Искусственный интеллект в финансах: как внедрить, плюсы и минусы технологии

Содержание:

• Как искусственный интеллект помогает бизнесу в управлении финансами
• Как начать внедрять искусственный интеллект
• Примеры ИИ в финансах
• Как понять, что бизнесу нужна своя нейросеть
• Как ИИ способствует постоянным инновациям в финансах
• Преимущества, которые ИИ обеспечит вашему финансовому отделу
• Польза и риски в работе с искусственным интеллектом

Как искусственный интеллект помогает бизнесу в управлении финансами

ИИ существенно улучшает управление финансами благодаря возможностям автоматизации процесса сбора, обработки и анализа больших объёмов данных. ИИ делает это несравнимо быстрее и точнее, чем человек.

Согласно исследованию международной консалтинговой компании McKinsey, внедрение ИИ в финансовые операции позволяет увеличить производительность компании на 20–30%. В банковской сфере решения на базе генеративного ИИ могут принести от 2,8% до 4,7% дополнительной годовой прибыли.

Технология роботизированной автоматизации процессов (RPA) освобождает сотрудников от рутинных задач:

1. Обработки счетов и квитанций: ИИ может автоматически считывать и классифицировать счета и квитанции, извлекая важные данные, такие как суммы, даты и поставщики, и заносить их в систему учета.
2. Сверки банковских счетов: ИИ-системы могут автоматически сравнивать банковские выписки с внутренними учетными записями компании, выявляя и исправляя расхождения.
3. Управления расходами: ИИ может отслеживать и анализировать расходы, автоматически идентифицируя подозрительные транзакции и отклонения от бюджета.
4. Обработки платежей: RPA могут автоматизировать процессы выполнения платежей поставщикам и сотрудникам, обеспечивая их своевременность и точность.

Согласно исследованиям, за счет автоматизации этих и ряда других рутинных операций можно повысить производительность до 35%.

Помогает управлять рисками. ИИ в финансах отслеживает и анализирует рыночные данные. Например, текущие и прошлые экономические индикаторы, финансовые отчетности компаний-контрагентов и др. А ещё прогнозирует различные кредитные, операционные и репутационные риски. Это помогает компаниям принимать более обоснованные решения. 

Персонализирует финансовые услуги. Возможности ИИ в сфере финансов позволяют предлагать клиентам персонализированные продукты и услуги, улучшая их клиентский опыт и удовлетворенность. 

Например, сервисы для инвестирования Betterment и Wealthfront используют ИИ-алгоритмы для анализа финансового состояния клиента. Алгоритмы помогают сервисам выявить предпочтения и цели инвестора и определить уровень его готовности к риску, чтобы предложить индивидуальные инвестиционные стратегии. Такие алгоритмы применяются для автоматического создания и управления портфелем.

Amazon и Netflix используют алгоритмы машинного обучения для анализа покупательского поведения, истории покупок и предпочтений клиентов, чтобы рекомендовать продукты, которые могут быть интересны пользователям. Это позволяет увеличить продажи и улучшить клиентский опыт.

По теме. ИИ пока не принес экономического эффекта

Как начать внедрять искусственный интеллект в сфере финансов

Внедрение комплексных решений на базе ИИ в бизнес требует системного подхода и включает в себя несколько этапов. 

Оцените текущее состояния бизнеса. Проанализируйте процессы, которые можно улучшить с помощью ИИ. Среди таких процессов могут быть обнаружение и предотвращение финансового мошенничества, оценка кредитоспособности заемщиков или компаний-контрагентов, автоматизация бухгалтерского учета и отчетности.

Сформулируйте цели, которых компания хочет достичь с помощью ИИ. Правильная формулировка цели проекта должна быть конкретной, измеримой, достижимой с учётом имеющихся ресурсов и релевантной стратегическим приоритетам компании. Это поможет определить методы достижения, а затем правильно интерпретировать и оценить результаты.

Например, цели внедрения искусственного интеллекта в финансах могут быть такими:

• для обнаружения и предотвращения финансового мошенничества: внедрить ИИ-систему для мониторинга и обнаружения подозрительных транзакций в реальном времени с целью снижения уровня финансового мошенничества на 30% и повышения оперативности реагирования на мошеннические действия на 40%;
• для оценки кредитоспособности заемщиков или компаний-контрагентов: внедрить ИИ-решение для оценки кредитоспособности заемщиков с целью улучшения точности оценки на 20%, сокращения времени обработки заявок на кредит на 40% и снижения риска невозврата заемных средств на 25%;
• для автоматизации бухгалтерского учета и отчетности: разработать ИИ-инструмент для автоматизации бухгалтерских процессов, чтобы снизить количество ошибок на 50% и сократить время на подготовку финансовых отчетов на 30%.

Выберите технологии и инструменты. Среди доступных решений ИИ выберите те, которые лучше всего соответствуют потребностям компании. Выбор зависит от характера решаемой задачи, а также готовности компании к внедрению ИИ с точки зрения технической инфраструктуры и финансовых возможностей. Среди решений может быть как классическое машинное обучение (платформы и библиотеки для обучения нейронных сетей TensorFlow, PyTorch, Keras и др.), так и набирающая популярность технология обработки естественного языка (OpenAI GPT, LLaMA и другие большие языковые модели).

Примеры применения различных типов ИИ в финансах. Источник: Банк России 

Подготовьте персонал. Действительно содержательных и полезных курсов по ИИ в финансах на рынке пока мало. При этом все меняется настолько быстро, что через полгода программы курсов устаревают и требуют серьезной актуализации.

Оптимальным решением может стать получение сотрудниками фундаментальных знаний в области ИИ для понимания ключевых методов машинного обучения, архитектур нейронных сетей, принципов работы с данными, их обработки и визуализации. 

Большим преимуществом будет наличие базовых знаний одного или двух языков программирования. Это позволит самостоятельно делать более сложные MVP продуктов для проверки гипотез, более эффективно использовать возможности таких инструментов, как GitHub, Copilot (инструмент с использованием искусственного интеллекта для помощи пользователям в автодополнении кода).

Нелишним будет периодически проводить тренинги и воркшопы внутри компании. На первых этапах с участием приглашенных спикеров, имеющих соответствующий опыт. 

По мере накопления собственных компетенций обучать других смогут и сами сотрудники. Кроме того, у профильных специалистов должно быть постоянное стремление к самообразованию: например, много актуальной информации на тему ИИ можно бесплатно почерпнуть у англоязычных блогеров на видеохостингах, в группах в Telegram и различных сообществах, таких как Kaggle.

Запустите пилотный проект, который позволит протестировать выбранное решение и оценить его эффективность с минимальными временными и финансовыми затратами. Несмотря на то что пилотный проект — это пробное внедрение, оно также потребует определенных шагов и ресурсов от компании:

1. Выбор подходящего сценария для пилота, т.е. конкретного процесса или задачи, где ИИ может принести наибольшую пользу. Например, прогнозирование спроса, анализ клиентских данных, автоматизация обслуживания клиентов.
2. Формирование команды проекта.
3. Запуск пилотного проекта в рамках выбранного сценария.
4. Оценка результатов. По итогам пилота необходимо собрать обратную связь и оценить соответствие достигнутых результатов заявленным целям. Это позволит принять решение о дальнейшем внедрении и тиражировании. 

Масштабируйте удачное решение. Только после успешного завершения пилотного проекта можно принимать решение о масштабировании на другие процессы и отделы. На этапе масштабирования потребуется:

1. Оценить, какие аспекты требуют масштабирования как в части организационного объема (большее количество сценариев, отделов и т.д.), так и технической составляющей (требования к серверным мощностям при реализации решения on-premise, интеграции с другими продуктами и/или информационными системами);
2. Спланировать ресурсы: финансовые, человеческие, технические;
3. Спланировать поэтапное развертывание;
4. Управлять изменениями. Важно регулярно информировать сотрудников о прогрессе в масштабировании и ожидаемых изменениях. Объясняйте, как это повлияет на их работу и какие преимущества они получат.

Примеры ИИ в финансах

Примеры внедрения решений на базе генеративного ИИ есть как среди западных, так и среди российских компаний.

JPMorgan Chase использует ИИ для анализа финансовых и прочих договоров и выявления ошибок. По данным компании, использование ИИ позволило сократить время анализа контрактов с 360 000 человеко-часов до нескольких секунд.

Сбербанк применяет ИИ для обработки кредитных заявок и персонализированных предложений клиентам. 

«Т-Банк» пользуется ИИ для улучшения клиентского сервиса и персонализации услуг. Виртуальные ассистенты и чат-боты обеспечивают круглосуточную поддержку клиентов, отвечая на их вопросы и решая проблемы в режиме реального времени. В то же время ИИ анализирует поведение клиентов и помогает разрабатывать персонализированные маркетинговые кампании, что увеличивает конверсию и удовлетворенность.

Облачная бухгалтерская платформа Xero применяет гибридные модели ИИ, которые включают элементы генеративного ИИ для создания автоматических отчетов и рекомендаций по финансовому управлению. 

По теме. Практическое руководство по внедрению искусственного интеллекта в банкинг

Как понять, что бизнесу нужна своя нейросеть

Собственная нейросеть может быть полезна, если бизнес сталкивается с необходимостью быстрой и точной обработки больших объёмов данных и автоматизации ручного или полуручного труда, а также хочет получить конкурентные преимущества в долгосрочном периоде за счет более точных и быстрых решений.

Важно регулярно исследовать рынок на предмет применяемых кейсов в индустрии и эффектов, которые можно достичь с помощью внедрения ИИ. Если менеджмент хорошо понимает бизнес-процессы компании, глубоко погружён в контекст, то сможет не только определить целесообразность внедрения ИИ в конкретных случаях, но и увидеть новые потенциальные зоны для его внедрения, где может быть получен эффект. 

Как ИИ способствует постоянным инновациям в финансах

ИИ может решать большое количество задач, связанных с финансами. Банковский сектор с помощью ИИ уже значительно увеличил скорость и качество обслуживания клиентов, а также успешно совершенствует антифрод. Ещё в 2020 году внедрение ИИ принесло Сбербанку финансовый эффект в размере 100 млрд рублей. С тех пор технологии уже шагнули далеко вперёд.

Развитие технологий ИИ приводит к появлению и развитию различных продуктов и сервисов, оптимизирующих работу финансовых служб в компаниях:

1. Роботизированные процессные автоматизации (RPA). Например, UiPath предоставляет платформу для автоматизации рутинных бизнес-процессов. В финансовых службах это может включать автоматизацию обработки счетов, сверку банковских транзакций и управление финансовыми документами.
2. Анализ и прогнозирование денежных потоков. С помощью платформы Kyriba можно управлять денежными потоками и ликвидностью.
3. Интеллектуальные финансовые отчеты и анализ. Workiva предлагает решения для создания финансовых отчетов, которые используют ИИ для автоматизации сбора данных и формирования отчетов. Платформа также обеспечивает интеграцию данных из различных источников.

Эти и многие другие сервисы позволяют оптимизировать отдельные финансовые задачи и освободить сотрудников от рутины.

Преимущества, которые ИИ обеспечит вашему финансовому отделу

По данным исследования компании PwC, 45% руководителей компаний считают, что внедрение ИИ обеспечивает преимущество перед конкурентами, а именно:

• снижает операционные затраты;
• повышает точность;
• быстрее обрабатывает данные;
• улучшает клиентский сервис.

Польза и риски в работе с искусственным интеллектом

Решения на базе ИИ дают как преимущества, так и несут определенные риски. 

Плюсы:

1. Повышение эффективности и производительности за счет автоматизация рутинных задач и улучшения аналитики. Использование ИИ в финансах автоматизирует процессы, такие как обработка транзакций, управление счетами и подготовка отчетности, что освобождает время сотрудников и снижает операционные затраты. При этом ИИ способен анализировать большие объемы данных, что позволяет более точно прогнозировать рыночные тренды и оценивать риски.
2. Персонализация услуг. ИИ анализирует поведение и предпочтения клиентов, что позволяет предлагать персонализированные финансовые продукты и услуги, повышая уровень удовлетворенности клиентов.
3. Создание новых возможностей. Анализ больших данных позволяет выявлять новые закономерности и связи, на основе которых могут разрабатываться инновационные решения, совершенствоваться существующие продукты и создаваться новые бизнес-модели.

Быстрое развитие технологии ИИ в финансах пока не позволяет в полной мере оценить все потенциальные риски, но некоторые из них очевидны.

Минусы:

1. Угрозы безопасности и конфиденциальности. Хранение и обработка личных данных могут привести к утечкам информации и нарушению конфиденциальности. Решения на базе ИИ могут быть использованы для создания более сложных кибератак, таких как фальсификация данных или атаки на критическую инфраструктуру.
2. Контроль и прозрачность. Многие ИИ-модели, особенно те, которые основаны на глубоких нейронных сетях, являются «черными ящиками». ИИ выдает результат работы на основе сложных алгоритмов, которые трудно интерпретировать. Это затрудняет понимание того, как принимаются решения, а также затрудняет контроль над его действиями. К тому же ИИ может унаследовать или даже усугубить предвзятости, существующие в данных, на которых он обучался. Это может привести к несправедливым или дискриминационным результатам.
3. Устойчивость и надежность. ИИ-системы не являются безотказными продуктами и все еще требуют участия человека в первую очередь в перепроверке наиболее критической информации. Принятие решений на основе галлюцинаций ИИ может нанести компании серьезный финансовый ущерб.

ИИ — не просто модная фича, а практический инструмент для решения определённых задач: прогнозирования, автоматизации, генерации контента. Принятие решения о его внедрении требует тщательного анализа потребностей бизнеса, доступных ресурсов и потенциальных выгод. Использование искусственного интеллекта в финансах может существенно повысить эффективность процессов, снизить затраты и способствовать росту доходов. Однако важно учитывать возможные риски и альтернативные решения прежде чем инвестировать в создание и внедрение такой технологии.

Фото на обложке: Freepik