Как искусственный интеллект и принятие решений на основе данных могут помочь банковскому делу

Мониторинг бизнеса с помощью ИИ мог бы предотвратить сбой в работе банка Santander

В то время как большинство людей готовились встречать Новый год, британский Santander Bank столкнулся с кризисом. В Рождество примерно 75 000 человек, получили двойные платежи от компаний, имеющих счета в Santander Bank.

Общий ущерб составил 130 млн фунтов стерлингов, и восстановление в таких ситуациях — болезненный процесс как для банка, так и для его клиентов. Все усложняется тем, что многие из тех, кто получил ошибочные средства, являются клиентами других банков. Это огромная ошибка, но можно ли было ее предотвратить?

Предотвращение критических инцидентов с доходами с помощью аналитики ИИ

Для банков, стремящихся не отстать от продолжающегося перехода к цифровому финансовому миру, одной из лучших инвестиций является искусственный интеллект — и причин для это становится все больше. В отчете McKinsey от 2020 года говорится, что ИИ может приносить банкам $1 трлн в год. Однако, как отмечается в отчете, многие банки не могут полностью внедрить ИИ, их сдерживает сочетание устаревших операционных моделей, недостаточных инвестиций в новые технологии и отсутствие четкой стратегии ИТ (в том числе и стратегии применения ИИ).

Правильный подход к мониторингу мог бы предотвратить или, по крайней мере, смягчить последствия инцидента в банке Santander. Похоже, что большинство транзакций произошло в течение короткого времени, в один день и, возможно, в один час. Даже если банк отслеживал этот тип использования, ручные процессы и традиционный мониторинг плохо справляются с быстро развивающимися катастрофами. Модели ИИ гораздо лучше справляются с выявлением аномалий в режиме реального времени и оповещением групп вмешательства до того, как ущерб выйдет из-под контроля.

Чтобы реагировать на дорогостоящие аномалии в режиме реального времени, организациям нужны системы, которые досконально понимают ожидаемое поведение всех компонентов и транзакций. Интеграция машинного обучения и инструментов мониторинга с поддержкой ИИ может помочь в этом процессе, установив четкую базовую линию ожидаемого поведения по любым бизнес-показателям. Такие вещи, как сезонность, поведение клиентов и рутинные операции, помогают этим решениям мониторинга выявлять аномалии сразу после их возникновения.

Все это не означает, что решить эту проблему просто. Напротив, современные банковские системы невероятно сложны, с интегрированными системами и транзакциями, разделенными на множество потоков, и сложным взаимодействием с внешними партнерами (и конкурентами). Человеческое наблюдение с помощью традиционных приборных панелей не в состоянии справиться со всей этой сложностью.

Время отказаться от традиционных процессов

Если банкам и финтех-компаниям нужна причина для внедрения ИИ — помимо его преимуществ — им достаточно взглянуть на свои текущие процессы в связи с быстрыми изменениями в мире финансов и кибербезопасности. Ручной мониторинг и время задержки при поиске и исправлении ошибок в платежах уже не работают. Клиенты ожидают услуг в режиме реального времени. Киберпреступники используют сложные, управляемые машинами методы, которые действуют слишком быстро для человеческого глаза. Без автоматизации с помощью ИИ организации не могут достаточно хорошо оптимизировать операции, чтобы идти в ногу со временем.

Компании онлайн-банкинга, использующие ИИ, повысили скорость обработки кредитных заявок. Устоявшиеся банки используют ИИ для улучшения существующих методов подготовки заявок на кредит, которые, по сравнению с ними, работают со скоростью улитки и часто дают неполную оценку риска. Помимо повышения скорости и точности рассмотрения кредитных заявок, ИИ обеспечивает множество других преимуществ, таких как получение информации в режиме реального времени из нескольких биллинговых систем для быстрого устранения любых сбоев в начислении платы за услуги — еще один способ, который помогает увеличить доходы.

Мы живем в цифровую эпоху — цифровую в смысле автоматизации, а автоматизация должна контролироваться и управляться ИИ. Банки должны работать в режиме реального времени — будь то обслуживание клиентов или мониторинг системы безопасности. Одним словом, они должны сделать ИИ основополагающим компонентом своих стратегических планов, вовлекая в них всех — от высшего руководства до рядовых сотрудников.

Потенциальная отдача от эффективного внедрения ИИ многообещающа. Замена ручного мониторинга на мониторинг и анализ в режиме реального времени упрощает работу, повышает эффективность и улучшает обслуживание клиентов. ИИ не только позволяет сократить расходы за счет автоматизации процессов и уменьшения количества ошибок, но и может помочь получить новые источники дохода за счет более персонализированного обслуживания, что также снижает отток клиентов. Это очень важно для сохранения конкурентоспособности в меняющейся среде, а также для создания новых возможностей для развития бизнеса.

6 лучших практик

Внедрение ИИ — это не просто внедрение новой технологии, это изменение культуры работы финтех-компаний. Оно начинается на самом верху, с фокусом на бизнес, а не только на технологии, и должно стать привычным и интуитивно понятным для всех сотрудников, а не только для ИТ-команд. Следование основным передовым практикам поможет вписать ИИ в бизнес-стратегию организации. Например:

Включите инвестиции в ИИ в стратегические планы организации, а не рассматривайте их отдельно как часть ИТ-бюджета.
Убедитесь, что высшее руководство и совет директоров полностью осознают важность того, как ИИ и другие технологии будут использоваться в бизнесе.
Члены совета директоров и руководители высшего звена должны понимать, как именно ИИ может снизить затраты и увеличить доходы.
Главный специалист по данным организации должен четко донести эту идею до руководства, объяснив ему, что может и чего не может сделать ИИ.
Понять риски, связанные с этой мощной технологией. Высшее руководство должно знать об этических последствиях использования ИИ в бизнесе, а также о тех дилеммах, которые возникали в других отраслях.
Сочетание бизнес-целей и технологий работает в обе стороны, поэтому убедитесь, что команда ИИ понимает бизнес-цели и приоритеты, такие как маркетинговые цели или сокращение узких мест в обработке платежей.

О компании Vesolv:

Vesolv создает решения с использованием искусственного интеллекта для аналитики в режиме реального времени всех типов данных в масштабах предприятия. В отличие от ручных ограничений традиционной бизнес-аналитики, мы предоставляем аналитикам контроль над их бизнесом с помощью решений на основе искусственного интеллекта, чтобы устранить «слепые пятна» и предотвратить инциденты отслеживая первопричины.

Разработка систем бизнес аналитики (BI, business intelligence ) с применением AI/ML
Разработка систем бизнес аналитики (BI, business intelligence ) с применением AI/ML Искусственный интеллект (AI) в системе бизнес-анализа (Business Intelligence). Разработка BI системы. Заказать проект Для чего нужен модуль ИИ? Модуль ИИ (AI) для системы business intelligence интересен в первую очередь компаниям, перед которыми сегодня стоит (или возникнет в ближайшем будущем) задача усовершенствования автоматизированной системы для […]
Разработка систем предиктивной аналитики (predictive analytics), аналитика больших данных, прогнозирование
Разработка систем предиктивной аналитики (predictive analytics), аналитика больших данных, прогнозирование Предиктивная аналитика (ПА) — катализатор для получения прибыли через внедрение инновационных решений. Заказать проект Для чего нужен модуль ПА? Механизмы ПА отвечают за прогнозирование того, что случится в будущем в конкретной отрасли. Предиктивная аналитика понимается как отдельный класс методов анализа данных, связанных с определением моделей […]
Разработка рекомендательных систем и решений на основе Al/ML
Разработка рекомендательных систем и решений на основе Al/ML Рекомендательные системы — программы, которые предсказывают, какие объекты будут интересны пользователю, имея определенную информацию о его профиле. Заказать проект Для чего нужна рекомендательная система на основе машинного обучения? Задача рекомендательной системы – проинформировать пользователя о товаре, который ему может быть наиболее интересен в данный момент времени. Клиент […]
Разработка скоринговых систем (моделей) на основе больших данных, AI/ML
Разработка скоринговых систем (моделей) на основе больших данных, AI/ML Оценка потенциальных заёмщиков для страховых компаний, банков и других финансовых организаций с разработкой индивидуальной модели Application — скоринг, антифрод — скоринг, обогащение данных. Заказать проект Для чего нужна скоринговая система на основе машинного обучения? Виды скоринговых Моделей. Кредитный скоринг Скоринг используется для прогнозирования неплатежей по кредитным […]
Разработка систем ценообразования на основе AI/ML
Разработка систем ценообразования на основе AI/ML Система интеллектуального ценообразования автоматизирует все рутинные операции, связанные с формированием и корректировкой прайс-листов, сопоставлением стоимости с ценами конкурентов, внутренними процедурами по утверждению прайс-листов, отслеживанием текущей ситуации и прогнозированием возможного развития. Заказать проект Для чего нужна ИИ система ценообразования? Для товаров KVI очень важно и выгодно знать ключевых, действительно влияющих […]
Умная обработка текстовых и неструктурированных данных для бизнес процессов, AI/ML/NLP
Умная обработка текстовых и неструктурированных данных для бизнес процессов, AI/ML/NLP Решения для интеллектуальной обработки информации. Заказать проект Для чего нужно ИИ решение по работе с текстовыми данными? Для интеллектуальной обработки информации из любых типов документов: отсканированных бумаг, фотографий, электронных документов, текстов писем и вложений. Решение распознает, классифицирует документы, извлекает данные, проверяет их корректность и передает […]