В современном финансовом мире, где царят турбулентность и непредсказуемость, старые проверенные десятилетиями методы работы с проблемными активами зачастую оказываются недостаточно эффективны. Поэтому всё больше задач компании стараются решать с помощью технологий, основанных на искусственном интеллекте (ИИ).
Недостатки традиционных методов
Традиционные методы анализа и принятия решений в финансовой сфере – будь то микрофинансовая организация, частная компания или государственный фонд – сегодня выглядят устаревшими. Один из существенных недостатков – зависимость от человеческого фактора. Учредитель ООО «Промконсалтинвест» Сергей Поволокин так рассказывает об этом:
«Люди допускают ошибки и склонны к когнитивным искажениям. Мнения экспертов неизбежно субъективны и бывают предвзятыми. Возможности любого человека ограничены – не всегда возможно успевать следить за всеми многочисленными и очень стремительно происходящими изменениями».
В условиях новой реальности необходимы более продуктивные и точные инструменты. Современные методы на базе искусственного интеллекта способны анализировать огромные объёмы данных, учитывать сотни факторов одновременно и формировать рекомендации, которые помогают минимизировать убытки и оптимизировать многие процессы. Эти преимущества делают внедрение ИИ одним из ключевых направлений развития финансового сектора в ближайшие годы.
Для чего используется ИИ в финансовых организациях
На финансовом рынке ИИ уже широко используется для таких задач, как оценка кредитных рисков, андеррайтинг, консультирование и управление рисками.
ИИ-технологии стали настоящим прорывом в оценке кредитных рисков. Важнейшими факторами, определяющими степень риска, являются финансовые показатели клиента, его кредитоспособность и кредитная история – наличие текущих задолженностей, регулярность погашения прошлых займов, его репутация, а также качества предоставляемого залога. Эти и многие другие параметры легко исследовать с помощью ИИ, способного анализировать как структурированные, так и неструктурированные данные.
«В настоящее время большинство российских банков уже начали применять технологии искусственного интеллекта для принятия решений по займам. Появился целый спектр мощных инструментов для глубокого анализа клиентских данных и автоматического построения эффективных прогнозов. В основе большинства из них лежит машинное обучение – целая совокупность методов создания компьютерных систем, способных совершенствоваться самостоятельно без заданных заранее алгоритмов», – говорит эксперт Сергей Поволокин.
Искусственный интеллект используется не только для первичной оценки заёмщика, но на всех этапах взаимодействия с ним. Нейросети, за считанные секунды прогнозирующие доходность инструментов, применяются для управления инвестиционным портфелем. Постоянный мониторинг активности клиента позволяет своевременно заметить нетипичные паттерны поведения, выявить негативные тенденции. Благодаря анализу множества показателей ИИ способен заниматься ранней диагностикой: выявлять первые признаки ухудшения финансового состояния задолго до появления реальных нарушений графика выплат. Нейронные сети – вид машинного обучения, имитирующий работу человеческого мозга – оперативно обрабатывают десятки тысяч переменных одновременно и обнаруживают даже незаметные связи между ними. Обучение модели прогнозирования временных рядов проводится на гигантских массивах исторических данных, что помогает понять динамику поведения заёмщика и предвидеть будущие изменения.
Сергей Поволокин напомнил и ещё об одном эффективном инструменте – алгоритме кластеризации, позволяющем разделить исследуемые объекты на группы согласно схожим параметрам и разработать индивидуальные стратегии для каждой из этих групп. Благодаря такому подходу компании предлагают клиентам максимально персонализированные условия обслуживания и сценарии действий в каждой конкретной ситуации. Для прогнозирования вместо того, чтобы полагаться на одну единственную систему оценки, используется ансамблевое обучение – комбинация моделей. Такой подход позволяет компенсировать погрешности отдельных моделей и формировать общую картину с минимальной вероятностью отклонения. Современные технологии важны и при реструктуризации долга: обученные на большом количестве примеров модели предлагают наилучшие варианты восстановления платёжеспособности для каждого конкретного заёмщика, ускоряя процессы переговоров и разрешения конфликтных ситуаций.
Также в работе с проблемными активами ИИ-технологии используются и для анализа залогового имущества, позволяющего контролировать состояние объектов, являющихся гарантией возврата денежных средств. Система постоянного мониторинга рыночной стоимости различных активов, например, недвижимости, помогает вовремя заметить угрозу падения цены и принять меры для защиты.
По мнению Сергея Поволокина, совокупность всех этих методов увеличивает эффективность управления активами и снижает убытки, возникающие из-за проблемных займов.
Сложности использования ИИ-технологий
Несмотря на многочисленные преимущества искусственного интеллекта, существует ряд препятствий, мешающих его повсеместному внедрению. Так, сегодня пока ещё отсутствует чёткая законодательная база, в которой определена ответственность за принятые на основе ИИ решения. Отсутствие единых стандартов и требований создаёт юридические риски для организаций, работающих с ИИ. Развитие регулирования в этой отрасли явно отстаёт от развития технологий.
Успех применения ИИ зависит от объёма и качества предоставленных ему данных. Недостаточный объём или низкое качество данных приведёт к некорректным оценкам и прогнозам. Нередко необходимые сведения отсутствуют, они неполны или недостоверны – это серьёзно осложняет функционирование ИИ-механизмов, а даже небольшая ошибка может повлечь значительные убытки.
Создание и поддержка высокопроизводительных инфраструктур для ИИ-обработки требует существенных технических и финансовых ресурсов. Без должного уровня оснащённости и без высококвалифицированных и высокооплачиваемых специалистов появляется вероятность сбоев, неэффективности и уязвимости всей системы перед киберугрозами. Системы, связанные с ИИ, привлекают хакеров, стремящихся похитить данные или манипулировать результатами в собственных корыстных целях. С другой стороны, существует тенденция к демократизации ИИ: технологии распространяются повсеместно, становятся более дешёвыми и доступными.
Сергей Поволокин обозначил ещё одну проблему – доверие пользователей к результатам работы ИИ-моделей. Переход на новую технологию нередко встречает внутреннее сопротивление со стороны сотрудников, привыкших к традиционным методам работы. Многие эксперты привыкли полагаться исключительно на собственный опыт, знания и выводы, даже на интуицию, а также на рекомендации коллег.
Могут возникнуть проблемы этического характера: высказываются опасения, что нейронные сети, обучавшиеся, в том числе и на исторических данных, порой предлагают дискриминационные модели, ущемляющие права определённых категорий граждан, социальных групп или регионов.
«Однако прогресс неизбежен, и преимущества ИИ очевидны. Развитие технологии искусственного интеллекта открывает новые горизонты для повышения эффективности оценки кредитных рисков и управления проблемными активами», – подводит итог Сергей Поволокин. Конечно, для дальнейшего успешного использования ИИ-технологий потребуется многое: повышение доступности и качества данных, увеличение количества специалистов, развитие инфраструктуры, а также рост доверия общества к новым технологиям и создание нормативной базы, учитывающей возможные риски. Эту цену стоит заплатить, потому что развитие искусственного интеллекта способно изменить всю финансовую индустрию – сделать рынок более стабильным и безопасным.
