Intersoft Lab рекомендует не переоценивать роль ИИ в банках

Эксперт Intersoft Lab рассказала, что сдерживает применение искусственного интеллекта во внутренних управленческих процессах банков.

Технологии искусственного интеллекта (ИИ) и перспективы их применения стали лейтмотивом редакционного обзора в последнем номере журнала для ИТ-директоров “IT Manager”. По просьбе редакции, Юлия Амириди, заместитель генерального директора Intersoft Lab, поделилась мнением, какое влияние на финансовый сектор может оказать ИИ:

«Объективно ИИ в банках сегодня сосредоточен вокруг методов статистики и машинного обучения, направленных на поиск известных закономерностей в данных и объявление связанных с ними прогнозов, а также распознавания объектов, речи и генерации контента. Поэтому типичные задачи, в которых ИИ находит свое применение – голосовое взаимодействие с клиентами, основанный на анализе клиентских данных скоринг и генерация персонализированных предложений. Существуют попытки применения ИИ в других областях, в частности для прогнозирования ресурсов при подготовке финансовых планов, для проактивного мониторинга за достижением финансовых целей, для риск-прогнозирования и проч., но они не носят массовый характер.

В любом случае, ИИ - это инструмент, обучением которого руководит человек. А значит в тех областях, где он сам пока не сильно продвинулся, человек не задаст машине нужного направления.

Поэтому не стоит переутяжелять влияние ИИ на финансовый сектор. Сегодня он является важной частью цифровой модернизации процессов взаимодействия с клиентами и делает робкие попытки проникнуть во внутренние процессы управления банком. И вряд ли в ближайшей перспективе стоит ожидать большего».

По оценке эксперта, ИИ не принимает решения, а лишь участвует в выработке альтернативных вариантов. Выбор альтернативы, который и является принятием решения, остается за человеком:

«В каких случаях можно всерьез рассматривать альтернативы, сгенерированные ИИ? Если он обеспечивает стабильно высокое качество прогнозов.

Здесь следует принять во внимание, что ИИ - инструмент, чувствительный к глубине и плотности исследуемых данных. Если данные, на которых обучается нейросеть, собираются недавно или разрежены, то качества прогнозов ожидать не приходится. Например, чтобы научить ИИ адекватно прогнозировать ключевые поведенческие характеристики клиентов банка - выход на просрочку и досрочные погашения - потребуется исследовать кредитный портфель банка на глубину от 10 лет.

Кроме того, данные имеют свойство меняться, а «навыки» ИИ устаревать. Чтобы поддерживать высокое качество прогнозирования, необходимо регулярно валидировать прогнозы и дообучать ИИ, актуализируя шаблоны данных и зависимые от них предсказательные алгоритмы».

Познакомиться с редакционного обзора можно здесь.