За цифрами: Як штучний інтелект став найприбутковішим «працівником» у фінансах

У ЗМІ банківська справа та, ширше, фінанси часто зображуються як люди у дорогих костюмах, які приймають бізнес-рішення з верхніх поверхів хмарочосів, або талановиті трейдери, які можуть зрозуміти стан ринку з мінімальної кількості даних. Оскільки це одна з найпотужніших образів фінансів, багато дискусій про нові технічні особливості в цій сфері зосереджені на тому, як вони змінять цю роботу на передовій лінії.

Штучний інтелект не є винятком із цього правила, і велика частина дебатів про його впровадження у фінанси зосереджується на тому, чи замінять агенти трейдерів або чи зможуть вони розподіляти капітал більш ефективно, ніж радники. Однак найефективнішим застосуванням штучного інтелекту виявилося зовсім не той гламурний образ, який багато людей уявляють. Насправді, штучний інтелект приносить більше грошей з того, що можна назвати «нудною» стороною фінансів, тобто щоденними операціями.

Де штучний інтелект дійсно створює вартість

Головна перевага штучного інтелекту полягає в тому, що він може виконувати завдання значно дешевше і в кілька разів швидше, ніж люди. І роблячи це, він буквально генерує прибуток завдяки підвищенню оперативної ефективності.

Наприклад, за допомогою інструментів штучного інтелекту Citigroup зменшила час перегляду документів перед відкриттям рахунку з більш ніж однієї години до всього 15 хвилин. Природно, що швидше прийняття рішень буде подобатися клієнтам і навіть може зробити їх більш лояльними. Але в той же час ці 45 хвилин перекладаються на сотні тисяч доларів заощаджень для банку, оскільки ці інструменти звільняють години людської праці для більш важливої роботи.

Штучний інтелект допомагає оптимізувати величезний шар фінансової бюрократії та внутрішніх рамок, на яких компанії спираються. Саме тому найбільш цінні випадки використання штучного інтелекту часто виявляються зовсім не найспектакулярнішими. Автономні трейдери або чат-бот, який пропонує клієнту найкращі пропозиції, можуть звучати вражаюче, але автоматизовані процедури KYC і перевірки належності, ймовірно, принесуть набагато більшу економічну вартість банку або фінансовій компанії.

Це сказано, однак, як і у випадку з процесом перегляду документів Citigroup, нічого не перешкоджає цим поліпшенням користуватися клієнтами теж. Користувачі можуть оцінити персонального помічника штучного інтелекту в додатку, але вони ще більше оцінять, якщо рішення про видачу кредиту можна скоротити з днів до хвилин, або якщо їхні транзакції не будуть неправильно позначені як шахрайство, оскільки такі ймовірності були знижені на десятки відсотків.

Як штучний інтелект став найприбутковішим «працівником»?

Зазвичай, коли клієнтська база банку зростає, його штат також повинен зростати майже пропорційно. Раніше було неможливо переглянути зростаючу кількість транзакцій і документів клієнтів з тією ж кількістю працівників. Різні сучасні технологічні рішення допомогли певною мірою, але зростання бізнесу все одно неминуче призводило до зростання кількості працівників. І чим більше працівників у компанії, тим більше менеджерів їй потрібно і тим дорожче їй коштує нагляд за цією структурою.

Тепер, коли з’явився штучний інтелект, ця проблема починає зникати, оскільки менше працівників все ще можуть ефективно обслуговувати зростаючу кількість клієнтів за допомогою інструментів штучного інтелекту. Деякі компанії вже використовують цю логіку: Klarna, наприклад, заявила, що один помічник штучного інтелекту може виконувати роботу 700 людей. Як би не було високою вартість застосування таких інструментів, вона навряд чи буде дорівнювати регулярним зарплатам сотень працівників.

Однак, щоб це дійсно працювало, компанія повинна правильно інтегрувати штучний інтелект у свої робочі процеси, поза рамками експериментів. У фінансах багато проектів все ще залишаються на стадії пілотного проекту, який, очевидно, не може генерувати великої вартості. Поки одна компанія дискутує про те, чи прийняти нові інструменти або як масштабувати агентів штучного інтелекту, її конкуренти не будуть стояти на місці, будуючи свої власні можливості штучного інтелекту.

Відставання в цьому перегонах призведе до значних фінансових втрат. Точно кажучи, компанії, які не зможуть перевести свої операції на рейки штучного інтелекту рано, можуть втратити до 9% своїх прибутків. Виловлювання такого відставання пізніше не буде легким і вимагатиме від фінансових компаній побудови солідної стратегії штучного інтелекту.

Як керувати рішеннями штучного інтелекту

Відразу виникає найбільша проблема, оскільки впровадження агентів штучного інтелекту у фінансові операції неминуче означатиме делегування частини повноважень з прийняття рішень їм. У фінансах, де штучний інтелект став свого роду бездонним джерелом «молодших працівників» завдяки оптимізації базових операцій бек-офісу, це становить значний ризик. Проблема полягає в тому, що помилки в цій роботі часто є найбільш дорогими.

Загалом, регулятори перешкоджають фінансовим організаціям робити щось ризиковане і створюють правила для мінімізації можливої шкоди. Однак, коли мова йде про штучний інтелект, галузь рухається значно швидше за нагляд, оскільки лише чверть органів влади збирають дані про використання штучного інтелекту з регульованих організацій. Це явно недостатньо, щоб слідкувати за зростаючою кількістю компаній, які додають агентів до своїх операцій.

В результаті фінансові компанії повинні знайти способи регулювати інструменти, керовані штучним інтелектом, самостійно. Це зрозуміло, враховуючи, що будь-яка помилка тут може призвести до втрат на мільйони доларів. Наприклад, у сучасних банках агентам надаються обмежені повноваження, як і справжнім працівникам. Якщо штучний інтелект працює з документами клієнтів, йому явно не потрібно право змінити рейтинг ризику клієнта. Агент отримує сувору оперативну роль і не дозволяється перевищувати її.

Іншим можливим і, безумовно, необхідним механізмом є зберігання детальних записів усіх дій штучного інтелекту, так що якщо відбувається помилка, можна відстежити кожен крок, зроблений агентом. У таких сферах, як KYC і виявлення шахрайства, питання про клієнта можуть виникнути місяцями пізніше, тому банкам абсолютно потрібно зберігати повний запис логіки помічника штучного інтелекту.

Поведінку штучного інтелекту також можна протестувати у пісочниці. Банк Англії, наприклад, почав імітувати сесії торгівлі штучним інтелектом, щоб зрозуміти, як агенти взаємодіятимуть один з одним і з реальним ринком. Таке тестування допомагає точно визначити, де агент робить помилки, і виправити проблему до того, як вона стане публічною.

Нарешті, варто пам’ятати, що будь-яке рішення штучного інтелекту повинно бути підтверджено людиною, яка залишається відповідальною за нього. У разі втрат ніхто не прийме відповідь «бо модель вирішила так», і старший менеджер все одно повинен затверджувати дії штучного інтелекту і нести відповідальність за них.

Від «Банки проти фінтеху» до «Швидкого проти повільного»

Регуляція штучного інтелекту також формує конкуренцію на фінансовому ринку. Клієнти можуть бути задоволені, коли їхній документ обробляється на 30 хвилин швидше, але вони точно не будуть задоволені, якщо бот штучного інтелекту пошкодить їхню кредитну історію або коштує їм грошей. Щоб уникнути таких проблем, вони будуть більш схильні довіряти свої гроші компаніям, які пояснюють свою стратегію штучного інтелекту прозоро і чесно. І, звичайно, мають менше проблем з управлінням ним.

Фінтех-компанії мають очевидну перевагу тут, просто тому, що вони не обтяжені тягарем старих систем. Сучасні фінтех-компанії можуть будувати свої послуги навколо штучного інтелекту з самого початку і автоматизувати всі процеси одразу. Будувати щось нове може бути значно легше, ніж намагатися інтегрувати агентів штучного інтелекту у організації, які все ще спираються на факс-апарати і десятирічні системи COBOL. Не дивно, що майже половина фінтех-компаній вже досягла високого рівня впровадження штучного інтелекту, порівняно з менш ніж третinou традиційних фінансових інституцій.

Банки не приречені на зникнення. Ведь вони пережили Велику депресію, 1970-ті, Велику рецесію, і ще багато чого. Вони знають, як адаптуватися до змін. Через свою спадщину вони накопичили величезну кількість даних клієнтів, капіталу і репутації. Однак, щоб дійсно використовувати ці переваги, їм слід повністю інтегрувати штучний інтелект у свої процеси, оскільки просте додавання його до якогось окремого продукту не допоможе багато.