通过在Facebook上的客户资料，用于向投资者收取债务和财务建议的机器人，对欺诈者的打击以及对常规的打击来评估信誉度-银行几乎在所有领域都需要人工智能。 关于人工智能如何帮助Sberbank，VTB，Tinkoff银行和其他金融组织节省数十亿卢布-在对Binary District的评论中。
多少银行可以节省AI的实施
根据研究公司Autonomous Next
的预测 ，到2030年，借助人工智能技术，世界各地的银行将能够将成本降低22％。 储蓄可能达到1万亿美元。
俄罗斯银行已经在AI的帮助下盈利并节省了大量资金。 因此，2017年，仅通过使用AI和数据分析来管理风险和销售，Sberbank便
获得了额外的23亿美元（该银行2017年的净利润约为116亿美元）。
我们选择了银行借助人工智能解决的七个任务，并研究了它如何使它们受益。
AI可以解决哪些任务
1.检查借款人
信用评分是实施AI的最有希望的领域。 专家RA评级机构在2018年对大多数俄罗斯银行使用了其在这一领域的能力（参与研究的11家银行：Tinkoff，Gazprombank，MTS银行，莫斯科信贷银行，俄罗斯标准银行等）。
在Sberbank中，AI已经做出了98％的关于向个人授予贷款的决定。 信用风险基于用户的“数字足迹”进行分析。 根据该银行的负责人German Gref的说法，该磁道每天已经
达到 500 MB，并在此基础上形成了“第二数字” I“，它非常准确地重复了我们的人类” I”。
对于汽车，法人实体的信用风险仍然更加难以评估：在这里，人工智能只能
做出 30％的发行决策。
2.消除债务
银行中AI的第二个流行应用领域是收款机器人。 Sberbank也是这里的先驱：2016年，他介绍了其子公司Active BK的试点项目。 一年后，该机器人的效率比现场操作员高出近四分之一（24％）：因此，债务人更经常在汽车响起后两周内支付延误。
此后，AktivBK与另外27家银行（Otkrytie，Binbank等）合作，2017年，该方向使该公司约占总收入的25％。 在三个月的试运行之后，VTB在2018年秋天
推出了一个收尘器机器人。
“到目前为止，它对于短暂的延迟是有效的。 平均通话时间为一个半分钟，相当于与操作员通话的时间。 VTB董事会副主席Antoly Pechatnikov在接受Izvestia报纸采访时说： “如果一个雇员每天要打200个电话，那么这个数字几乎是无限的。”
3.打击诈骗者
2015年，邮政银行是率先在其分支机构引入生物识别技术的公司之一。 现在，该银行的4,000多家分支机构和POS合作伙伴的5万家商店都配备了面部识别系统。 对于银行员工来说，通过登录名/密码和照片进行两步验证也是必需的，以便能够访问CRM系统和其他业务应用程序。
在2016年和2017年，这为邮政银行总共节省了30亿卢布：2016年，该银行收到
9.2万笔欺诈性贷款申请，价值15亿卢布，2017年-约有
1万笔申请相同数量。 该系统有助于识别谁收到了这些申请。 2018年的结果尚未公布。
4.摆脱日常工作
2018年，Alfa-Bank将在三十个常规业务流程中用机器人
代替人们。 经过前七个过程的自动化，每年可节省2000万卢布。 结果，该银行计划每年节省多达8500万卢布。
银行将处理法人和个人的付款，处理未确认的付款，解析内部传入的邮件，更改其应用程序上的客户数据，根据其应用程序编辑个人的信贷协议以及过帐融资联系人和回答标准请求等操作转移给了机器人。
为了使用机器人程序，阿尔法银行使用了Blueprism平台（三年的许可费用不到一百万卢布）。 每个机器人都有一个虚拟工作站，上面安装了Blueprism代理和工作所需的软件。 此外，该系统由熟悉银行业务流程和培训机器人技术的人员进行培训。 在此之前，运营人员原本应该增长3.3％，但最终银行决定不雇用新员工。
5.帮助客户进行投资
自去年以来，机器人咨询是俄罗斯银行越来越感兴趣的另一个领域。 Tinkoff Bank于2018年7月推出了一种针对其Tinkoff投资经纪平台的顾问机器人之一。
该新闻稿解释说：“根据设定的参数，机器人顾问可以在短短几分钟之内就组装出行业和公司平衡的投资组合，同时考虑可用的投资额和最佳的风险收益率。”
据该银行称，在启动后的第一个月内，有4.2万人
使用了该应用程序。 在此期间，总共产生了14.2万个投资组合。 在机器人顾问的帮助下，购买资产的平均支票为6万卢布和1678美元。 通常，用户购买卢布计价的证券。
2016年初，Sberbank与FinEx，AK Bars Bank和VTB24（后者于2018年加入VTB）一起
发起了类似的项目。 同时，他们的机器人顾问-Right应用程序-由Conomy创建。
6.寻找新分支的地方
罗斯银行（Rosbank）在2018年发现了另一种使用AI的方式-零售网络的开发。 未来银行的专栏文章中对此
表示了看法。 据他介绍，该银行使用了专门从事地理营销的Marketing Logic技术。
该公司开发的系统使用机器学习。 她通过250个变量将新分支的位置潜力进行了估计，这些变量分为三组。 第一组-地理特征（到市中心，到地铁的距离，每平方米价格等），第二组-交通（与所在位置不同半径的陆路运输路线的数量），第三组-对象（存在许多购物中心，商业中心，房屋和银行）。
通过分析未来几年的所有这些参数，该银行计划对分支机构网络的财务绩效进行“大幅提高”。 （现在银行有350个分支机构）。
7.回答薪水清晰，快速的地方
聊天机器人是24/7全天候回答员工和客户问题的最有效方法之一。 根据2017年进行
的 R-Style Softlab调查结果，俄罗斯和独联体国家每五分之一的银行（21％）准备使用机器人，大多数信贷组织计划在2018年实施它们。
2018年最成功的例子之一
是阿尔法银行（Alfa Bank）机器人，他为员工-薪水项目用户开发了该机器人。 在实施之前，银行运营商每天收到来自同事的一百多个电话，询问开设经常账户的条件和规则。 通常，这些是标准问题。 将它们移交给智能机器人后，操作员开始以50倍的速度回答其他问题。
除了聊天机器人之外，理论上银行还可以使用语音助手。 这是一项更为复杂的技术，在俄罗斯只有一个工作语音助手-Yandex Alice。 Tinkoff银行负责人Oleg Tinkov在2018年12月
宣布 ，该银行计划创建这样的助手。
“到目前为止，非常谦虚，我们决定将其命名为“ Oleg”。 但是也许我们会改变它，也许我们会叫伊万，”廷科夫解释说。
据他介绍，该助手将帮助用户解决财务和日常任务-例如，转账或在餐厅预订桌子。 奥列格的声音不会与商人一样。 其他银行的语音助手尚不打算实施。
要了解有关如何在业务的不同领域使用面部识别，神经网络和机器学习的更多信息，请参阅为期两天的AI for Business课程。 Microsoft，Nanosemantics和Home Credit Bank的课程演讲者将告诉您如何使用不同类型的AI以及适用于此的工具。 最近的密集课程将于3月30-31日举行。
对于那些想学习如何将机器学习用于不同任务的人-AI School 。 它适用于具有最低Python技能的开发人员。 最近的课程是从3月2日到4月6日。