CC BY
100Проблемы внедрения технологий искусственного интеллекта в банках и пути их преодоления
Городецкая Ольга Юрьевна,
кандидат экономических наук, доцент Департамента анализа данных и машинного обучения, Финансовый университет при Правительстве Российской Федерации, OGorodetskaya@fa.ru
Гобарева Яна Львовна,
кандидат экономических наук, доцент Департамента анализа данных и машинного обучения, Финансовый университет при Правительстве Российской Федерации, YGgobareva@fa.ru
В статье обсуждается проблематика применения систем искусственного интеллекта в банках. Выявлены основные направления использования интеллектуальных технологий в банковской сфере. Рассмотрены возможности технологий искусственного интеллекта как инструмента повышения конкурентоспособности российских и иностранных кредитных организаций, и направления их наиболее перспективного использования. Выделены основные факторы, препятствующие внедрению технологий искусственного интеллекта в банках. Обсуждаются проблемы внедрения технологий искусственного интеллекта кредитными организациями. Обоснована целесообразность внедрения инструментов сквозной поддержки бизнес-процессов банка на основе формирования межфункциональных рабочих команд, обладающих собственными ресурсами и имеющих свою систему показателей оценки эффективности функционирования. Выявлена необходимость интеграции банковских приложений с программно-аппаратными средствами поддержки экосистем партнёров банка. Представлены доводы о целесообразности внедрения технологий искусственного интеллекта в процессы принятия решений при реализации всех ключевых бизнес-процессов банка. Предложены направления развития банковских технологических платформ в целях их более полного соответствия процессам комплексной трансформации банковской деятельности на базе технологий искусственного интеллекта.
Ключевые слова: банки, искусственный интеллект, финансовые услуги, риски, комплексный подход, трансформация деятельности, взаимодействие с клиентами, операционная модель, принятие решений, технологическая инфраструктура.
В настоящее время резко ускоряются темпы внедрения систем искусственного интеллекта (ИИ) во многих сферах человеческой деятельности. По данным Стэндфордского университета корпоративные инвестиции в технологии ИИ выросли с 48,9 млрд. долл. в 2019 году до 67,9 млрд. долл. в 2020 году, то есть практически на 40% всего за один год. И это несмотря на пандемию COVID-19 и вызванный ею экономический спад. При этом объем корпоративных инвестиций в 2017 г. оценивался величиной 44 млрд. долл. То есть динамика данного показателя резко увеличилась по сравнению с периодом 2017-2019 гг. [12, с.93].
Для координации усилий в данном направлении разрабатываются национальные и международные программы. Впервые такую программу представила Канада в 2017 году. За ней последовали Китай и Япония, в том же году принявшие свои национальные программы развития систем ИИ. Далее, в 2018-2020 гг. уже более 30 стран (включая Россию) утвердили похожие документы. В 2021 году более 20 стран также указали на то, что разрабатывают собственные стратегии развития ИИ [12, с.154-155].
В России в 2019 году был принят Указ Президента о Национальной стратегии развития искусственного интеллекта на период до 2030 года [1]. В 2020 году вышло распоряжение Правительства РФ о принятии «Концепции развития регулирования отношений в сфере технологий искусственного интеллекта и робототехники на период до 2024 года» [2]. В этих документах определены цели и задачи регулирования отношений в сфере ИИ, обозначены основные проблемы развития и намечены пути их преодоления.
Указанные документы являются частью национальной программы «Цифровая экономика Российской Федерации» и объединяют значительное число специальных мер содействия созданию, внедрению и использованию систем ИИ. В их числе поддержка научных исследований и разработок, развитие образовательных программ в данной области, меры поддержки стартапов и др.
На протяжении многих лет банки одними из первых внедряли многие информационные технологии. Уже в 1960-е годы началось распространение банкоматов, в 1970-е годы активно внедрялись банковские карты и электронные платежные системы, в 2000-х годах нашли широкое распространение системы круглосуточного он-лайн-банкинга, а в 2010-х годах бурное развитие получил мобильный банкинг. Не стали исключением и технологии искусственного интеллекта.
К настоящему моменту уже вполне ясно, что ИИ-технологии станут фундаментом принципиальной трансформации банковской деятельности и породят серьёзные изменения как в структуре финансовых рынков, так и в способах их регулирования. Уже есть немало примеров, когда технологии ИИ позволяли банкам увеличи-
X X
о
го А с.
X
го т
о
2 О
м «
fO
es о es
PÏ
о ш m
X
3
<
m О X X
вать доходы и сокращать расходы только за счёт эффективной интеллектуальной обработки больших массивов данных [9; 10].
По мнению ряда специалистов, внедрение систем ИИ может привести к существенным изменениям в корпоративных структурах и бизнес-моделях банков, появлению новых форм их конкурентной борьбы и способов взаимодействия с клиентами [3; 8; 9; 11; 16; 17]. Всё это скажется на изменении структуры доходов и расходов банков. В частности, предполагается, что технологии ИИ позволят существенно снизить операционные расходы, чему уже имеется немало значимых подтверждений.
Однако, во многих случаях внедрение технологий ИИ носит фрагментарный, несистемный характер, что приводит к немалому числу проблем и недоиспользованию потенциальных возможностей новых технологий.
Направления использования технологий искусственного интеллекта в банках
В 2020 году Кембриджский центр альтернативных финансов (Cambridge Centre for Alternative Finance) провёл масштабный опрос, целью которого было изучение опыта имплементации технологий ИИ в финансовом секторе экономики [18]. Были опрошены полторы сотни специалистов из 33 стран. Чуть больше половины из них представляли финтех-компании и чуть меньше половины были сотрудниками банков.
По результатам опроса было выявлено, что около 80% участников считают, что ИИ-технологии уже в краткосрочной перспективе станут одним из основных драйверов развития рынка финансовых услуг. Почти 80% опрошенных указали на то, что внедряют системы ИИ для решения задач управления рисками, увеличения доходов за счёт новых продуктов и услуг, привлечения клиентов и повышения качества их обслуживания, реинжиниринга бизнес-процессов, повышения эффективности инвестиций и управления активами [18].
В соответствии с данными, полученными по результатам исследования, проведённого Business Insider Intelligence [14], за счёт внедрения технологий ИИ во фронт- и мидл-офисах банки в 2023 году ожидают получить совокупный эффект в размере порядка 450 млрд. долл. При этом было выявлено, что крупные банки активнее внедряют ИИ-технологии. Так, среди банков с активами более 100 млрд. долл. 75% внедряют ИИ-технологии. Среди банков с меньшими размерами активов внедрение систем ИИ осуществляют только 46%.
В опросе, проведённом канадской компанией OpenText, принимали участие 102 специалиста в области финансовых услуг, представлявших 32 страны мира. Из них 61% составляли топ-менеджеры банков, а остальные являлись специалистами в области информационных технологий [10, с.10]. 80% опрошенных хорошо знакомы с потенциальными выгодами использования технологий ИИ, а по мнению 61% респондентов ИИ-технологии уже являются мейнстримом и в ближайшие годы останутся в этой роли [10, с.11]. По мнению 52% респондентов системы ИИ в коммерческих банках наиболее активно будут применяться в целях предотвращения мошенничества и борьбы с легализацией незаконных доходов [10, с.14]. В качестве других перспективных направлений применения ИИ были указаны: трейдинг на основе машинного обучения, привлечение и обслуживание клиентов, оптимизация операций бэк-офиса [10, с.19].
Российские банки также достаточно активно внедряют технологии ИИ [4]. Уже есть немало примеров их успешного применения в целях персонализации обслуживания клиентов, борьбы с мошенническими операциями, мониторинга рисков, а также автоматизации операций по обработке документов. Некоторые банки начинают активно работать с биометрическими технологиями, используя их как средство надёжной идентификации клиентов. С помощью чат-ботов и голосовых помощников достигается не только экономия операционных затрат фронт-офиса, но и существенно оптимизируются способы взаимодействия с клиентами. В мидл-офисах технологии ИИ дают возможность надёжнее оценивать риски и предотвращать мошеннические операции. Внедрение систем ИИ в бэк-офисах банков позволяет автоматизировать рутинные и весьма трудоёмкие операции.
В 2019 году компаниями SAS и GARP (Глобальная ассоциация специалистов по управлению рисками) был проведён опрос специалистов 14 российских банков и 7 инвестиционных компаний [13]. По его результатам было выявлено, что 11 организаций уже используют те или иные технологии ИИ, а специалисты 5 организаций со всей уверенностью указали, что точно намерены их использовать в ближайшем будущем. В основном ИИ применяется для идентификации клиентов, выявления мошеннических действий, маркетинга. Наиболее перспективными областями применения ИИ были названы: автоматизация бизнес-процессов (52% опрошенных), кредитный скоринг (45%), обработка данных (43%) [13, с.3]. Среди уже использующих технологии ИИ, 81% опрошенных указали на то, что их применение положительно сказалось на бизнесе. По предположению подавляющего большинства из них (более 90% опрошенных), за счёт использования ИИ уже в ближайшие годы удастся повысить производительность труда банковских сотрудников (96%), а также усовершенствовать процессы сбора, накопления и обработки данных [13, с.2, 6].
Оценка влияния технологий ИИ на трансформацию банковской деятельности представлена на рис. 1.
Ппиннтнг решении УРО|1>0 сродного и huiaAiuoro менеджмента
Финансовый
Шк
Трейдинг
О
о
Взлныаденегане с клиентами
Оценка рис* о и .< обеспечении совладения требований
Рисунок 1 - Оценка влияния технологий ИИ на трансформацию банковской деятельности [13].
К настоящему времени Сбербанк по сути дела стал одним из основных федеральных центров компетенций в сфере ИИ. Здесь утверждены принципы этики ИИ, активно используются языковые и речевые аналитические
технологии, внедрены системы распознания документов, поддержки принятия решений, персонализации предложений. При взаимодействии с клиентами активно применяются чат-боты [4]. Особую роль технологии ИИ выполняют при розничном кредитовании, где до 95% заявок обрабатываются полностью автоматически, без участия человека.
Другим лидером в части внедрения ИИ-технологий является «Тинькофф Банк». Здесь даже создано специализированное подразделение, координирующее действия по внедрению концепции AI Banking. Банк активно применяет чат-боты, голосовых ассистентов, сервисы речевой бизнес-аналитики. Разработаны и широко используются уникальные, не имеющие мировых аналогов, технология алгоритмического кешбэка и аналитический сервис AI Research Engine, обеспечивающий поддержку клиентов при принятии ими инвестиционных решений.
Технологии Ии также используют «Газпромбанк», «ВТБ», «Росбанк», «Банк Хоум Кредит», «Россель-хозбанк», «Московский кредитный банк» и некоторые другие [5]. Уже есть немало примеров, когда российским банкам за счёт внедрения технологий ИИ удавалось значительно увеличить доходы путём персонализации услуг и продуктов, благодаря автоматизации существенно снижать операционные затраты, а за счёт эффективных аналитических инструментов обработки больших данных выискивать новые резервы развития.
Однако следует отметить, что пока большинство российских банков не слишком охотно внедряют системы бизнес-аналитики. Пока нечасто используются методы машинного обучения для решения задач финансового планирования, управления рисками, управления ликвидностью и капиталом, анализа финансовых результатов и т.п.
В исследовании «Эксперт РА» [5] показано, что наибольших результатов от применения технологий ИИ отечественные банки ожидают при решении задач кредитного скоринга, выявления мошеннических операций, взыскания долгов, автоматизации работы кол-центров, алгоритмической торговли и маркетинга.
Риски и проблемы внедрения банковских технологий искусственного интеллекта
Наряду с неоспоримыми преимуществами, массовое использование систем ИИ при предоставлении финансовых услуг порождает разнообразные риски. В их числе нарушение конфиденциальности и дискриминация при использовании ИИ. Более половины респондентов опроса [18] указали их в качестве важнейших и вызывающих особое беспокойство. При этом многие из опрошенных считают, что с этими проблемами крайне сложно бороться.
Большинство банков внедряют технологии ИИ лишь для решения отдельных, пусть и довольно важных задач. Массовое внедрение ИИ могут себе позволить только очень крупные банки. Но и здесь широта их применения в некотором смысле ограничена, поскольку всё равно ориентирована на частные задачи, а не на комплексный подход. В этой связи актуальной является проблематика переосмысления подходов к внедрению технологий ИИ и выработки системных представлений о полной трансформации банковской деятельности на их основе [3; 11; 15; 17].
Предоставление финансовых услуг перестаёт быть прерогативой классических банков [7; 16]. Новые цифровые экосистемы, включающие множество финансовых
услуг, успешно создаются крупными ^-компаниями. Самый яркий пример - инфраструктура WeChat в Китае. Внутри неё пользователям доступны не только традиционные ^-сервисы, но и возможности получения денежных средств на электронные кошельки, оплаты ими товаров и услуг, получение кредитов и т.д. Перевод значительной части банковских услуг в такого рода цифровые экосистемы требует от банков переосмыслить свою роль и, фактически, стать их составной и неотъемлемой частью. Важно отметить, что крупные ^-компании, как поставщики финансовых сервисов, имеют немало конкурентных преимуществ перед банками, поскольку обладают большой сетью клиентов, накопили огромные объёмы данных, позволяющих выстраивать эффективные модели взаимодействия с клиентами, а также имеют высокие компетенции по масштабированию инновационных технологий, включая технологии ИИ. Такие компании уже широко распространили своё влияние при осуществлении платежных операций, а также в области страхования и кредитования. Вполне очевидно, что они и дальше продолжат экспансию на рынке финансовых услуг. Очевидно, что данное обстоятельство существенно усиливает конкуренцию в сфере оказания финансовых услуг и ставит перед традиционными банками новые задачи.
Респонденты опроса, результаты которого представлены в [18], основными проблемами, сдерживающими внедрение технологий ИИ в банках, назвали:
- низкую доступность и качество данных;
- недостаточное понимание возможностей и перспектив ИИ стейкхолдерами;
- недостаток квалифицированных специалистов;
- большие затраты;
- длительные сроки окупаемости инвестиций;
- большие сложности с интерпретацией результатов, вырабатываемых системами ИИ.
В России банки сталкиваются с теми же проблемами [8]. При этом здесь особое значение имеют высокие затраты на внедрение технологий ИИ и длительность сроков окупаемости инвестиций. В силу этого их внедрение становится доступным лишь крупным банкам, что и объясняет их неоспоримое лидерство в данном направлении. Негативным следствием данного обстоятельства являются риски дальнейшей монополизации рынка финансовых услуг крупными финансовыми организациями.
Значимость факторов, сдерживающих применение технологий ИИ в банках, представлена на рис. 2.
Несоответствие политикам Безопасности
Низкая вероятность валицации мололи регулятором как осно вы для IRB-подхода
Сложности в интерпретации результатов при использовании нелинейных моделей
Разразненноотьданнын и информационных систем/отсутствие необходимой инфраструктуры
Нехватка компетенций у сотрудников Банка
Высокая стоимость решений
Рисунок 2 - Значимость факторов, сдерживающих применение технологий ИИ в банках [5].
X X О го А С.
X
го m
о
2 О
м
CJ
fO
сч о cs
fO
о ш m
X
3
<
m О X X
Особое значение для российских банков имеет нехватка специалистов соответствующего профиля. Проведённый в декабре 2019 года опрос ВЦИОМ [5; 6] показал, что около 70% опрошенных указали на этот фактор, как на один из важнейших. Это проблема не только для кредитных организаций, но и для множества других отраслей экономики, а потому и ставит новые задачи для всей системы российского образования в целом. В то же время, следует отметить, что данная проблема нашла отражение в Национальной стратегии развития искусственного интеллекта на период до 2030 года, которая предусматривает существенное расширение программ подготовки специалистов данного профиля. Есть основания полагать, что её решение будет успешным, поскольку в России есть университеты, имеющие хорошую научно-технологическую базу и соответствующий научно-педагогический персонал.
Представлено любопытное исследование Стэндфордского университета, проведённое в 2020 году [12]. В нём оценивались возможности 73 ведущих университетов мира по подготовке специалистов в области иИ. В число 18 наиболее продвинутых в данной сфере учебных учреждений попали 8 университетов из США, по 2 из Германии, Китая и России (Высшая школа экономики, Московский физико-технический институт), а также по одному университету из Бельгии, Великобритании, Канады и Швейцарии [12, с.111].
Особо отметим, что внедрению систем ИИ нередко препятствует определённая закостенелость традиционных организационных структур банков. Обычно она выстраивается вокруг отдельных направлений бизнеса и ориентирована на централизацию функций. А существующие автоматизированные банковские системы (АБС) часто представляют собой некий монолит, обслуживающий централизованный функционал финансовых технологий банка и поддерживающий их бизнес-аналитики. При этом согласование стратегических целей, определяемых собственниками и высшим менеджментом, с технологическим развитием нередко осуществляется формально, что приводит к существенному удлинению цикла внедрения технологических инноваций.
Весьма существенным фактором сдерживания темпов трансформации банковской деятельности на основе технологий ИИ является недопонимание как персоналом, так и высшим менеджментом, и собственниками, потенциальных возможностей систем ИИ, а также их недостаточная компетентность в данной сфере. В частности, персонал не всегда понимает, как собирать и строить адекватные поставленным задачам массивы данных, что в некотором смысле и объясняет отмеченный ранее факт ограниченного применения российскими банками аналитических инструментов ИИ, основанных на глубоком машинном обучении.
Поэтапное развитие многих АБС с лавинообразным наращиваем их функционала привело к фрагментирова-нию данных и технологий, их обработки по отдельным подразделениям и бизнес-процессам. В результате аналитика становится доступной только по отношению к отдельным операциям, процессам и подразделениям. Такое положение дел плохо совместимо со многими значимыми технологиями ИИ, особенно аналитическими, требующими больших массивов взаимосвязанных данных [11].
Преодоление подобного рода ограничений в целях возможности полноценного внедрения технологий ИИ, бесшовно охватывающего все подразделения и бизнес-
процессы банка, может быть осуществлено только в рамках комплексного подхода, системно связывающего взаимодействие с клиентами, базовые технологии и операционные модели с системами принятия решений на платформе технологий ИИ [11]. Раздельно рассмотрим некоторые ключевые элементы такого подхода.
Взаимодействие с клиентами
Существующие во многих банках модели выстраивания отношений с клиентами и предоставления им тех или иных услуг опираются на традиционные системы управления взаимоотношениями с клиентами (CRM-си-стемы), постепенно накапливающие массивы данных по этим взаимодействиям. Однако зачастую в них фиксируется отнюдь не вся информация, которую потенциально можно «взять» у клиентов. Этим банки существенно отличаются как от многих финтех-компаний, так и гигантов ИТ-бизнеса (поисковые системы, социальные сети и т.д.; далее - бигтех-компании), которые запоминают куда более широкий круг данных. Именно эти огромные массивы и применяются ими для формирования самых разных аналитических срезов и поведенческих паттернов клиентов путём применения технологий «добычи данных» (Data Mining). В этой связи банки должны перенимать соответствующий опыт, чтобы не проиграть всё нарастающую конкуренцию финтех- и биг-тех-компаниям на этом поле.
Многие клиенты, взаимодействуя по разным каналам с бигтех- и финтех-компаниями, быстро привыкают к высокому уровню предоставляемого ими сервиса, и потому вправе ожидать того же уровня удобств и от обслуживающих их банков. При этом и сами сервисы должны быть как можно полнее персонифицированы.
В этой связи представляется весьма перспективной концепция «Jobs To Be Done» («Работа, которая должна быть выполнена»). Её суть состоит в том, чтобы уже при проектировании ориентироваться на такой функционал и интерфейс продукта, который реально нужен клиенту и соответствует его пожеланиям. Это существенно отличается от традиционной ориентации на стандартизированные банковские продукты и приложения. Во многих случаях это требует не только и не столько персонификации самих банковских продуктов, сколько интеграции последних с небанковскими продуктами и услугами, так или иначе связанными с осуществлением банковских финансовых транзакций.
Это означает, что клиентские приложения банка должны поддерживать не только взаимодействие клиентов с ним самим, но и с программно-аппаратным обеспечением экосистем его партнеров. Это не только позволит клиентам в полной мере воспользоваться всеми преимуществами партнёрских экосистем, но и привлекать к его собственным услугам всё новых и новых клиентов через партнёрские каналы [9; 15].
Реструктурирование технологической поддержки операционной модели
В настоящее время во многих банках специализированные на той или иной функции подразделения работают в определённой изоляции друг от друга. Такое положение дел не позволяет осуществлять полноценное согласование приоритетов подразделений, их целей, а также действий по их достижению. В этой связи более целесообразной представляется модель внутренних взаимодействий, основанная на межфункциональных рабочих командах, включающих сотрудников различных
подразделений, так или иначе задействованных в исполнении сквозных бизнес-процессов. Такие команды могут контролировать собственные ресурсы: кадровый состав, бюджет, технологические решения, программно-аппаратную инфраструктуру и т.д., предоставляемые им для достижения заранее запланированных уровней ключевых показателей эффективности, конкретно установленных для каждой из них.
Результатом функционирования подобных команд должен быть некоторый специфический набор продуктов и услуг, ориентированных как на клиентов банка, так и на другие производственные команды. Это позволит преодолеть внутреннюю разобщённость функциональных подразделений, качественно изменить к лучшему процессы согласования целей и их приоритетов внутри организации, а также благотворно скажется на гибкости и сроках исполнения большинства производственных операций.
Разумеется, для поддержки функционирования таких команд необходимы и существенные трансформации программно-аппаратной инфраструктуры банка. Это означает необходимость перевода АБС с монолитно ориентированных на поддержку функциональных подразделений блоков на гибкую модульную структуру, при которой отдельные модули взаимодействуют через API-интерфейсы, то есть через совокупности инструментов взаимодействия программ друг с другом.
Выработка решений на платформе технологий искусственного интеллекта
Передовой опыт показывает, что использование технологий ИИ уже во многих случаях позволяет существенно снизить потребность в сотрудниках банка. Типичным примером является Сбербанк, где решения по предоставлению розничных кредитов в подавляющем числе случаев уже принимаются полностью автоматизировано. Другим примером существенного снижения трудоёмкости является применение чат-ботов и голосовых помощников в деятельности кол-центров многих банков. Здесь автоматизированные системы распознавания текста и речи позволяют практически полностью устранить реального сотрудника при ответах на часто задаваемые типовые вопросы. При этом высвободившееся время сотрудников позволяет им больше внимания уделять более сложным консультациям клиентов, что повышает удовлетворённость последних, а, следовательно, и лояльность. За счёт использования технологий ИИ возможно качественное улучшение состояния дел с предотвращением мошеннических операций и управлением рисками. Также имеются свидетельства и о возможностях ИИ как инструмента ускорения документооборота [7; 9].
Однако принятие решений на основе систем ИИ пока носит точечный характер, затрагивая лишь решение отдельных, локальных задач. Системная трансформация деятельности банков на основе технологий ИИ должна ориентироваться на формирование специфической «дорожной карты» сквозного анализа данных в целях выработки комплекса взаимосвязанных решений, затрагивающих, если и не все, то, по крайней мере, смежные направления деятельности. Такая «дорожная карта» должна основываться на реализации мер развитого аналитического моделирования бизнес-процессов, задей-ствующего большие массивы данных и сложные алгоритмы машинного обучения. Это требует имплемента-ции технологий ИИ во все или хотя бы в большинство
наиболее значимых бизнес-процессов банка. Пока эти возможности задействуются в недостаточном соответствии с их внутренним потенциалом.
Развитие технологической и информационной инфраструктуры
Полноценное бесшовное внедрение и эксплуатация технологий ИИ во все особо значимые бизнес-процессы банка требует наличия интегрированного, масштабируемого и гибко адаптируемого к возможным изменениям комплекса программно-аппаратных средств. По нашему мнению, наиболее общими технологическими особенностями такого комплекса инструментов являются:
- интеллектуальное управление данными;
- гибкая система межпрограммных взаимодействий способных поддерживать доступ к данным, продуктам и услугам, как внутри самого банка, так и вне его;
- интеллектуальная интеграция всех задействованных в функционировании банка информационных технологий.
При реализации этих требований особое значение приобретают облачные сервисы, не только позволяющие упростить внедрение технологических инноваций, но и во многих случаях существенно снизить стоимость владения программно-аппаратными ресурсами. К сожалению, до сих пор российские банки не слишком доверяют такого рода решениям и не решаются переводить базовые сервисы на облачные платформы. Впрочем, оценка экономической целесообразности использования облачных платформ является предметом особого рассмотрения и выходит за рамки тематики данной статьи.
Особое значение для трансформации технологической инфраструктуры банка имеет её как можно более полная интеграция с инфраструктурой, поддерживающей экосистемы его партнёров. Здесь необходимо задействовать современные подходы к совместному накоплению, хранению и эксплуатации данных, а также инструментарий "песочниц" как средства безопасного исполнения программ.
Выводы
Предшествующее изложение позволяет сделать следующие основные выводы.
1) Внедрение систем ИИ в банках является одним из важнейших трендов их развития в ближайшем будущем.
2) Важнейшими направлениями применения технологий ИИ в банковской сфере являются: решение задач кредитного скоринга, выявления мошеннических операций, автоматизации работы по обслуживанию клиентов и персонализации маркетинга.
3) Масштабное внедрение систем ИИ в России пока могут позволить себе лишь крупные банки.
4) Трансформация деятельности банка на основе технологий ИИ позволяет увеличить его доходы, существенно уменьшить операционные издержки, переводит на качественно новый уровень взаимодействие с клиентами и управление рисками, повышая его общую конкурентоспособность.
5) Технологии ИИ многими банками пока внедряются только для решения отдельных локальных задач. Однако полное задействование потенциальных возможностей ИИ возможно только в рамках его бесшовной интеграции во все наиболее значимые бизнес-процессы кредитной организации.
X X
о
го А с.
X
го т
о
2 О
м
Сл>
fO CS
о
CS
ci
о ш m
X
3
<
m О X X
6) Клиентские приложения банка должны быть полноценно интегрированы с технологическими платформами экосистем его партнеров.
7) Пределы накопления данных о взаимодействиях с клиентами должны быть существенно расширены за рамки номенклатуры данных, обслуживаемой традиционными CRM-системами, что позволит полнее задействовать аналитические инструменты Больших Данных.
8) Операционные модели банка целесообразно реструктурировать за счёт создания и выработки регламентов функционирования межфункциональных рабочих команд, имеющих свои ресурсы и критерии оценки эффективности деятельности.
9) Следует всемерно развивать инструментарий поддержки принятия решений на основе аналитических инструментов ИИ применительно ко всем значимым бизнес-процессам банка.
10) Технологическая инфраструктура банка должна основываться на совокупности масштабируемых и гибко взаимодействующих друг с другом программных компонент, поддерживающих интерфейсы взаимодействия с программно-аппаратными средствами экосистем партнёров банка.
Литература
1. Указ Президента РФ от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации» // Президент РФ: официальный сайт. - 2019. - URL: http://www.kremlin.ru/acts/bank/44731 (дата обращения 10.02.2023..
2. Распоряжение Правительства РФ от 19.08.2020 № 2129-р «Об утверждении Концепции развития регулирования отношений в сфере технологий искусственного интеллекта и робототехники на период до 2024 г.» // Информационно-правовой портал Гарант.ру. - 2020. - URL: https://www.garant.ru/products/ipo/prime/doc/74460628/ (дата обращения 10.02.2023..
3. Бердышев А.В. Искусственный интеллект как технологическая основа развития банков // Вестник университета. -М., 2018. - № 5. - С. 91-94.
4. Городецкая О.Ю., Гобарева Я.Л. Основные направления использования и развития систем искусственного интеллекта в банковской сфере // РИСК: Ресурсы, Информация, Снабжение, Конкуренция, 2022. -№ 4. - С. 127-134.
5. Искусственный интеллект в банковском секторе // Эксперт РА. - 2018. - 15.11. - URL: https://www.raexpert. ru/researches/banks/bank_ai2018/ (дата обращения 10.02.2023..
6. Искусственный интеллект и бизнес: есть контакт? // ВЦИОМ. - 2019. - 12.12. - URL: https://wciom.ru/analytical-reviews/analiticheskii-obzor/iskusstvennyj-intellekt-i-biznes-est-kontakt (дата обращения 10.02.2023..
7. Матвеевский С.С., Бердышев А.В. Fintech-компа-нии и их взаимодействие с банками: международный и российский опыт // Вестник университета. - М., 2020. - № 11. - С. 174-180.
8. Туркина Д.Е. Три ключевые проблемы внедрения искусственного интеллекта в российских банках на современном этапе развития экономики // Инновации и инвестиции. - 2018. - № 12. - С. 335-336.
9. Agarwal A., Singhal Ch., Thomas R. AI-powered decision making for the bank of the future // McKinsey & Company. -2021. - March. - URL: https://www.mckinsey.com/~/media/mckinsey/industries/fin
ancial%20services/our%20insights/ ai%20powered%20decision%20making%20for%20the%20 bank%20of%20the%20future/ai-powered-decision-making-for-the-bank-of-the-future.pdf (дата обращения 10.02.2023..
10. AI in financial services: next steps to realising the potential // Waterloo (Ontario.: OpenText. - 2018. - URL: https://www.opentext.com/info/ai-financial-services/ai-financial-services-report (дата обращения 10.02.2023..
11. AI-bank of the future: Can banks meet the AI challenge? / Biswas S., Carson B., Chung V., Singh Sh., Thomas R. ; McKinsey & Company. - 2020. - 19.09. - URL: https://www.mckinsey.com/industries/financial-services/our-insights/ai-bank-of-the-future-can-banks-meet-the-ai-challenge (дата обращения 10.02.2023..
12. Artificial Intelligence Index Report 2021. - Stanford, CA : Stanford University, 2021. - March. - 221 р. - URL: https://aiindex.stanford.edu/wp-content/uploads/2021/03/2021-AI-Index-Report_Master.pdf; URL: https://www.sas.com/ content/dam/SAS/documents/marketing-whitepapers-ebooks/third-party-whitepapers/en/artificial-intelligence-banking-risk-management-110277.pdf (дата обращения 10.02.2023..
13. Artificial intelligence in banking and risk management: Keeping pace and reaping benefits in a new age of analytics. - Cary : SAS, 2018. - 8 p. - URL: https://www.sas.com/content/dam/SAS/documents/marketi ng-whitepapers-ebooks/third-party-whitepapers/en/artificial-intelligence-banking-risk-management-110277.pdf (дата обращения 10.02.2023..
14. Digalaki E. The impact of artificial intelligence in the banking sector & how AI is being used in 2021 // Business Insider. -2021. - 13.01. - URL: https://www.businessinsider.com/ai-in-banking-report (дата обращения 10.02.2023..
15. Magana G. AI in banking // Business insider intelligence. - 2020. - October. - URL: https://store.businessinsider.com/pro ducts/ai-in-banking-and-
payments?IR=T&itm_source=businessinsider&itm_medium =content_marketing&itm_campaign= report_teaser&itm_content=buy_button&itm_term=buy_butt on_link-ai-in-banking-report&vertical=banking# (дата обращения 10.02.2023..
16. The new physics of financial services: Understanding how artificial intelligence is transforming the financial ecosystem / World Economic Forum Report. - Deloitte, 2018. - 28 p. - URL: https://www2.deloitte.com/content/dam/Deloitte/cz/ Documents/financial-
services/Deloitte_WEF_FS_AI_Summary_2018.pdf (дата обращения 10.02.2023..
17. Reimagining customer engagement for the AI bank of the future / Chung V., Gomes M., Rane S., Singh Sh., Thomas R // McKinsey & Company. - 2020. - October. -URL:
https://www.mckinsey.com/~/media/McKinsey/Industries/Fi nancial%
20Services/Our%20Insights/Reimagining%20customer%20 engagement%20for%20the%20AI%20bank%20of%20the %20f uture/reimagining-customer-engagement-for-ai-bank-of-future.pdf?shouldIndex=false (дата обращения 10.02.2023..
18. Transforming paradigms: A global AI in financial services survey. - Cambridge, Cologny / Geneva :
Cambridge Centre for Alternative Finance : World Economic Forum, 2020. - 128 p. - URL: http://www3.weforum.org/docs/WEF_AI_in_ Financial_Services_Survey.pdf (дата обращения 10.02.2023..
Problems of implementation of artificial intelligence technologies in
banks and ways to overcome them Gorodetskaya O.Y., Gobareva Y.L.
Financial University under the Government of the Russian Federation JEL classification: C01, C02, C1, C4, C5, C6, C8_
The article discusses the problems of using artificial intelligence systems in banks. The main directions of the use of intellectual technologies in the banking sector are identified. The possibilities of artificial intelligence technologies as a tool for increasing the competitiveness of Russian and foreign credit institutions, and the directions of their most promising use are considered. The main factors hindering the introduction of artificial intelligence technologies in banks are identified. The problems of introducing artificial intelligence technologies by credit institutions are discussed. The expediency of introducing tools for end-to-end support of bank business processes based on the formation of cross-functional work teams that have their own resources and have their own system of indicators for evaluating the effectiveness of functioning is substantiated. The need for integration of banking applications with software and hardware to support the ecosystems of the bank's partners has been identified. Arguments are presented on the advisability of introducing artificial intelligence technologies into decision-making processes in the implementation of all key business processes of the bank. Directions for the development of banking technological platforms are proposed in order to better comply with the processes of complex transformation of banking activities based on artificial intelligence technologies. Keywords: banks, artificial intelligence, financial services, risks, integrated approach, business transformation, customer interaction, operating model, decision making, technological infrastructure. References
1. Decree of the President of the Russian Federation of October 10, 2019 No.
490 "On the development of artificial intelligence in the Russian Federation" // President of the Russian Federation: official website. -2019. - URL: http://www.kremlin.ru/acts/bank/44731 (accessed 10.02.2023..
2. Decree of the Government of the Russian Federation of August 19, 2020
No. 2129-r "On approval of the Concept for the development of regulation of relations in the field of artificial intelligence technologies and robotics for the period up to 2024" // Information and legal portal Garant.ru. - 2020. - URL: https://www.garant.ru/products/ipo/prime/doc/74460628/ (accessed 10.02.2023..
3. Berdyshev A.V. Artificial intelligence as a technological basis for the
development of banks. Bulletin of the University. - M., 2018. - No. 5. - S. 91-94.
4. Gorodetskaya O.Yu., Gobareva Ya.L. The main directions of use and
development of artificial intelligence systems in the banking sector // RISK: Resources, Information, Supply, Competition, 2022. - No. 4. - P. 127-134.
5. Artificial intelligence in the banking sector // Expert RA. - 2018. - 15.11. -
URL: https://www.raexpert. ru/researches/banks/bank_ai2018/ (accessed 10.02.2023..
6. Artificial intelligence and business: is there a contact? // VCIOM. - 2019. -
12.12. - URL: https://wciom.ru/analytical-reviews/analiticheskii-obzor/iskusstvennyj-intellekt-i-biznes-est-kontakt (accessed
10.02.2023..
7. Matveevsky S.S., Berdyshev A.V. Fintech companies and their interaction
with banks: international and Russian experience // University Bulletin. -M., 2020. - No. 11. - S. 174-180.
8. Turkina D.E. Three key problems of introducing artificial intelligence in
Russian banks at the present stage of economic development // Innovations and investments. - 2018. - No. 12. - S. 335-336.
9. Agarwal A., Singhal Ch., Thomas R. Al-powered decision making for the
bank of the future // McKinsey & Company. -2021. March. - URL: https://www.mckinsey.com/~/media/mckinsey/industries/financial%20se rvices/our%20insights/
ai%20powered%20decision%20making%20for%20the%20bank%20of %20the%20future/ai -powered-decision-making-for-the-bank-of-the-future.pdf (accessed 10.02.2023..
10. Al in financial services: next steps to realizing the potential // Waterloo (Ontario.: OpenText. - 2018. - URL: https://www.opentext.com/info/ai-financial-services/ai-financial-services-report (accessed 10.02.2023..
11. Al-bank of the future: Can banks meet the Al challenge? / Biswas S., Carson B., Chung V., Singh Sh., Thomas R. ; McKinsey & Co. - 2020. -19.09. - URL: https://www.mckinsey.com/industries/financial-services/our-insights/ai-bank-of-the-future-can-banks-meet-the-ai-challenge (accessed 10.02.2023..
12. Artificial Intelligence Index Report 2021. - Stanford, CA : Stanford University, 2021. - March. - 221 rubles - URL: https://aiindex.stanford.edu/wp-content/uploads/2021/03/2021-AI-Index-Report_Master.pdf; URL: https://www.sas.com/content/dam/SAS/documents/marketing-whitepapers-ebooks/third-party-whitepapers/en/artificial-intelligence-banking-risk-management-110277.pdf (date of access February 10, 2023..
13. Artificial intelligence in banking and risk management: Keeping pace and
reaping benefits in a new age of analytics. - Cary : SAS, 2018. - 8 p. -URL: https://www.sas.com/content/dam/SAS/documents/marketing-whitepapers-ebooks/third-party-whitepapers/en/artificial-intelligence-banking-risk-management-110277.pdf (accessed 10.02.2023..
14. Digalaki E. The impact of artificial intelligence in the banking sector & how Al is being used in 2021 // Business Insider. -2021. - 13.01. - URL: https://www.businessinsider.com/ai-in-banking-report (accessed 10.02.2023..
15. Magana G. Al in banking // Business insider intelligence. - 2020. -October. - URL: https://store.businessinsider.com/pro ducts/ai-in-banking-and-
payments?IR=T&itm_source=businessinsider&itm_medium=content_m arketing&itm_campaign=
report_teaser&itm_content=buy_button&itm_term=buy_button_link-ai-in-banking-report&vertical=banking# (accessed 10.02.2023..
16. The new physics of financial services: Understanding how artificial intelligence is transforming the financial ecosystem / World Economic Forum Report. - Deloitte, 2018. - 28 p. - URL: https://www2.deloitte.com/content/dam/Deloitte/cz/Documents/financial-services/Deloitte_WEF_FS_AI_Summary_2018.pdf (accessed 10.02.2023..
17. Reimagining customer engagement for the Al bank of the future / Chung V., Gomes M., Rane S., Singh Sh., Thomas R // McKinsey & Company. - 2020. - October. - URL: https://www.mckinsey.com/~/media/McKinsey/Industries/Financial%20 Services/0ur%20Insights/Reimagining%20customer%20engagement% 20for%20the%20AI%20bank%20of%20the%20f uture/ reimagining-customer-engagement-for-ai-bank-of-future.pdf?shouldlndex=false (accessed 10.02.2023..
18. Transforming paradigms: A global Al in financial services survey. -Cambridge, Cologny / Geneva : Cambridge Center for Alternative Finance : World Economic Forum, 2020. - 128 p. - URL: http://www3.weforum.org/docs/WEF_AI_in_ Financial_Services_Survey.pdf (accessed 10.02.2023..
X X
о
го А с.
X
го m
о
2 О
м
CJ
