ИИ в финансовых услугах: формируя будущее финансов

Финансовые услуги используют искусственный интеллект, чтобы выявлять и предотвращать финансовые преступления, улучшать качество обслуживания клиентов с помощью виртуальных помощников и персонализации, совершенствовать управление рисками, стимулировать алгоритмическую торговлю и оптимизацию торговли, укреплять кибербезопасность и повышать производительность сотрудников. Основные плюсы ИИ в финансах — это новая операционная эффективность, улучшение качества обслуживания клиентов, более эффективное снижение рисков, дополнительные источники дохода и бизнес-возможности, более быстрое принятие решений и новые конкурентные преимущества. Чтобы использовать ИИ в финансах, нужно решить проблемы с соблюдением правил, возможными ошибками и предвзятостью, данными, нехваткой специалистов по ИИ и старыми проблемами.

Но сохранить лидерство в революции искусственного интеллекта в банковском деле и финансовых услугах — это непростая задача. Чтобы использовать ИИ в финансах, нужно тщательно оценить риски и выбрать подходящий бизнес-кейс для начала.

Машинное обучение (ML) и аналитический искусственный интеллект (AI) — это не новость в финансах. Их уже используют для классификации данных, автоматизации процессов, обнаружения закономерностей и прогнозирования событий. Банковские, финансовые услуги и страхование составляют 18 % мирового рынка машинного обучения, занимая второе место по уровню использования технологий после ИТ и телекоммуникаций (19 %).

Формы искусственного интеллекта, которые используют финансовые организации

• Аналитика данных (69 %)
• Обработка данных (57 %)
• Обработка естественного языка (47%)
• Большие языковые модели (46 %)
• Генеративный ИИ (43 %)

Самая распространенная стратегия внедрения ИИ и МО среди финансовых организаций — это разработка приложений с использованием облачных сервисов ИИ и МО. По данным S&P Global, 44 % опрошенных компаний назвали этот подход своей основной стратегией. Как сейчас используют ИИ в финансовой индустрии:

• Операции (48 %)
• Риски и соблюдение правил (45%)
• Маркетинг (34%)
• Продажи (27 %)

Gen AI остается на передовой

Генеративный ИИ — это ключевая технология, которая определяет будущее ИИ в финансах. Сейчас генеративный ИИ и большие языковые модели используются почти в 43 % и 46 % финансовых организаций соответственно. Генеративный ИИ в банковском деле:

• Кодируйте вместе, чтобы быстрее перейти на цифровые технологии
• Решения «Chat-your-data» для демократизации корпоративных данных
• Создавайте синтетические данные для обучения моделей ИИ/машинного обучения
• Создание отчетов о рисках и соответствии
• Личные виртуальные помощники клиентов
• Сделайте суперперсонализированные рекламные и маркетинговые кампании
• Автоматическое создание отчетов по страховым заявкам
• Виртуальные отчеты о повреждениях в страховых заявлениях

Аналитики McKinsey считают, что генеративный ИИ приведет к росту на 2,8–4,7 % в банковском секторе и на 1,8–2,8 % в страховом. Наибольшее влияние, скорее всего, будет на маркетинг, продажи, работу с клиентами и разработку программного обеспечения.

Предотвращение финансовых преступлений

Только в 2023 году мошенничество принесло убытки на 485,6 миллиарда долларов. В 2011 году в мировой финансовой системе было более 3,1 триллиона долларов незаконных денег. 90 % финансовых организаций считают предотвращение финансовых преступлений очень важным, поэтому использование аналитики данных для выявления и предотвращения становится критически важным. Две трети организаций планируют использовать этот подход, а половина из них инвестирует в искусственный интеллект, чтобы расширить возможности по выявлению мошенничества. Предотвращение мошенничества с помощью ИИ включает:

• Анализ больших данных для отслеживания расходов и эффективности счетов
• Прогнозная аналитика для оценки риска финансовых преступлений
• Помечайте транзакции/счета для дальнейшего просмотра
• Автоматическая борьба с отмыванием денег (AML) и проверка клиентов (KYC)

Пример: Barclays запустил приложение с искусственным интеллектом, которое отслеживает онлайн-транзакции продавцов, используя прогнозную аналитику, чтобы определять вероятность мошенничества. PayPal использовал искусственный интеллект, чтобы уменьшить количество пропущенных случаев мошенничества в 30 раз и при этом сократить расходы на оборудование в три раза.

Виртуальные помощники

Чат-боты на базе искусственного интеллекта, усовершенствованные с помощью Gen AI, круглосуточно предоставляют услуги личного финансового консультирования. В отличие от предыдущих версий, основанных на правилах, Gen AI позволяет создавать более сложные чат-боты, которые адаптируют ответы к прямым и косвенным запросам клиентов с помощью взаимодействия, похожего на человеческое. Возможности чат-бота с ИИ:

• Рекомендации по выбору инвестиций
• Управление банковскими счетами
• Консультации по управлению личными финансами
• Самообслуживание в поддержке клиентов
• Автоматическое взыскание долгов

Гиперперсонализация в большом масштабе

Почти 73 % клиентов финансовых услуг хотят, чтобы поставщики понимали их личные потребности и ожидания. Кроме того, 62 % готовы сменить поставщика, если почувствуют, что к ним относятся безлично. Персонализация на основе искусственного интеллекта позволяет:

• Микросегментация клиентов по их потребностям и предпочтениям
• Персонализированный маркетинг и рекомендации по продуктам
• Предотвращение ухода клиентов с помощью прогнозной аналитики
• Личные советы по инвестициям и управлению финансами

Управление рисками

Традиционные решения о кредитах и страховке основываются на ограниченных данных, таких как профессия и кредитная история. Устройства с искусственным интеллектом могут собирать и анализировать огромные объемы данных для более точной оценки кредитоспособности и рисков, включая нетрадиционные источники, такие как активность в социальных сетях. Приложения для управления рисками ИИ:

• Управление рисками в компании с помощью новых способов выявления рисков
• Советы по снижению рисков
• Инструменты для оценки рисков клиентов при принятии решений об инвестициях и кредитовании

Пример: Banco Santander предоставляет корпоративным клиентам инструмент Kairos для более эффективного принятия решений.

Оптимизация торговли и алгоритмическая торговля

Алгоритмы уже много лет доминируют в торговле. В 2019 году J.P. Morgan использовал глубокие нейронные сети, чтобы программы автоматической торговли могли находить самые выгодные пути для выполнения сделок. Возможности AI-трейдинга:

• Обработка сотен точек рыночных данных
• Определение исторических и текущих тенденций
• Анализ неструктурированных данных (новостные репортажи) с помощью обработки естественного языка
• Оценка стоимости активов с помощью старой и новой информации
• Оптимальное распределение ресурсов для максимальной прибыли
• Оценка риска ликвидности
• Выявление манипуляций на рынке
• Автоматизация высокочастотной торговли

Кибербезопасность

Утечки данных обходятся в среднем в 4,88 миллиона долларов, что на 10 % больше, чем в 2023 году. Финансовые организации стараются опережать злоумышленников, улучшая при этом безопасность сторонних систем, метрики и отчетность, а также управление доступом. Приложения искусственного интеллекта для кибербезопасности:

• Управление идентификацией и доступом с обнаружением подозрительного поведения
• Безопасность конечных точек и выявление вредоносных программ
• Информация об уязвимостях облачной безопасности
• Обнаружение угроз и автоматический ответ
• Информационная безопасность и защита от кражи данных
• Расследование инцидентов и оптимизация реагирования

Современные инструменты кибербезопасности Gen AI также:

• Обрабатывайте информацию, чтобы сделать предложения по расследованию
• Составьте документацию об инциденте
• Проанализируйте уязвимости в коде
• Давайте советы по кибербезопасности на понятном языке

Инструменты для повышения продуктивности сотрудников

ИИ помогает сотрудникам быть более продуктивными в разных сферах, от рисков и соблюдения норм до обслуживания клиентов, маркетинга и продаж. Приложения для повышения продуктивности Gen AI:

• Резюмирование документов (правила, отчеты, исследования)
• Рекомендации по ответу в службе поддержки клиентов в реальном времени
• Помощь в создании и проверке фрагментов кода
• Обработка и классификация неструктурированных данных

Дополнительные преимущества эффективности ИИ:

• Обработка визуальных данных для оценки ущерба и проверки личности
• Умная обработка документов для структурированных/неструктурированных данных
• Распознавание речи для сортировки запросов в службе поддержки
• Прогнозная аналитика для рекомендаций по следующим лучшим действиям

Повышение эффективности работы

Модели искусственного интеллекта автоматизируют процессы, которые раньше делались вручную, включая проверку данных для открытия счетов и создание отчетов о рисках/соответствии, что дает новую операционную эффективность.

Лучший клиентский опыт

Персонализация на базе искусственного интеллекта, виртуальные помощники и умная автоматизация создают удобный опыт и ускоряют работу бэк-офиса. Это повышает ценность клиента на протяжении всего срока сотрудничества, одновременно снижая отток клиентов и затраты на привлечение новых.

Сниженные риски

ИИ защищает компании от проблем с репутацией и финансовых потерь благодаря точному выявлению мошенничества и надежным системам AML/KYC. Но само внедрение ИИ требует снижения рисков.

Новые источники дохода

ИИ приводит к появлению новых моделей работы, продуктов и услуг. Один из примеров — автострахование, где страховые взносы определяются ИИ на основе поведения водителя.

Быстрее принимайте решения

Решения для обмена данными в чате и мощные аналитические инструменты позволяют быстрее принимать решения по всем бизнес-функциям. Прогнозное моделирование особенно помогает в стратегии снижения рисков и принятии решений по страхованию.

Конкурентное преимущество

ИИ дает лучший клиентский опыт, меньше затрат на работу благодаря эффективности и инновационным продуктам и услугам на базе ИИ, создавая конкурентные преимущества для тех, кто их использует первыми.

Поиск страховых документов с помощью расширенного генератора (RAG)

Страховая компания упростила извлечение данных из тысяч документов, начиная с 2005 года. Решение RAG объединило поиск информации с генеративным ИИ, что позволило бизнес-аналитикам получать доступ к данным через интерфейсы вопросов и ответов на естественном языке. Результаты: сотрудники находят нужные разделы документации за 38,3 мс, просматривая более миллиона векторов, и легко отвечают на сложные запросы, например, сравнение цен по профилям страхователей.

Обнаружение и предотвращение мошенничества при торговых операциях

MasterCard объединилась с Amazon Web Services (AWS), чтобы улучшить возможности искусственного интеллекта и машинного обучения для предотвращения мошенничества с транзакциями, выйдя за рамки систем, основанных на правилах, чтобы бороться с изощренными методами мошенничества. Результаты: в три раза больше выявленных мошенничеств и в десять раз меньше ложных срабатываний, что улучшило впечатления продавцов от услуг MasterCard.

Улучшение клиентского опыта и прогнозируемые предложения

Scotia Bank использовал Google Cloud, чтобы улучшить обслуживание клиентов с помощью банковских услуг на базе искусственного интеллекта, перенеся данные клиентов в облачную инфраструктуру с помощью трех основных инициатив:

• Рекомендации по отдельным продуктам с помощью моделей машинного обучения
• Автоматизация обслуживания клиентов с помощью обработки естественного языка, распознавания голоса и компьютерного зрения
• Объединение данных для лучшего понимания и финансовых рекомендаций

Оптимизация портфолио

HSBC поработала с EquBot, чтобы улучшить результаты портфеля с помощью больших данных. Индекс акций США на базе искусственного интеллекта (AiPEX) использует EquBot AI, чтобы выбирать акции с высоким потенциалом роста из индекса Russell 1000. Результаты: AiPEX превзошел индекс S&P 500 на 123% за последнее десятилетие благодаря отличному выявлению быстрорастущих акций с помощью естественного языка и неструктурированных данных.

Производительность разработчиков

Westfield Insurance взяла на вооружение генеративный ИИ от IBM, чтобы повысить продуктивность разработчиков и гибкость бизнеса, помогая в разработке приложений и привлечении разработчиков в COBOL, Assembler и JCL. Результаты: на 80% меньше времени на изучение приложения и на 30% меньше времени на описание кода и документацию, при этом ускорилась модернизация приложения и снизились затраты на управление изменениями.

Риски, связанные с соблюдением нормативных требований

Регуляторы по всему миру уделяют внимание использованию ИИ в финансах. Закон ЕС об искусственном интеллекте — это новое начало в законодательстве об ИИ, а регуляторы штатов США предотвращают ущерб потребителям, вызванный ИИ. Стратегии смягчения последствий:

• Проверяйте все нормативные аспекты, которые влияют на разработку и внедрение моделей ИИ
• Следи за надежным управлением искусственным интеллектом
• Придерживайтесь принципов ответственного и понятного искусственного интеллекта
• Создайте советы по этике ИИ, которые будут регулярно проводить проверки

Возможные ошибки и предвзятость

Хотя в дискуссиях о генеративном ИИ все время говорят о галлюцинациях, другие модели ИИ/машинного обучения тоже сталкиваются с проблемами ошибок и предвзятости. Поскольку ИИ в банковском деле работает с важными данными, которые влияют на жизнь клиентов, очень важно предотвращать такие проблемы. Стратегии смягчения последствий:

• Создавайте разнообразные и репрезентативные обучающие наборы данных
• Регулярно проверяйте модели на наличие предвзятости и ошибок, исправляйте обнаруженные проблемы
• Используйте методы обучения, которые помогают избежать предвзятости (перевес, состязательное обучение)
• Расскажите конечным пользователям о том, что у инструментов искусственного интеллекта есть свои ограничения
• Следи за тем, чтобы человек всегда был в курсе

Проблемы с данными

Успех моделей искусственного интеллекта и машинного обучения зависит от качества обучающих данных. Но разрозненность данных, проблемы конфиденциальности и недостаточный объем данных создают серьезные препятствия. Проблемы с данными являются самой большой проблемой для 38 % финансовых учреждений. Стратегии смягчения последствий:

• Защищайте конфиденциальную информацию с помощью надежных мер кибербезопасности
• Подумайте о том, чтобы использовать синтетические данные, созданные с помощью Gen AI, для обучения модели
• Объединяйте разрозненные данные перед тем, как использовать ИИ
• Заранее позаботьтесь о вопросах конфиденциальности

Нехватка таланта

В 2022 году набор и удержание специалистов по искусственному интеллекту были главными проблемами в сфере финансовых услуг, а в 2023 году они опустились на второе место, хотя 32 % компаний все еще с этим борются. Стратегии смягчения последствий:

• Придумайте классные предложения для работодателей
• Оценивайте потенциал кандидатов и их навыки
• Правильно соотносите бизнес-требования с требованиями к навыкам
• Ищите таланты в других странах и за границей
• Подумайте о том, чтобы нанять специалистов по искусственному интеллекту через сервисы по найму

Наследие прошлого

Традиционные банки и страховые компании используют старые ИТ-системы, которым уже больше 10 лет. Внедрить инструменты искусственного интеллекта сложно или даже невозможно, если сначала не решить технические проблемы и не обновить старую инфраструктуру. Стратегии смягчения последствий:

• Проведите полный анализ цифровой зрелости
• Систематически упрощайте ИТ-инфраструктуру
• Точно оценивайте объем, сроки и бюджет работ по модернизации устаревшего ПО
• Разрушайте организационные барьеры, а также барьеры между программным обеспечением и данными

Ключевые тенденции, которые определяют будущее ИИ в банковских и финансовых услугах, включают стремление к понятному и ответственному ИИ, возможности физической и поведенческой биометрии, а также развитие квантовых вычислений.

Понятное и ответственное искусственное интеллект

Доверие потребителей — это важный фактор для успешного внедрения ИИ. Но только 21 % клиентов финансовых услуг доверяют чат-ботам с искусственным интеллектом. С ростом внимания к этическим вопросам растет давление в пользу объяснимого и ответственного ИИ. Согласно исследованию NVIDIA, 84 % финансовых учреждений внедрили меры, обеспечивающие надежность моделей ИИ. Но объяснимый ИИ — это пока еще не совсем отработанная технология, и нужно найти решения, чтобы не терять в скорости и точности вычислений ради лучшей интерпретируемости.

Биометрия

Кража синтетической личности становится быстро растущим видом финансовых преступлений в США, а генеративный ИИ становится эффективным орудием преступников. Прогнозируемые убытки в размере почти 23 миллиардов долларов к 2030 году можно преодолеть с помощью физической и поведенческой биометрии. Эти системы используют искусственный интеллект, чтобы постоянно следить за тем, как ведут себя клиенты, и тщательно проверять их на соответствие требованиям KYC и AML. Поведенческая биометрия создает уникальные профили клиентов на основе скорости ввода паролей и того, как они используют мобильные приложения. Распознавание лиц — это простой и безопасный способ аутентификации и авторизации. Такие компании, как MasterCard и BNP Paribas, уже используют биометрию для повышения безопасности держателей карт.

Искусственный интеллект и квантовая синтеза (AQ)

Квантовые технологии — это будущее технологического развития с огромными инвестициями в эту отрасль. Хотя квантовые компьютеры не появятся в ближайшие десять лет, квантовые вычисления могут потенциально сломать асимметричные процедуры шифрования. Финансовые компании, такие как HSBC, уже улучшают управление криптографией, чтобы быть готовыми к эре квантовой криптографии. В сочетании с искусственным интеллектом квантовые алгоритмы могут способствовать развитию более продвинутых рыночных условий и анализу рисков портфеля, выходящего за рамки симуляций Монте-Карло. Улучшенное качество обучения AQ может значительно повысить возможности по обнаружению мошенничества.