Banken spielen eine wichtige Rolle in der Entwicklung des Finanzlebens der modernen Gesellschaft und der Weltwirtschaft; sie führen Transaktionen mit Bargeld, Krediten und Einlagen durch. Um diese Prozesse zu optimieren, wird künstliche Intelligenz aktiv in den Bankensektor eingeführt. Ich werde Ihnen genau erklären, wie Bankstrukturen neuronale Netze nutzen und vor allem: Gibt es Risiken für uns?
Historisch gesehen war die Bankenbranche immer eine der ersten, die Innovationen einführte. Bereits in den 50er Jahren des 20. Jahrhunderts wurden mathematische Modelle zur Beurteilung des zukünftigen Kreditgebers eingesetzt, in den 80er Jahren begann die aktive Einführung von Computern im Finanzbereich.
Die Maschinen könnten die Dynamik von Indizes berechnen und die Anlagestrategie bestimmen. Im 21. Jahrhundert wurden im Bankensegment Technologien der künstlichen Intelligenz vollständig eingeführt, die in Banken aktiv für die Risikoanalyse eingesetzt wurden. Alles begann mit der Lösung des Problems der Kreditwürdigkeitsprüfung und verlagerte sich nach und nach auf andere Bankprodukte.
Mit der Entwicklung der LLM-Technologien begann man, künstliche Intelligenz für Sprachassistenten in mobilen Anwendungen, in der ersten Reihe von Telefonisten und bei Aufgaben des automatischen Verfassens von Dokumententexten, auch juristischer Natur, einzusetzen. Computer-Vision-Methoden werden zum Erkennen von Dokumenten zum Zweck der elektronischen Dokumentenverwaltung eingesetzt und beschleunigen das Ausfüllen von Kundendaten basierend auf den Ergebnissen des Scannens eines Reisepasses und anderer Dokumente. Methoden der Künstlichen Intelligenz werden auch für Marketingzwecke eingesetzt: um Kunden zu segmentieren und persönliche Angebote zu entwickeln.
Kürzlich haben Experten aus dem Vereinigten Königreich eine groß angelegte Forschung über die Rolle künstlicher Intelligenz im Bankensektor veröffentlicht. Ihren Berechnungen zufolge werden die Kosten der Bankenstrukturen für die Entwicklung und Implementierung dieser Technologien bis 2030 300 Milliarden US-Dollar erreichen.
Wenn wir die Einführung von Technologien der künstlichen Intelligenz im Finanzsektor mit anderen Bereichen vergleichen, können wir im Allgemeinen von der Pilotierungs- und Testphase sprechen.
Am Beispiel russischer Banken sehen wir, dass neuronale Netze in manchen Bereichen recht effektiv funktionieren, in anderen gibt es jedoch offensichtliche Probleme. Aber noch etwas anderes ist bezeichnend: Fast alle großen Banken haben in ihrer Struktur eigene Abteilungen eingerichtet, die für die Entwicklung und Implementierung von KI-Technologien verantwortlich sind.
Kommunikation mit Kunden
Das neuronale Netzwerk entscheidet anhand vorgegebener Algorithmen, was Ihnen genau antwortet und wie ein Dialog aufgebaut wird. Einer der interessantesten Fälle ist ein Sprachassistent der Tinkoff Bank, dessen Name mit dem des Markengründers Oleg identisch ist. Dank des Einsatzes von Oleg spart die Bank jährlich etwa 360 Millionen Rubel und der Chatbot verarbeitet etwa die Hälfte aller eingehenden Anfragen. Zusätzlich zur direkten Kommunikation berechnet und entscheidet das neuronale Netz, welches Bankprodukt für Sie jetzt am attraktivsten ist – eine Einlage, ein Kredit oder eine Karte mit Sonderkonditionen.
Kreditvergabe
Einerseits arbeiten seit jeher zahlreiche Mitarbeiter in diese Richtung und prüfen die Bewerbungen manuell. Und hier sind zwei Punkte wichtig – die steigenden Kosten der Bank, die mit der Lohnkasse dieser Mitarbeiter verbunden sind. Der zweite Faktor ist die Wahrscheinlichkeit, dass ein Fehler aufgrund des menschlichen Faktors auftritt.
Andererseits hat der Kunde immer gelitten, da die manuelle Prüfung die Entscheidung über die Möglichkeit einer Kreditvergabe verzögert hat. Durch die Einführung der Technologie der künstlichen Intelligenz konnten Banken fast alle Probleme lösen. Bewerbungen werden sehr schnell bearbeitet, künstliche Intelligenz trifft immer die richtige Entscheidung. Russische Banken geben dies selbst zu und weisen darauf hin, dass der Anteil nicht zurückgezahlter Kredite inzwischen zurückgegangen sei.
Sicherheit
Nach Angaben der Bank of Russia wurde im ersten Quartal 2023 ein Rekord für den Diebstahl von Geldern von Kunden aufgestellt. Betrüger konnten mehr als 4,5 Milliarden Rubel von den Konten der Russen stehlen.
Daher ist die Erkennung betrügerischer Handlungen eine der vielversprechenden Aufgaben neuronaler Netze im Kontext dieser Branche. Bereits heute führt künstliche Intelligenz eine Finanzüberwachung durch, scannt ununterbrochen riesige Datenmengen und identifiziert uncharakteristisches Verhalten von Einzelpersonen und juristischen Personen. Darüber hinaus identifizieren neuronale Netze Tatbestände von Cyberangriffen.
Arbeiten mit Schuldnern
Der Einsatz künstlicher Intelligenz bei der Arbeit mit Schuldnern hat in Russland schon vor langer Zeit begonnen. Die ersten Fälle gab die Sberbank im Jahr 2017 bekannt; im Jahr 2018 kündigte ein weiterer großer Marktteilnehmer, die VTB Bank, die Einführung dieser Technologie an. Heutzutage wird etwa die Hälfte aller Kommunikationen mit Schuldnern über ein neuronales Netzwerk abgewickelt. Allerdings gibt es in dieser Richtung einige Probleme im Zusammenhang mit der aktuellen russischen Gesetzgebung. Der Einsatz von Roboterkollektoren fällt in die sogenannte Grauzone. Sie sind offiziell nicht erlaubt, aber auch nicht verboten. Dies führt natürlich zu einer negativen öffentlichen Reaktion.
Darüber hinaus gab es im vergangenen Jahr mehrere große Rechtsstreitigkeiten im Zusammenhang mit der Rechtmäßigkeit des Einsatzes von Inkassorobotern bei der Kommunikation mit Schuldnern. Die Praxis zeigt, dass rechtliche Schritte eingeleitet werden, wenn diese Technologie zu aggressiv eingesetzt wird. Beispielsweise ruft ein Roboter stündlich den Schuldner an. Und einige Banken nutzen es ruhig, ohne Angst vor Konsequenzen zu haben. Andere befürchten die Reputationsrisiken, die mit der Kundentreue einhergehen.
Der Einsatz künstlicher Intelligenz im Bankenbereich ist nicht auf die aufgeführten Bereiche beschränkt. Ein großer Teil der Arbeit wird heute von neuronalen Netzen erledigt: Dokumentenerkennung, Aufbau optimaler Abholrouten, Entwicklung von Büroarbeitsplänen unter Berücksichtigung des Kundenzustroms, Auswahl erfolgreicher Standorte für die Eröffnung neuer Büros usw.
Risiken beim Einsatz neuronaler Netze im Bankensektor
Das neuronale Netzwerk ist so konzipiert, dass es zur Fehlerreduzierung in der Anfangsphase über eine große Datenmenge verfügen und ständig im Prozess der Implementierung eines bestimmten Algorithmus trainiert werden muss. Dabei geht es um die personenbezogenen Daten von Hunderttausenden Bankkunden sowie um Informationen von juristischen Personen, die Geschäftsgeheimnisse enthalten.
Im Jahr 2023 wurde eine groß angelegte Forschung veröffentlicht von InfoWatch, einem auf Informationssicherheit im Unternehmensbereich spezialisierten Unternehmen. Experten sagten, dass im Jahr 2022 in Russland mehr als 667 Millionen Datensätze mit personenbezogenen Daten durchgesickert seien. Wenn wir diesen Wert mit dem Jahr 2021 vergleichen, sehen wir tatsächlich einen Anstieg um fast das 2,5-fache. Ein positiver Trend: Der Verlust personenbezogener Daten aus Bankstrukturen wird immer seltener. Daher können wir über die positiven Auswirkungen der Entwicklung künstlicher Intelligenz auf die Reduzierung des Verlusts personenbezogener Daten sprechen.
Der Algorithmus für ein neuronales Netz wird immer von einer Person festgelegt, es stellt sich jedoch die Frage, wie tief aus ethischer Sicht der Aspekt des Geschlechts, der Nationalität oder der Religionszugehörigkeit herausgearbeitet wurde. Bei der Entscheidung, einen Kredit zu vergeben, können sich Männer beispielsweise Vorteile verschaffen, da sie statistisch gesehen mehr verdienen als die gerechte Hälfte der Menschheit, selbst bei sonst gleichen Bedingungen. Jede Bank in Russland arbeitet unabhängig an der Lösung ethischer Probleme. Beispielsweise hat die Sberbank einen eigenen Ethikkodex entwickelt und VTB hat Modelle entwickelt, die Entscheidungen neuronaler Netze aus ethischer Sicht bewerten.
Reduzierung der Call-Center-Mitarbeiter, fast vollständige Eliminierung von Experten, die Kreditentscheidungen treffen, Robotereintreiber – und dies ist keine vollständige Liste derjenigen, die heute ersetzt werden Neuronales Netzwerk. Und der Personalabbau ist ein objektiver Prozess.
Die Zentralbank der Russischen Föderation begann diesen Prozess im Jahr 2015 und strich 30 % der Linienmitarbeiter. Im Jahr 2023 wurden Informationen über zwei Kürzungswellen bekannt gegeben. Im Frühjahr wurden rund 1.000 Mitarbeiter entlassen. Die Herbstwelle erwartet uns etwas später. Im Jahr 2018 kündigte die Sberbank Pläne an, 70 % des mittleren Managements zu entlassen. Die reale Situation stellte sich Ende 2018 jedoch völlig anders dar – laut offizieller Statistik wurden nur 5 % der Mitarbeiter entlassen. Bis 2025 plant die Bank, die Dienste der Hälfte ihrer Mitarbeiter einzustellen.