`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Что для вас является метрикой простоя серверной инфраструктуры?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Владимир Федак

Машинное обучение в финансовой индустрии

+22
голоса

Финансовая индустрия всегда была одним из самых влиятельных потребителей технологических инноваций. В свое время банки были первыми, кто использовал поезда для доставки почты и денег, вводил пожарные сигнализации и камеры видеонаблюдения.

Теперь банки делают то же самое с машинным обучением (МО). Сфера МО быстро развивается и бизнес требует более практичных — и да, под «практичными» мы подразумеваем «прибыльные» — способы применения МО в повседневной деятельности финансовой индустрии.

Итак пять случаев использования машинного обучения для финансовой индустрии.

Порталы самообслуживания пользователей

Колл-центры уходят в прошлое, так как новое поколение потребителей уверенно используют мобильный банкинг и прочие новинки технологий. Миллениалы и Поколение Z пользуются смартфонами для управления своими финансами и не нуждаются в звонках в службу техподдержки. По данным Business Insider, более 44% клиентов банков в США предпочитают общаться с ботами, а не с сотрудниками колл-центров.

Внедрение моделей машинного обучения в качестве чатботов позволит сэкономить более $27 мрлд зарплатного фонда в сфере страхования и финансовых услуг. Кроме того, это позволит исключить человеческий фактор, так как алгоритм ИИ никогда не устает, не злится и не спит, никогда не кричит на клиента и постоянно улучшает качество обслуживания.

Управление рисками в банках и финансовых учреждениях

Управление рисками — это еще одна область, где внедрение МО приводит к значительному улучшению результатов. Когда алгоритм способен анализировать всё разнообразие входящих данных (как внутренних, от бизнес-процессов компании, так и внешних, например запросов клиентов и их действий в соцсетях), можно открыть и использовать как полезные, так и потенциально опасные тенденции.

Юридическая проверка соответствия регуляторным актам

Многие нормативные документы, такие как Патриотический Акт США, требуют тщательного и глубокого анализа финансового поля для многих клиентов во многих типах транзакций. Это означает, что каждое финансовое учреждение должно направлять все сделки в свой юридический отдел для проверки соответствия многочисленным нормативным документам.

Юридический отдел должен постоянно анализировать и обновлять огромный объем информации о своих текущих и потенциальных клиентах. Добавьте к этому разделения компаний, их слияния и поглощения, и вы ясно поймете, почему это адская работа. Внедрение алгоритмов МО поможет юридическому отделу направлять весь поток данных из разных разрозненных систем и источников в централизованное хранилище для эффективного хранения, обработки и использования. Это приведет к тому, что скрининг клиентов будет проходить значительно быстрее.

Управление кредитным портфелем (CPM)

Мониторинг состояния кредитного портфеля настолько же, если не более важен, чем проверка подноготной потенциальных клиентов. Использование возможностей машинного обучения для анализа данных позволяет давать значительно более точные прогнозы. Это поможет предсказать, какие клиенты находятся в зоне высокого риска снятия своих депозитов или невыполнения своих долговых обязательств.

В результате менеджеры банка смогут принять меры и использовать гораздо более персонализированный подход в каждом случае. Это поможет сохранить кредитный портфель в плюсе и резко сократит процент безвозвратных кредитов. Отчет Forrester описывает растущую роль AI в получении ценной информации из неструктурированных данных и преимуществ, которые она приносит для банков.

Робо-консультанты для управления капиталом

Не все богатые люди имеют хорошее образование в финансовом отношении. Они часто предпочитают делегировать управление своими активами доверенным финансовым учреждениям. Когда все данные о таких состояниях, а также все транзакции и события в различных важных областях обрабатываются робо-консультантом, консультирующая финансовая структура может быстро совершать необходимые действия.

Это может включать продажу опасных активов или покупку дешевых акций, как только появится такая возможность, обеспечивая тем самым оптимальное распределение ресурсов клиента и всестороннюю хорошую работу активов. BlackRock, один из ведущих мировых фондов по управлению инвестициями, опубликовал подробный отчет об эффективности использования робо-консультантов для управления активами.

Наиболее важные перспективы использования машинного обучения в финансах

Хотя описанные пять случаев могут показаться довольно очевидными, одна важная проблема была оставлена за пределами этой статьи. А именно, влияние внедрения технологий ИИ и МО в банковской и финансовой областях.

Просто подумайте об этом. Чатботы намного лучше, чем реальные представители поддержки клиентов... и со временем они становятся только лучше. Поскольку миллениалы стали доминирующей частью рабочей силы во всем мире еще в 2016 году, и они предпочитают чатботы... техподдержка клиентов почти обречена на вымирание.

Управление рисками существенно лучше, когда модель машинного обучения получает доступ к ПОЛНОМУ объему доступных данных и может быстро его обрабатывать. Теперь не нужно ждать результата от опытных, но гораздо более медленных и очень хорошо оплачиваемых бизнес-аналитиков. Результат очевиден — компания экономит деньги, аналитики теряют работу.

Проверки соответствия требованиям нормативных актов вроде Патриотического акта США или GDPR, которые вступил в силу в мае 2018 года, — это также области, в которых алгоритм машинного обучения может выполнять в десять раз больше работы, чем любой клерк. Просто подумайте о ограниченном рабочем времени сотрудников, больничных листах, праздниках и отпусках... в то время как модель машинного обучения работает днем и ночью, чтобы быстрее получить результаты. Речь не идет о надежности или сострадании — речь идет об эффективности и производительности. Эффективность в бизнесе часто означает безжалостность.

То же самое касается управления кредитным портфелем и управления капиталом — алгоритмы ИИ уже делают это, и они ежедневно становятся все более эффективными. Эра консультантов, которые смотрят на часы клиента, чтобы сказать ему точное время, закончилась. Новое поколение клиентов предпочитает умные часы, которые сами говорят вам время, без необходимости платить мужчине в дорогом костюме за консультацию. И банки и финансовые учреждения рады предоставить эту услугу, так как это означает огромную экономию в плане заработной платы.

В наши дни огромное количество людей работает по годами установившимся правилам. Завтра многие из этих специалистов потеряют свои хорошо оплачиваемые рабочие места, так как ведущие компании в финансовой сфере начинают автоматизировать все больше и больше своих процессов и интегрировать больше технологий ИИ и МО в свои предложения. Это ведь то, чего ожидает клиент, не так ли?

Это позволяет повысить ценность клиента, обслуживать его лучше, быстрее и дешевле в для компании... поэтому главные руководители финансовой индустрии в основном говорят в черно-белых тонах. Чтобы проиллюстрировать правдивость этого подхода, 5 ведущих банков США закрыли более 400 местных филиалов в 2016 году, уволили тысячи людей и получили огромный прирост прибыли благодаря внедрению технологии машинного обучения для проведения рутинных операций.

Таким образом, многие белые воротнички из ведущих мировых финансовых институтов скоро потеряют работу. Просто потому, что это более эффективно, ничего личного. Только лучшие эксперты сохранят свои позиции, чтобы помочь в дальнейшем обучать алгоритмы ML, остальные должны будут предлагать свои услуги меньшим компаниям, за меньшие оклады. Возможно, это принесет большую пользу отрасли в целом, но впереди нас ждет большая перемена на рынке рабочих мест.

Финансовые учреждения должны следить за новейшими технологиями, чтобы гарантировать стабильный доход и обеспечить наилучший сервис для своих клиентов. Примерно десять лет назад достаточно было предлагать онлайн-сервис, чтобы получить конкурентное преимущество. Около 5 лет назад мобильное приложение стало важным компонентом хорошего банковского предложения. В настоящее время использование алгоритмов искусственного интеллекта — это то, что может сделать бизнес более привлекательным для клиентов, чем менее технологичные конкуренты.


Вы можете подписаться на наш Telegram-канал для получения наиболее интересной информации

+22
голоса

Напечатать Отправить другу

Читайте также

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT