Google Новости
Большинство российских банков применяет роботов, а также искусственный интеллект (ИИ) для оценки клиентов. В 2021 году ведущие кредитные организации России намерены провести настоящую цифровую революцию, а некоторые кредитные организации стремятся к внедрению искусственного интеллекта буквально на каждом этапе обслуживания клиентов.
На данный момент оформить кредит или совершить несложную операцию уже можно практически без участия человека.
Кредитная организация использует ИИ в том числе при формировании предложений и принятии решений по кредитам. Также технологии помогают взаимодействовать с клиентами и применяются в голосовых помощниках, работе кол-центра и чат-ботах.
Однако, списывать снижение выдачи кредитов на внедрение ИИ не совсем правильно. Об этом в эфире «Радио 1» сказал специалист по обработке больших данных (Big Data), генеральный директор компании Tazeros Global Systems, занимающейся сбором и анализом информации из открытых источников Артур Хачуян.
«Задач у банка две: выдать кредит наибольшему количеству людей с наименьшей вероятностью его не возврата и отсеять мошенников и прочих. Искусственным интеллектом юридически у нас называются алгоритмы, которые имитируют когнитивную деятельность человека, такую, которую не могут сделать простые линейный алгоритмы: нарисовать картину, создать музыку. То что касается банковского скоринга — это можно называть искусственным интеллектом, но с очень большой натяжкой. Это сложная, но при этом относительно простая, линейная, статистическая функция. Либо линейная математика. Поэтому в принципе исходные данные для подобной модели очень понятные и простые: это запрос в национальное бюро кредитных историй, это текущие долги, алименты, приходы и уходы человека, время года и всевозможные понятные статистические параметры, на которых принимается результат: выдавать кредит человеку или нет. Этот рынок прошёл достаточно большую историю, в 2015-2016 году российские банки искали сторонние источники данных, вплоть до социальных сетей — тогда был огромны бум на получение дополнительной информации из социальных сетей для построения скоринга. Сейчас все поняли, что всё-таки получаемые знания из национального бюро кредитных историй намного важнее публичных данных. Поэтому подобная модель разделилась. То есть традиционные методы используют, принимая решение выдавать кредит человеку или нет, а дополнительные метрики, такие как, потенциал привлечения аудитории социальных сетей, позволяют продать человеку дополнительные услуги. Примерно так это выглядит», — пояснил собеседник «Радио 1».
Он также рассказал, в каких областях подобные алгоритмы и технологии могут быть ещё использованы.
«Это сложные алгоритмы рекламной сегментации, которые по данным понимают как с нами правильно взаимодействовать, вплоть до того, какие нужны цвета, шрифты показывать. Это алгоритмы автоматизации ритейла, когда мы приходим в магазин и понимаем, какой нам товар должны предложить. Это всё, что связано с анализом людей вокруг наружной рекламы, когда мы проходим, нас снимает камера, а потом щит нам показывает определённую узко направленную рекламу. Это, конечно, вопросы государственной безопасности. Всё, что связано с идентификацией нежелательных элементов в городе. В общем, способов применения огромное количество», — добавил Артур Хачуян.
Он отметил, что главная метрика в любом машинном обучении в привязке к анализу человеческого поведения — это оценить, насколько данные в открытых источниках о нём правдивы. Так как у коммерческих компаний нет доступа к реальным финансовым данным, нет данных паспортов, чтобы понимать реальное место жительства, они вынуждены по косвенной информации получать реальные знания. Иногда на это уходит до нескольких лет.
Автор: admin