курс цб на 19.10: USD 65.7238 EUR 75.5692
криптовалют: BIT 6395.2$ ETH 199.09$
Архив / 2018 / ЖУРНАЛ ПЛАС №3 / 1495 просмотров

Machine Learning станет must have в банкинге уже к 2020 году

13

О том, насколько сегодня уже востребованы искусственный интеллект и машинное обучение в банкинге, каковы перспективы их развития и каких результатов кредитные организации ожидают от внедрения данных технологий, журнал «ПЛАС» беседует с Александром Сахаровым, руководителем департамента «Цифровой банкинг» Банка УРАЛСИБ.

ПЛАС: Какова сегодня реальная востребованность со стороны розничного банкинга технологий Artificial Intelligence (AI) и Machine Learning (ML)? Какие перспективы открывают перед банками такие решения?

А. Сахаров: Между искусственным интеллектом и автоматизацией есть очень важная грань: особенность машинного обучения – способность программы самостоятельно скорректировать собственный алгоритм в случае возможности сделать результат более эффективным. Можно провести параллель с эволюцией бактерий, которые приобрели способность изменяться, в результате чего обычные антибиотики перестали на них эффективно воздействовать. Соответственно, если раньше были логически строгие алгоритмы, то сейчас они умеют «мутировать» или адаптироваться, тем самым обеспечивая лучший конечный результат.

На сегодняшний день на торговых площадках США более 90% объема всех операций совершается роботами, и при этом ни у кого не возникает вопроса о целесо-образности использования AI – результаты говорят сами за себя.

Существует большое количество примеров применения AI в банках. Любая компания всегда нацелена на решение задач оптимизации своей деятельности – маркетинга, рисков, поиска новых клиентов и т. п. Основным драйвером повышения сложности этих задач является существенный рост объема доступных для анализа данных. Это количество уже невозможно эффективно обработать классическими средствами. Линейные регрессионные алгоритмы гораздо менее эффективны, чем алгоритмы с machine learning. Например, для сегментации посетителей сайта нужно обработать объем данных, который формируется из cookie-файлов, истории общения, внутренних систем, Big Data провайдеров, которые можно купить.

Это касается и процессов борьбы с мошенничеством по банковским картам. Самообучающиеся алгоритмы дают гораздо больший эффект для банка, чем алгоритмы, которые не умеют этого делать. То же самое можно сказать и про прогнозирование рисков. Ежегодно мы проводим пилоты по обогащению клиентских данных из онлайн-анкет с учетом Big Data, но только в 2018 году это дало ощутимые результаты.

Технологии приходят к нам из других, более технологичных областей экономики, поэтому банки будут просто вынуждены со всем этим как-то жить. Да, в ближайшие год-два это еще можно будет как-то игнорировать, но совершенно понятно, что в 2020 году без Machine Learning банкам будет уже не обойтись. Никакие банковские отделения не смогут обеспечить такой объем трафика, который может сгенерировать эффективно работающий сайт.

ПЛАС: Будет ли эта тенденция поступательной или можно ждать серьезного рывка?

Продолжение материала содержит полезную для вашего бизнеса информацию…

Подписка позволяет читать все статьи портала

Читайте в этом номере: