Penilaian kelayakan kredit oleh profil pelanggan di Facebook, robot untuk mengumpulkan utang dan saran keuangan kepada investor, perang melawan penipu dan perjuangan melawan rutin - bank membutuhkan kecerdasan buatan di hampir semua bidang. Tentang bagaimana AI membantu Sberbank, VTB, Tinkoff Bank, dan organisasi keuangan lainnya menghemat miliaran rubel - dalam ulasan Distrik Biner.
Berapa banyak bank yang dihemat untuk implementasi AI
Menurut
perkiraan perusahaan riset Autonomous Next, pada tahun 2030, bank-bank di seluruh dunia akan dapat mengurangi biaya sebesar 22% dengan bantuan teknologi kecerdasan buatan. Penghematan bisa mencapai $ 1 triliun.
Bank-bank Rusia sudah menghasilkan dan menyimpan banyak uang dengan bantuan AI. Jadi, pada 2017, Sberbank
mendapat tambahan $ 2-3 miliar (laba bersih bank untuk 2017 sekitar $ 11,6 miliar) hanya melalui penggunaan AI dan analisis data dalam mengelola risiko dan penjualan.
Kami memilih tujuh tugas yang diselesaikan bank dengan bantuan kecerdasan buatan, dan melihat manfaatnya bagi mereka.
Tugas apa yang AI bantu untuk selesaikan
1. Periksa peminjam
Penilaian kredit adalah bidang yang paling menjanjikan untuk implementasi AI. Kemampuannya dalam bidang ini digunakan oleh mayoritas bank Rusia yang
disurvei oleh lembaga pemeringkat RA pada tahun 2018 (11 bank mengambil bagian dalam penelitian ini: Tinkoff, Gazprombank, Bank MTS, Bank Kredit Moskow, Bank Standar Rusia, dll.).
Di Sberbank, AI sudah membuat 98% keputusan tentang pemberian pinjaman kepada individu. Risiko kredit dianalisis berdasarkan “jejak digital” pengguna. Menurut kepala bank, German Gref, jejak ini sudah
mencapai 500 MB per hari, dan atas dasar itu "digital I" kedua terbentuk, yang "sangat akurat mengulangi" I "manusia kita.
Risiko kredit dengan badan hukum masih lebih sulit untuk dinilai untuk mobil: di sini, AI hanya dapat
membuat 30% dari keputusan penerbitan.
2. Hancurkan hutang
Area populer kedua penerapan AI di bank adalah robot kolektor. Sberbank juga merupakan pelopor di sini: pada tahun 2016, ia memperkenalkan proyek percontohan anak perusahaannya Active BK. Setahun kemudian, efektivitas robot hampir seperempat (24%) lebih tinggi daripada operator langsung: sehingga lebih sering debitor membayar keterlambatan dalam waktu dua minggu setelah mobil berdering.
Setelah itu, AktivBK bekerja dengan 27 bank lagi (Otkrytie, Binbank, dll.), Pada tahun 2017 area ini membawa perusahaan sekitar 25% dari total pendapatan. Pada musim gugur 2018, VTB
memperkenalkan robot pengumpul setelah tiga bulan operasi pilot.
“Sejauh ini, efektif untuk periode penundaan yang singkat. Waktu bicara rata-rata adalah satu setengah menit, yang sebanding dengan percakapan dengan operator. Jika seorang karyawan melakukan sekitar 200 panggilan sehari, maka untuk robot jumlah ini praktis tidak terbatas, ” kata Anatoly Pechatnikov, Wakil Ketua VTB Dewan VTB dalam sebuah wawancara dengan surat kabar Izvestia.
3. Melawan scammers
Post Bank adalah salah satu yang pertama kali memperkenalkan teknologi biometrik di cabangnya pada tahun 2015. Sekarang, lebih dari empat ribu cabang bank dan 50 ribu toko mitra bank dalam bisnis POS dilengkapi dengan sistem pengenalan wajah. Otentikasi dua faktor - dengan login / kata sandi dan foto - juga diperlukan bagi karyawan bank untuk mendapatkan akses ke sistem CRM dan aplikasi bisnis lainnya.
Pada 2016 dan 2017, ini menyelamatkan Bank Pos total 3 miliar rubel: pada 2016, bank menerima
9,2 ribu aplikasi pinjaman palsu senilai 1,5 miliar rubel, pada 2017 - sekitar
10 ribu aplikasi untuk jumlah yang sama. Sistem membantu mengidentifikasi siapa yang menerima aplikasi ini. Hasil untuk 2018 belum diumumkan.
4. Singkirkan pekerjaan rutin
Alfa-Bank pada 2018 akan
menggantikan orang dengan robot dalam tiga puluh proses bisnis rutin. Setelah otomatisasi dari tujuh proses pertama, penghematan tahunan sebesar 20 juta rubel tercapai. Akibatnya, bank berencana untuk menyimpan hingga 85 juta rubel per tahun.
Bank ditransfer ke robot operasi seperti memproses pembayaran badan hukum dan perorangan, memproses pembayaran tak dikenal, mengurai surat masuk internal, mengubah data pelanggan pada aplikasinya, mengedit perjanjian kredit individu sesuai dengan aplikasinya, serta memposting pembiayaan kontak dan menjawab permintaan standar.
Untuk bekerja dengan program robot, Alfa-Bank menggunakan platform Blueprism (lisensi tiga tahun harganya kurang dari satu juta rubel). Setiap robot menerima workstation virtual, di mana agen Blueprism dan perangkat lunak yang diperlukan untuk pekerjaan diinstal. Selanjutnya, sistem dilatih oleh seseorang yang akrab dengan proses bisnis bank dan dengan teknologi robot pelatihan. Sebelum ini, staf operasi seharusnya tumbuh sebesar 3,3%, tetapi pada akhirnya bank memutuskan untuk tidak mempekerjakan karyawan baru.
5. Bantu klien dengan investasi
Nasihat Robo adalah bidang lain yang menjadi perhatian bank Rusia sejak tahun lalu. Salah satu robot penasihat untuk platform broker investasi Tinkoff diluncurkan oleh Tinkoff Bank pada Juli 2018.
"Hanya dalam beberapa menit, sesuai dengan parameter yang ditetapkan, penasihat robot dapat mengumpulkan portofolio investasi yang seimbang oleh industri dan perusahaan, dengan mempertimbangkan jumlah investasi yang tersedia, dengan rasio pengembalian risiko yang optimal," rilis menjelaskan.
Untuk bulan pertama setelah peluncuran, menurut bank, 42 ribu orang
menggunakan aplikasi tersebut. Secara total, 142 ribu portofolio investasi dihasilkan selama periode ini. Cek rata-rata untuk pembelian aset dengan bantuan penasihat robot adalah 60 ribu rubel dan 1678 dolar AS. Sebagian besar, pengguna membeli sekuritas dalam mata uang rubel.
Sebelumnya, pada tahun 2016, proyek serupa
diluncurkan oleh Sberbank bersama dengan FinEx, AK Bars Bank dan VTB24 (yang terakhir bergabung dengan VTB pada tahun 2018). Pada saat yang sama, penasihat robot mereka - aplikasi yang Tepat - dibuat oleh Conomy.
6. Cari tempat untuk cabang baru
Rosbank pada tahun 2018 menemukan cara lain untuk menggunakan AI - untuk pengembangan jaringan ritel. Tentang ini dalam kolom untuk Perbankan Masa Depan
kata wakil ketua bank Arno Denis. Menurutnya, bank tersebut menggunakan teknologi dari Marketing Logic, yang berspesialisasi dalam geomarketing.
Sistem yang dikembangkan oleh perusahaan ini menggunakan pembelajaran mesin. Dia memperkirakan potensi tempat untuk cabang baru dengan 250 variabel, yang dibagi menjadi tiga kelompok. Kelompok pertama - karakteristik geografis (jarak ke pusat, ke metro, harga per meter persegi, dll.), Lalu lintas kedua (jumlah rute transportasi darat dalam jari-jari berbeda dari lokasi) dan objek ketiga (keberadaan sejumlah pusat perbelanjaan, pusat bisnis, rumah) dan bank).
Dengan menganalisis semua parameter ini dalam beberapa tahun mendatang, bank merencanakan "peningkatan signifikan" dalam kinerja keuangan jaringan cabang. (Sekarang bank memiliki 350 cabang).
7. Jawab di mana gaji jelas dan cepat
Chatbots adalah salah satu cara paling efektif untuk menjawab pertanyaan dari karyawan dan pelanggan 24/7. Menurut hasil survei R-Style Softlab yang dilakukan pada 2017, setiap bank kelima (21%) di Rusia dan CIS siap menggunakan bot, dan sebagian besar organisasi kredit berencana menerapkannya pada 2018.
Salah satu contoh paling sukses di tahun 2018
adalah bot Alfa Bank, yang ia kembangkan untuk para karyawan-pengguna proyek gaji. Sebelum pelaksanaannya, operator bank setiap hari menerima lebih dari seratus panggilan dari kolega dengan pertanyaan tentang kondisi dan aturan untuk membuka rekening koran. Biasanya, ini adalah pertanyaan standar. Setelah mereka diserahkan ke bot cerdas, operator mulai menjawab pertanyaan lain 50 kali lebih cepat.
Selain bot obrolan, secara teoritis bank dapat menggunakan asisten suara. Ini adalah teknologi yang lebih kompleks, hanya ada satu asisten suara yang berfungsi di Rusia - Yandex Alice. Pada bulan Desember 2018, kepala Tinkoff Bank Oleg Tinkov
mengumumkan bahwa bank berencana untuk membuat asisten seperti itu.
“Sejauh ini, sangat sederhana, kami memutuskan untuk memanggil“ Oleg ”. Tapi mungkin kita akan mengubahnya, mungkin kita akan memanggil Ivan, "jelas Tinkov.
Menurutnya, asisten akan membantu pengguna dalam menyelesaikan tugas keuangan dan sehari-hari - misalnya, mentransfer uang atau memesan meja di restoran. Suara Oleg tidak akan sama dengan suara seorang pengusaha. Bank asisten suara lainnya belum berencana untuk mengimplementasikan.
Untuk mempelajari lebih lanjut tentang cara menggunakan pengenalan wajah, jaringan saraf, dan pembelajaran mesin di berbagai bidang bisnis, lihat kursus AI for Business selama dua hari. Pembicara kursus dari Microsoft, Nanosemantics dan Home Credit Bank akan memberi tahu Anda cara menggunakan berbagai jenis AI dan alat apa yang tersedia untuk ini. Intensitas terdekat akan berlangsung pada 30-31 Maret.
Bagi mereka yang ingin belajar bagaimana menggunakan pembelajaran mesin untuk tugas yang berbeda - AI School . Ini ditujukan untuk pengembang yang memiliki keterampilan Python minimal. Kursus terdekat adalah dari 2 Maret hingga 6 April.