Banki odgrywają ważną rolę w rozwoju życia finansowego współczesnego społeczeństwa i gospodarki światowej, dokonują transakcji gotówkowych, kredytów i depozytów. Właśnie po to, aby optymalizować te procesy, do sektora bankowego aktywnie wprowadza się sztuczną inteligencję. Opowiem dokładnie, w jaki sposób struktury bankowe korzystają z sieci neuronowych i co najważniejsze, czy niesie to dla nas jakieś ryzyko?
Historycznie rzecz biorąc, branża bankowa zawsze była jedną z pierwszych, która wprowadzała innowacje. Już w latach 50. XX wieku zaczęto wykorzystywać modele matematyczne do oceny przyszłego pożyczkodawcy, w latach 80. rozpoczęło się aktywne wprowadzanie komputerów do segmentu finansowego.
Maszyny mogłyby obliczyć dynamikę indeksów i określić strategię inwestycyjną. W XXI wieku segment bankowy w pełni przyjął technologie sztuczną inteligencję, które zaczęto aktywnie wykorzystywać w bankach do analizy ryzyka. Wszystko zaczęło się od rozwiązania problemu scoringu kredytowego i stopniowo przeniosło się na inne produkty bankowe.
Wraz z rozwojem technologii LLM zaczęto wykorzystywać sztuczną inteligencję w asystentach głosowych w aplikacjach mobilnych, na pierwszej linii operatorów telefonicznych oraz w zadaniach automatycznego pisania tekstów dokumentów, w tym o charakterze prawnym. Metody widzenia komputerowego służą do rozpoznawania dokumentów na potrzeby elektronicznego zarządzania dokumentami, przyspieszając uzupełnianie danych klienta na podstawie wyników skanowania paszportu i innych dokumentów. Metody sztucznej inteligencji wykorzystywane są także w celach marketingowych: segmentacji klientów i opracowywania spersonalizowanych ofert.
Niedawno eksperci z Wielkiej Brytanii opublikowali zakrojone na szeroką skalę badanie na temat roli sztucznej inteligencji w branży bankowej. Według ich obliczeń koszty struktur bankowych na rozwój i wdrażanie tych technologii sięgną do 2030 roku 300 miliardów dolarów.
Jeśli porównamy wprowadzenie technologii sztucznej inteligencji w sektorze finansowym z innymi obszarami, to ogólnie możemy mówić o etapie pilotażu i testów.
Na przykładzie rosyjskich banków widzimy, że w niektórych obszarach sieci neuronowe działają dość skutecznie, ale w innych występują oczywiste problemy. Ale coś innego wskazuje na to – prawie wszystkie duże banki utworzyły w swojej strukturze odrębne działy odpowiedzialne za rozwój i wdrażanie technologii AI.
Komunikacja z klientami
Sieć neuronowa na podstawie określonych algorytmów decyduje, co dokładnie Ci odpowiedzieć i jak zbudować dialog. Jednym z najciekawszych przypadków jest asystent głosowy z Tinkoff Bank, którego nazwisko jest takie samo, jak założyciel marki – Oleg. Dzięki wykorzystaniu Olega bank oszczędza około 360 milionów rubli rocznie, a chatbot przetwarza około połowę wszystkich przychodzących żądań. Oprócz bezpośredniej komunikacji sieć neuronowa przeliczy i zadecyduje, który produkt bankowy będzie dla Ciebie w danej chwili najbardziej atrakcyjny – lokata, pożyczka czy karta ze specjalnymi warunkami.
Użyczanie
Z jednej strony duża liczba pracowników zawsze działała w tym kierunku, ręcznie przeglądając wnioski. I tutaj ważne są dwa punkty – rosnące koszty banku związane z funduszem płac tych pracowników. Drugim jest prawdopodobieństwo wystąpienia błędu spowodowanego czynnikiem ludzkim.
Z drugiej strony zawsze cierpiał klient, ponieważ ręczna weryfikacja opóźniała decyzję o możliwości udzielenia pożyczki. Wprowadzając technologię sztucznej inteligencji, banki były w stanie rozwiązać niemal wszystkie problemy. Wnioski rozpatrywane są bardzo szybko, sztuczna inteligencja zawsze podejmuje właściwą decyzję. Przyznają to same rosyjskie banki, zauważając, że obecnie obserwuje się spadek odsetka niespłacanych kredytów.
Bezpieczeństwo
Według Banku Rosji w pierwszym kwartale 2023 roku ustanowiono rekord kradzieży środków od klientów. Oszuści zdołali ukraść z kont Rosjan ponad 4,5 miliarda rubli.
Dlatego identyfikacja oszukańczych działań jest jednym z obiecujących zadań sieci neuronowych w kontekście tej branży. Już dziś sztuczna inteligencja prowadzi monitoring finansowy, non-stop skanuje ogromną ilość danych, identyfikując nietypowe zachowania osób fizycznych i prawnych. Ponadto sieci neuronowe identyfikują fakty dotyczące cyberataków.
Praca z dłużnikami
Praktyka wykorzystania sztucznej inteligencji w pracy z dłużnikami rozpoczęła się w Rosji dość dawno temu. Pierwsze przypadki Sbierbank ogłosił w 2017 r., w 2018 r. wprowadzenie tej technologii ogłosił inny znaczący gracz rynkowy, VTB Bank. Obecnie około połowa całej komunikacji z dłużnikami odbywa się poprzez sieć neuronową. Jednak w tym kierunku istnieją pewne problemy związane z obecnym prawodawstwem rosyjskim. Stosowanie robotycznych zbieraczy wpada w tzw. szarą strefę. Oficjalnie nie są one dozwolone, ale też nie są zabronione. Oczywiście wywołuje to negatywną reakcję opinii publicznej.
Ponadto w ubiegłym roku odbyło się kilka poważnych procesów sądowych związanych z legalnością wykorzystywania robotów-zbieraczy w komunikacji z dłużnikami. Praktyka pokazuje, że w przypadku zbyt agresywnego stosowania tej technologii podejmowane są działania prawne. Na przykład robot dzwoni do dłużnika co godzinę. A część banków spokojnie z tego korzysta, bez obawy o konsekwencje. Inni obawiają się ryzyka utraty reputacji związanego z lojalnością klientów.
Wykorzystanie sztucznej inteligencji w segmencie bankowości nie ogranicza się do wymienionych obszarów. Ogromną ilość pracy wykonują obecnie sieci neuronowe: rozpoznawanie dokumentów, budowanie optymalnych tras odbioru, opracowywanie harmonogramów pracy urzędu z uwzględnieniem napływu klientów, wybór pomyślnych lokalizacji na uruchomienie nowych biur itp.
Zagrożenia związane z wykorzystaniem sieci neuronowych w branży bankowej
Sieć neuronowa jest zaprojektowana w taki sposób, że aby zredukować błąd, musi już na początkowym etapie dysponować dużym zestawem danych oraz być stale szkolona w procesie implementacji danego algorytmu. I mówimy tu o danych osobowych setek tysięcy klientów bankowości, a także o informacjach od osób prawnych zawierających tajemnicę handlową.
W 2023 roku opublikowano zakrojone na szeroką skalę badanie przez InfoWatch, firmę specjalizującą się w bezpieczeństwie informacji w sektorze korporacyjnym. Eksperci podali, że w 2022 roku w Rosji wyciekło ponad 667 milionów rekordów zawierających dane osobowe. Jeśli porównamy tę liczbę z rokiem 2021, to tak naprawdę widzimy wzrost prawie 2,5-krotny. Pozytywny trend – wycieki danych osobowych ze struktur bankowych są coraz rzadsze. Można zatem mówić o pozytywnym wpływie rozwoju sztucznej inteligencji na ograniczenie wycieku danych osobowych.
Algorytm sieci neuronowej jest zawsze ustalany przez człowieka, jednak pojawia się pytanie, jak głęboko, z etycznego punktu widzenia, został przepracowany aspekt płci, narodowości czy przynależności religijnej. Na przykład, decydując się na pożyczkę, mężczyźni mogą zyskać, ponieważ statystycznie zarabiają więcej niż uczciwa połowa ludzkości, nawet przy innych czynnikach. Każdy bank w Rosji pracuje niezależnie nad rozwiązywaniem problemów etycznych. Na przykład Sbierbank opracował własny kodeks etyczny, a VTB opracowało modele oceniające decyzje dotyczące sieci neuronowych z etycznego punktu widzenia.
Redukcja pracowników call center, niemal całkowita eliminacja ekspertów podejmujących decyzje kredytowe, kolekcjonerów robotów – a to nie jest pełna lista tych, których dziś wymienia się sieć neuronowa. A redukcja pracowników jest procesem obiektywnym.
Bank Centralny Federacji Rosyjskiej rozpoczął ten proces w 2015 roku, zwalniając 30% pracowników liniowych. W 2023 roku ogłoszono informację o dwóch falach obniżek. Wiosną zwolniono około 1000 pracowników. Jesienna fala czeka na nas nieco później. W 2018 roku Sbierbank ogłosił plany zwolnień 70% menedżerów średniego szczebla. Rzeczywista sytuacja na koniec 2018 roku okazała się jednak zupełnie inna – według oficjalnych statystyk zwolniono jedynie 5% pracowników. Do 2025 roku bank planuje wyeliminować z usług połowę swoich pracowników.
