы банка, связанные с фондом оплаты труда этих сотрудников. Второе — вероятность возникновения ошибки ввиду человеческого фактора. С другой стороны, страдал всегда клиент, так как ручное рассмотрение затягивало решение о возможности кредитования. За счет внедрения технологии искусственного интеллекта банки смогли решить почти все проблемы. Заявки рассматриваются очень быстро, искусственный интеллект всегда принимает верное решение. В этом признаются и сами российские банки, отмечая что сейчас наблюдается снижение процента невозвращенных кредитов.

Александр Кугаевских рассказывает, что сфера кредитования была исторически первой, где пробовали внедрить методы искусственного интеллекта. Цель — снижение рисков невозврата. Сейчас задачу кредитного скоринга банки решают с помощью хорошо проработанных моделей. Но возникает нюанс интерпретации результатов, такая система должна показывать, почему тому или иному клиенту был поставлен тот или иной кредитный рейтинг. На самом деле сейчас более интересные и передовые разработки сосредоточены не в сфере анализа кредитного риска, а в сфере анализа риска инвестиционного.

Безопасность

По оценке Банка России, в первом квартале 2023 года установлен рекорд по хищению средств у клиентов. Мошенники смогли похитить со счетов россиян более 4,5 млрд руб. Поэтому идентификация мошеннических действий является одной из перспективных задач для нейросетей в разрезе данной отрасли. Уже сегодня искусственный интеллект осуществляет финансовый мониторинг, сканирует в режиме нон-стоп огромный массив данных, выявляя при этом нехарактерное поведение физических и юридических лиц. Кроме того, нейросети идентифицируют факты кибератак.

Работа с должниками

Практика применения искусственного интеллекта в работе с должниками началась в России достаточно давно. О первых кейсах в 2017 году заявлял Сбербанк, в 2018 году о внедрении данной технологии заявил другой крупный игрок рынка — банк ВТБ. сейчас примерно половина всех коммуникаций с должниками осуществляется именно нейросетью. Однако именно в этом направлении наблюдаются некоторые проблемы, связанные с текущим российским законодательством. Использование роботов-коллекторов относится к так называемой серой зоне. Они официально не разрешены, но при этом и не запрещены. Безусловно, это вызывает негативную общественную реакцию. Кроме того, в прошлом году было несколько крупных судебных разбирательств, связанных с законностью использования роботов-коллекторов при общении с должниками. Практика показывает, что обращения в суд инициируются, когда эта технология используется слишком агрессивно. Например, робот звонит каждый час должнику. И какие-то банки спокойно ее используют, не боясь последствий. Другие же опасаются репутационных рисков, связанных с лояльностью клиентов.

Андрей Наташкин отмечает, что использование искусственного интеллекта в банковском сегменте не ограничивается перечисленными направлениями. Огромный пласт работы сейчас выполняют нейросети:

• распознавание документов,
• выстраивание оптимальных маршрутов для инкассации,
• разработка графика работы офисов с учетом наплыва клиентов,
• выбор удачных локаций для запуска новых офисов и т.д.

Риски в использовании нейросетей в банковской отрасли

Критики искусственного интеллекта часто указывают на уязвимости в использовании данных технологий. Если сгруппировать риски, то можно выделить три направления: безопасность, последствия в виде безработицы, этичность.

Нейросеть устроена таким образом, что для уменьшения погрешности она должна иметь большой массив данных на начальном этапе и постоянно обучаться в процессе реализации заданного алгоритма. И речь здесь о персональных данных сотен тысяч клиентов банковских структур, а также об информации юридических лиц, содержащих коммерческую тайну. В 2023 году вышло масштабное исследование компании InfoWatch, специализирующейся на информационной безопасности в корпоративном секторе. Эксперты рассказали, что за 2022 год в России утекло более 667 млн записей с персональными данными. Если сравнивать этот показатель с 2021 годом, то фактически мы видим рост почти в 2,5 раза. Положительная тенденция — утечки персональных данных из банковских структур случаются всё реже. 

Алгоритм для нейросети всегда задает человек, но насколько глубоко с точки зрения этики проработан аспект пола, национальной или религиозной принадлежности. Например, принимая решение о выдаче кредита, преимущества могут получить мужчины, так как статистически они зарабатывают больше прекрасной половины человечества даже при прочих равных условиях. Над решением этических проблем каждый банк в России работает самостоятельно. Например, Сбербанк разработал собственный этический кодекс, а ВТБ разработал модели, оценивающие решения нейросети с точки зрения этики.

Сокращение сотрудников call-центров, почти полная ликвидация экспертов, принимающих решение по кредитованию, роботы-коллекторы — и это далеко не полный список тех кого сегодня заменяет нейросеть. И сокращение сотрудников является объективным процессом. Центральный банк РФ начал этот процесс в 2015 году, сократив 30% линейных сотрудников. В 2023 году была озвучена информация о двух волнах сокращения. В весенний период сократили порядка 1000 сотрудников. Осенняя волна нас ждет чуть позже. В 2018 году Сбербанк сообщил о планах сокращения 70% менеджеров среднего звена. Однако реальная ситуация по итогам 2018 года оказалась совсем иная — по данным официальной статистики, под сокращение попали лишь 5% сотрудников. К 2025 году банк планирует отказаться от услуг половины своих сотрудников.