Мобильное приложение журнала
Google Play Apple Store
курс цб на 18.11: USD 63.8881 EUR 70.4111
криптовалют: BTC 8503.2$ ETH 183.77$
lupa
1669 просмотров

Биометрия, искусственный интеллект и нейронные сети – реперные точки банкинга ближайшего будущего

Биометрия, искусственный интеллект и нейронные сети – реперные точки банкинга ближайшего будущего

О перспективах использования в  банковской рознице таких инновационных технологий, как биометрическая идентификация, искусственный интеллект и нейронные сети, журнал «ПЛАС» беседует с Александром Соколовым, членом правления ВТБ24.

ПЛАС: Как вы оцениваете сегодня перспективы использования биометрии в банкинге?

А. Соколов: Сегодня банковское сообщество ожидает принятия поправок в Закон №115-ФЗ («О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма»), которые официально разрешат использовать биометрическую идентификацию как однозначное авторизованное подтверждение личности гражданина. Спектр применения этой технологии будет достаточно широким. В первую очередь он коснется контакт-центров, в которых для идентификации клиента будет достаточно параметров его голоса.

По нашим подсчетам, это позволит сократить трудозатраты горячей линии на 12–15%. Если голосовой «слепок» клиента будет в базе данных, то уже в момент, когда он начнет разговор с оператором фразами: «Здравствуйте! Я А. К. Соколов. У меня вопрос…», этого будет достаточно, чтобы идентифицировать человека. Соответственно, исключается необходимость проходить процедуру идентификации с помощью цифрового кода, кодового слова или итерации, отправки кода в SMS-сообщении и т. п. В случае прохождения биометрической идентификации у оператора call-центра на мониторе компьютера появится карточка клиента, которая позволит уже с первых слов понять, с кем он авторизованно общается и какие продукты и услуги могут заинтересовать данного пользователя.

Биометрия будет использоваться и для идентификации в интернет- и мобильном банке. С помощью веб- или встроенной в телефон камеры и микрофона клиент сможет удаленно себя идентифицировать по образу лица и голосу и осуществлять в цифровом банке транзакции.

Что же касается использования данной технологии на банкоматах, то я считаю, что пока еще она не совсем готова. Прежде всего по причине все еще очень большой чувствительности решений к уровню фонового шума. Если банкомат стоит не в зоне 24/7, где редко бывает много людей, то в любом торговом центре или на улице шумы будут создавать помехи, которые снизят качество процесса авторизации и понизят его надежность.

ПЛАС: Биометрия будет использоваться как дополнительный форм-фактор идентификации, как мы уже наблюдаем это в ряде пилотных проектов, или со временем станет основным?

Используемые сегодня в алгоритмах распознавания технологии позволяют с большой долей вероятности отличить лицо живого человека от его изображения на фотографии
Используемые сегодня в алгоритмах распознавания технологии позволяют с большой долей вероятности отличить лицо живого человека от его изображения на фотографии

А. Соколов: Все зависит от типа транзакции. В случае если клиент не делает перевод за границу в размере 1 млн долл., а осуществляет рядовую операцию, например, оплату по розничному чеку, внутренний перевод между своими счетами или получает подтверждение на лимит по кредитной карте, то биометрии будет вполне достаточно как единственного и окончательного идентификатора. Если же говорить о ее использовании для получения государственных услуг, особенно для каких-либо существенных регистрационных действий (например, заключение брака и пр.), то, скорее всего, биометрию придется дополнить еще одним фактором, чтобы повысить степень защиты. Это связано с тем, что возникает потребность не только идентифицировать гражданина, цифровой «слепок» голоса (или образ лица) которого подтвержден, но и то, что это именно тот гражданин, у которого есть паспорт, занесенный во все необходимые государственные регистрационные формы.

Здесь необходимо четко разделять потребности – идентификационный сервис с использованием биометрии для финансовых технологий и идентификация для осуществления каких-то регистрационных действий, связанных, например, с регистрацией прав собственности, получением каких-либо документов, т. е. вопросами, которые в большей степени регулируются государством.

ПЛАС: Как вы оцениваете реальные риски, связанные с использованием биометрической идентификации в банкинге?

А. Соколов: Я считаю, что эти риски невелики и абсолютно приемлемы. Лицо и голос любого человека уникальны. Подделать визуальный и голосовой слепок настолько же сложно, насколько и отпечаток пальца. Используемые сегодня в алгоритмах распознавания технологии позволяют с большой долей вероятности отличить лицо живого человека от его изображения на фотографии. Камера производит трехмерное считывание микроточек лица и составляет из них 3D-модель, которая и является цифровым слепком.

Биометрия будет использоваться и для идентификации в интернет- и мобильном банке

Дополнительные риски могут быть связаны с киберпреступностью: речь в этом случае может идти не о подделке профиля, а о выдаче преступника за клиента в цифровой платформе.

Риск – это всегда размер потери, помноженный на их вероятность. Мы не принимаем риск в нескольких случаях. Во-первых, когда вероятность потери невелика, но размер ее очень большой. В этой связи мы покупаем страховку, предпочитаем платить какую-то ежегодную комиссию, страховые взносы, чтобы себя застраховать. Во-вторых, риск не принимается, когда объем потерь небольшой, но их вероятность очень высока. Хороший пример – лотерея. Лотерейный билет стоит немного, но вероятность выигрыша по нему крайне мала. Соответственно, вероятность потери потраченных на билет денег большая. Именно поэтому в большинстве случаев мы отказываемся от этого.

Возвращаясь к технологии биометрической идентификации – как только ее удобство и экономическая эффективность достигнут соответствующего уровня, даже в случае реализации какого-либо риска, последствия не будут критичными. И это одна из причин, по которой в банковской рознице данная технология может быть абсолютно востребована. Наверное, в ближайшем будущем банки не будут выдавать крупные ипотечные кредиты, используя только технологию биометрической идентификации. Равно как и намного сложнее будет реализовать подобную ИД-технологию для юрлиц. Однако подтверждать таким образом стандартные транзакции физических лиц на относительно небольшие суммы денег представляется вполне приемлемым. При этом, осуществляя большую сложную сделку, всегда хочется вживую поговорить с человеком, чтобы понять, одинаково ли мы понимаем ее суть. Поэтому классическое правило: сегменты с большим количеством транзакций с маленькими или средними чеками в обозримом будущем могут использовать исключительно биометрическую аутентификацию.

ПЛАС: Какие перспективы вы видите в создании единой биометрической базы банковских клиентов для использования их в процессе удаленной идентификации в рамках ЕСИА?

А. Соколов: Опять же, мы ждем принятия поправок к закону. Уверен, что единая биометрическая база позволит гражданам, ранее прошедшим процедуру идентификации с личным присутствием, взаимодействовать с помощью своего электронного образа с различными участниками финансового рынка, госуслуг и т. д.

Как вы знаете, Группа ВТБ присоединилась к пилотированию этой технологии на ранней стадии. Банкам, конечно же, необходимо готовиться к ее внедрению, но ничего сверхсложного здесь нет. Нужно лишь установить на терминалы качественные камеры и микрофоны, а также обеспечить определенный уровень шумоизоляции. Это вполне реально сделать в банковских отделениях, например, создав отдельные выделенные зоны. Со временем и с развитием техники ее чувствительность к посторонним шумам сведется к минимальным значениям.
Думаю, что на горизонте двух лет голосовую идентификацию можно будет спокойно проходить даже в метро. Вычленить из общего фона акустические колебания определенного диапазона, создаваемые голосовыми связками, задача абсолютно решаемая. Просто необходимо время на совершенствование алгоритма.

ПЛАС: В какой мере банк может руководствоваться данными сотовых операторов и социальных сетей при осуществлении банковских операций? Можете ли вы привести примеры, когда данные операторов соцсетей имеют решающее значение при принятии решения по клиенту?

А. Соколов: Данные сотовых операторов и соцсетей – хорошее добавление к скоринговым моделям. Или, скажем, добавление этой информации в скоринговые модели банков дает хороший прирост разрешающей способности. Есть, правда, одно очень важное «но». Дело в том, что данные сотовых операторов и тем более поведение человека в соцсетях относятся к категории так называемых слабых сигналов.

Что имеется в виду? Сильный сигнал с очень высокой вероятностью описывает целевую переменную модель. Особенно это характерно для ее негативных составляющих. Если у нас целевая переменная – вероятность дефолта заемщика, то сильным сигналом являются его исторические просрочки в прошлом. Например, если клиент допускал в прошлом просрочку по кредиту более 90 дней, то вероятность того, что он, получив новый кредит, допустит новую просрочку, составляет более 70%. Абсолютное большинство участников финансового рынка, не раздумывая, отказывают такой категории клиентов. Хотя, если внимательно разобраться, что такое вероятность 70%? Это значит, что из 100 клиентов не заплатят 70. Но остается еще 30, которые в будущем не допустят просрочку. А с ними также необходимо работать. И этому необходимо научиться.

Другой пример: клиент зарплатного проекта банка. О нем известно очень много: когда, сколько, где он тратит, сколько денег работодатель ему перечисляет и с каким интервалом. В таком случае данные ни соцсетей, ни операторов не нужны. Так как большое количество очень сильных сигналов с высокой вероятностью уже дают возможность объективно оценивать этого клиента и в значительной степени работают на принятие позитивного решения.

Теперь рассмотрим пример слабого сигнала. Если клиент допускал в прошлом просрочку до 5 дней, то вероятность того, что он выйдет в дефолт в будущем, – всего несколько процентов. Для того чтобы принять какое-либо решение, одного этого сигнала недостаточно. Если сильных сигналов нет, банк собирает большую совокупность слабых. С этими задачами хорошо справляются такие алгоритмы, как нейронные сети. Большое количество сработавших одновременно слабых сигналов превращаются в один сильный, на основании которого можно принимать решение. Слабые сигналы имеет смысл использовать тогда, когда нет сильных: например, если о клиенте, кроме данных из анкеты, которую он собственноручно заполнил, ничего больше не известно. В этом случае для принятия решения банку как раз и помогают данные сотовых операторов и соцсетей.

Мнения банкиров относительно полезности данных сотовых операторов и социальных сетей разнятся. Необходимо понимать, по какой модели работает банк. В случае если большая часть его продаж приходится на повторных клиентов, конечно, такие данные будут ему неинтересны. А для быстрорастущих банков, которые основную долю продаж своих продуктов осуществляют новым клиентам, такой инструмент будет, напротив, очень полезен.

Повторюсь – любой слабый сигнал априори не может иметь решающее значение. Только совокупность множества негативных следов в соцсетях может привести к отказу клиенту. Его следы в интернете используются сегодня не для принятия решения, а для дополнительного формирования клиентского профайла.24

ПЛАС: Не могли бы вы подробнее коснуться темы нейронных сетей и искусственного интеллекта – что стоит за этими терминами? Какие возможности они открывают для представителей банковского сектора?

А. Соколов: Нейронная сеть и искусственный интеллект – математические алгоритмы. Как и в обычном базовом скоринге, здесь используются логистические регрессии. Это инструмент, который позволяет описывать данные или группировать их таким образом, что выстраивается скоринговая модель. Нейронная сеть дополнительно обладает алгоритмом самообучения. Но все равно это математический алгоритм, который, используя какие-либо характеристики о клиенте, выставляет вес, те или иные переменные и формирует модель. Нейронная сеть очень хорошо справляется со слабыми сигналами. Их много, поэтому ее необходимо постоянно обучать. Пока она еще обучается аналитиком, т. е. человеком.

В свою очередь искусственный интеллект (ИИ) – нейронная сеть или совокупность нейронных сетей, которые в состоянии выстраивать логическую последовательность действий. Его задача – сначала обработать сигналы, а после действовать в зависимости от заложенного сценария. Боты реагируют на поступающую в виде слабых сигналов информацию. ИИ ее интерпретирует и выдает корректные действия с определенной заданной (и достаточно высокой) вероятностью. Таким образом, искусственный интеллект – это математический алгоритм прогнозирования определенных событий в зависимости от предыдущей информации.

Данные сотовых операторов и соцсетей – хорошее добавление к скоринговым моделям

Если же под капотом этого алгоритма лежит большая статистическая выборка, на которой можно поливариантно точно посчитать последствия, сценарий тех или иных действий, мы говорим о продвинутом искусственном интеллекте. Хороший пример – шахматы. Робот перебирает все возможные варианты развития событий на игровой доске. И в зависимости от хода противника он просчитывает следующий ход, который с наибольшей вероятностью даст наилучший результат. Это обычная модель перебора сценариев.

ПЛАС: Насколько справедливо полагать, что любое стратегическое решение, принятое искусственным интеллектом, нуждается в проверке? Насколько оно может отличаться от приоритетов бизнеса?

А. Соколов: Непонятно, какого рода стратегические решения может принимать искусственный интеллект уже сегодня. Что такое стратегическое решение? С точки зрения индивидуума – это решение, например, выйти замуж или жениться. Может ли его принять искусственный интеллект? Рискну предположить, что в настоящий момент – нет. Потому что необходимо спрогнозировать всю потенциальную жизнь человека после его принятия со всем спектром возможных чувств. И еще оценкой, какой спектр чувств является «правильным». Если, конечно, мы возьмем целевую переменную «жить счастливо». Насколько я знаю, таких алгоритмов пока не существует.

Стратегическое решение для брокера – инвестировать 30% своего капитала в какой-то финансовый инструмент. Оно может быть принято искусственным интеллектом совершенно спокойно. И его перепроверять не нужно. Сегодня уже присутствуют решения, которые позволяют зарабатывать на фондовом рынке 15% дополнительной премии к рейтингу S&P 500. Это искусственный интеллект, прогнозирующий поведение сводного индекса.

ПЛАС: Как вы оцениваете перспективы развития и масштабы внедрения нейронных сетей и искусственного интеллекта?

А. Соколов: Нейронные сети пока нашим банком не используются, так как они нужны для работы со слабыми сигналами. ВТБ использует модель кредитных и депозитных продуктов, и большой процент приходится на повторных клиентов, о которых нам все известно. Однако мы вплотную будем заниматься нейронными сетями с началом использования технологии Voice to Text, Text to Numbers, когда будет необходимо описывать неструктурированные текстовые массивы. К этой работе мы пока не подошли, потому что еще не использовали все имеющиеся инструменты с более значительным экономическим эффектом и разрешающей способностью, нежели эта категория.

Отмечу, что нейронные сети достаточно трудозатратны. С учетом нашей бизнес-модели, клиентского сегмента и стратегии управления рисками приоритет до них пока еще не дошел. Но, безусловно, мы никуда не уйдем от нейронных сетей и искусственного интеллекта в будущем. С каждым годом становится все больше данных о клиентах, они растут в геометрической прогрессии. С каждой новой порцией ценность отдельно взятой изолированной информации снижается. Иными словами, сигналов становится больше, но при этом каждый из них все слабее. Лишь анализ их совокупности позволит выработать сильные сигналы. Поэтому рано или поздно мы к этому тоже придем. Я думаю, это горизонт ближайших двух лет.

Читайте в этом номере:


Перейти к началу страницы

Подпишитесь на новости индустрии

Нажимая на кнопку "подписаться", вы соглашаетесь с


политикой обработки персональных данных