«Когнитивные вычисления помогают повысить человечность банкинга»

«Когнитивные вычисления помогают повысить человечность банкинга»

Сейчас мы уже привыкли оперировать понятиями «ИИ», «машинное обучение», «нейронные сети» достаточно с уверенностью. Но что на практике смогут принести банку умные разработки? Об этом поведал порталу Bankir.Ru начальник направления Watson в IBM Russia Павел Шклюдов.

— Вы большое количество взаимодействуете с банками. Что сейчас принципиально важно для банкиров? Что находится в центре их внимания?

— Сейчас на передний замысел выходит все, что касается customer experience и сотрудничества с потребителем. И происходит это не в плане создания каких-то новых необыкновенных мобильных приложений либо еще каких-то актуальных опций. На первый замысел выходит познание психотипа человека, психографическое профилирование.

Профиль клиента может обогащаться из различных источников, в частности из истории транзакций — того, как человек тратит деньги по отношению к тому, сколько он получает. Возможно отыскать кроме этого данные о том, как он ведет себя в соцсетях, как он перемещается по городу, в каких местах проводит больше времени.

На первый замысел выходит познание психотипа человека, психографическое профилирование

Применяя данные из разнообразных каналов информации, мы складываем принципиально новый портрет клиента банка. Данный портрет основан не только на том, сколько клиент приобретает денег, и какое количество банк может на нем получить, а на понимании того, как человек принимает мир, какие конкретно у него ценностные ориентиры, на что он наблюдает, откуда черпает данные, что для него принципиально важно.

Исходя из этого понимания, мы можем по-второму сделать сегментацию клиентской базы. Мы можем сделать психографическую сегментацию, и потом под любой психотип мы подбираем собственный ключик для коммуникации. Чем более адресной есть коммуникация, чем лучше мы говорим с клиентом на одном языке, в одном понятийном поле, тем больше возрастает степень доверия человека к тому, что мы ему предлагаем.

Новые реалии рынка заставляют банки наблюдать в сторону лучшего понимания клиента, с позиций его психографики, с позиций архитектуры принятия ответа

 

— Какое влияние оказал на приоритеты банкиров кризис?

— Быть может, если бы не кризис, банки так же, как и прежде не наблюдали бы на степень рискованности кредитного портфеля и продолжали бы выдавать много кредитов, а позже реализовывать просроченную задолженность. И за счет оборота продолжали бы приобретать прибыль. Но произошёл кризис.

Он продемонстрировал, что привычная сегментация, на базе которой банки разрабатывают собственные продуктовые предложения, привычные скоринговые модели — все это прекратило трудиться, по причине того, что у людей изменилась жизнь, изменился уровень доходов, повысилось непостоянство этих доходов.

И, к примеру, пожилые дамы, каковые считались самыми надежными, по причине того, что — ветхая школа, дисциплина, были одним из самых проблемных сегментов, что прекратил платить по кредитам, к каким начали отправлять коллекторов. И напротив, юные менеджеры в компаниях с заработной платом выше средней, каковые были склонны к демонстративному потребительскому поведению, ранее считались ненадежными. Сейчас они первыми стали платить по кредитам, по причине того, что им нужно строить репутацию.

Инструменты, каковые применяли банки, были ненадежными. Скоринговая модель ненадежна, коллекторская работа ненадежна, не может коммуницировать с людьми. И банкам приходится реализовывать за бесценок третьим структурам громадной количество задолженности, дабы он не висел на просрочке.

Продукты, каковые раньше брали, достаточно было сделать красочную «упаковку», почему-то больше не трогают банковскую аудиторию. Эти новые реалии рынка заставляют банки наблюдать в сторону лучшего понимания клиента, с позиций его психографики, с позиций архитектуры принятия ответа.

Следующим шагом есть создание когнитивных ботов

 

— Кроме возросшего интереса к пониманию клиента, как еще повлиял кризис на приоритеты банкиров?

— Кроме этого из-за кризиса, банки начали вспоминать об улучшении операционной деятельности. В частности, об улучшении работы фронт-офиса. В колл-центрах, к примеру, делается анализ того, какая часть звонков есть типовыми звонками. Чтобы снизить нагрузку на оператора, возможно перевести все эти звонки на виртуальных помощников, интеллектуальных ботов. У нас на данный момент имеется запросы от многих больших банков: что мы можем предложить в области создания чат-ботов.

Но мы видим задачу пара шире. Бот — это, по сути, подмена IVR (интерактивный голосовой отклик), имитация беседы с человеком. Но в случае если человека ведут по какой-то заблаговременно преднастроенной программе, то он это весьма скоро выявит.

Следующим шагом есть создание так называемых когнитивных ботов. Это отличается тем, что мы даем неестественному интеллекту, когнитивной совокупности целый список вероятных вариантов, вопросов и ответов по какой-то заданной тематике. Когнитивная совокупность на данной выборке обучается и через какое-то время начинает отвечать с громадной степенью возможности так, как ответил бы оператор.

Виртуальный помощник, по сути, зеркалит деятельность оператора в ответах на типовые вопросы. А типовые вопросы — это 30–60% всей работы операторов. Это много информации, которая есть типовой и отчуждаемой от оператора.

Принципиально важно подчернуть, что виртуальный помощник, если он осознаёт, что не в состоянии совладать с вопросом клиента, сообщает звонок оператору. Наряду с этим оператору передается информация о том, с чем человек позвонил, какая уже имеется история сотрудничества, каков его психотип, и даются советы, как с человеком лучше себя вести.

 

— Верно я осознаю, что это уже то, что именуется, ИИ?

— Не совсем. До ИИ когнитивные технологии пока не дотягивают. Имеется узнаваемый тест Тюринга, в то время, когда человек начинает вычислять, что с ним говорит не машина, а такой же человек, и это предполагает, а также определенную эмпатию. Кроме контента, должна быть определенная эмпатия, человеку должно быть так же комфортно общаться с машиной, как с другим человеком. Чтобы была эмпатия, машина обязана не только осознавать чувство человека.

С этим на данный момент нет неприятностей, фактически каждая мало-мальски продвинутая совокупность может выяснить, исходя из лингвистического анализа, в каком настроении человек. Но совокупность обязана еще общаться с человеком так, дабы быть с ним на одной волне. И до этого до тех пор пока ни одна совокупность не дотягивает.

 

— Но так как работа IBM Watson в чем-то похожа на работу людской мозга?

— IBM Watson может имитировать последовательность когнитивных процессов деятельности мозга человека, последовательность когнитивных функций. Ранее мы автомобилям говорили, что им делать. Писали методы, и ни шагу вправо, ни шагу влево. Watson пять лет назад победил в шоу «Собственная игра», обыграв двух людей,— многие знают об этом факте.

Но не все знают, что за этим стоит.

Совокупность Watson начала думать и рассуждать о проблеме так, как это делает человек. В случае если я вас спрошу, сколько автомобилей на данный момент едет по мосту, вы сходу осознаете, что я задаю вопросы о автомобилях, каковые едут по сущности, называющиеся мост. Вы вспомните, возможно, что-нибудь из математики, из каких-то сопряженных областей, что разрешит вам посчитать количество автомобилей.

Вы сделаете в уме определенную калькуляцию и дадите ответ. В действительности, за тем, что мы делаем за миллисекунды, стоит большой процесс: идентификация предметной области, подтягивание всех данных, каковые у нас имеется, выбор и ранжирование гипотез самая правильной, самая релевантной догадки. Ваш ответ возможно либо верным либо неправильным.

И вы начинаете, исходя из этого, обучаться. Это и имеется когнитивный процесс.

Как раз так мы обучили IBM Watson: обучаясь на данных, обучаясь на верных и неправильных ответах, он начинает все лучше и лучше отвечать на вопросы. Но лишь по той предметной области, которой мы его научили, к примеру нефтегазовая сфера, финансы, безопасность и др.

— И в далеком прошлом он уже обучается на материалах по банковской сфере?

— Приблизительно в течение года. Но пока он обучается лишь на американских материалах.

— Какие конкретно примеры применения когнитивных вычислений IBM Watson в банкинге вы имеете возможность привести?

— Возможно привести в пример Commerzbank, что применяет ответ в области wealth management. Ответ разрешает менеджеру банка видеть всю историю транзакций клиента, и карту его психотипа. На основании психотипа совокупность дает советы, какой продукт лучше предложить клиенту, к примеру высокорисковые либо низкорисковые облигации.

Ответ в области wealth management на данный момент тестируется в Citibank. Оно включает в себя создание виртуальных помощников. В контакт-центрах Citi трудится пара тысяч людей, это большие затраты, измеряемые сотнями миллионов долларов.

И экономия времени ответа практически на одну секунду приносит банку экономию до миллиона долларов в год. А мы снабжаем улучшение времени на пара секунд, а время от времени и мин.. Таковой проект весьма скоро начинает себя окупать.

— В Российской Федерации банки пока только присматриваются к когнитивным разработкам?

— Да, присматриваются. Нужно осознавать, что пока не все элементы совокупности Watson трудятся с русским языком. Но, непременно, интерес имеется.

— Как вы планируете решать языковую проблему? Будет расширяться количество языков, с которыми трудится совокупность?

— Да. Watson, к примеру, на данный момент начинает трудиться с японским языком в проекте для банка Mizuho. Японская компания SoftBank делает виртуальных ассистентов — роботов, каковые ездят по отделениям банка и оказывают помощь клиентам, общаются с ними.

Мы это делаем в Корее, делаем в некоторых европейских государствах, думаю, с русским языком также возможно разобраться. У нас имеется партнеры из России, а также Университет русского имени Пушкина, где трудятся гениальные парни.

— Недавно в медиа проходила информация, что когнитивные вычисления Watson будут употребляться в области информационной безопасности…

— У нас вправду имеется пара проектов, каковые разрешают, проанализировав громадный количество банковских транзакций, распознать вероятные случаи мошенничества, вероятные случаи отмывания денег. У каждого банка имеется работа, которая борется с мошенничеством. И у аналитиков этих работ имеется громадная неприятность — самих аналитиков мало, им не легко трудиться с громадным числом информации.

Это тяжелый ментальный труд. И имеется высокая степень возможности того, что какие-то вещи будут потеряны из виду. Watson же ничего не упускает.

Он оказывает помощь аналитикам скоро найти явные и неявные закономерности, на обнаружение которых уходили семь дней. А Watson может дать предварительный итог за полчаса. Налицо экономия времени и людских ресурсов.

Люди смогут сосредоточиться на расследовании конкретного случая.

— Имеется один важный вопросы. IBM Watson размещен на серверах за границей. Для работы с совокупностью нужно перемещать через границу эти, время от времени чувствительные.

Как это решается?

— Имеется конфигурация Watson, которая возможно размещена в периметре клиента. И это уже предмет договоренности между клиентом и нами как разработчиком. Помимо этого, Watson, к примеру, в здравоохранении, трудится с деперсонализированными данными.

— Сравнительно не так давно кроме этого проходила информация о том, что IBM желает соединить когнитивные вычисления Watson и столь актуальную сейчас разработку распределенного реестра (блокчейн).

— Могу лишь подтвердить, что в IBM ведется определенная работа. Имеется большая несколько специалистов В США, которая этими вопросами занимается.

— Watson — это решение лишь для громадных банков? Либо имеется что-то, что может употребляться и средними банками также?

— Нужно осознавать масштаб задачи, которая стоит перед банком. В случае если мы говорим о поведенческой сегментации, то ее может сделать и средний банк. Но он пройдет те же самые шаги, лишь с меньшим числом упрочнений.

небольшие банки и Средние уже на данный момент смогут трудиться с продуктом Watson Analytics. Это продвинутое аналитическое облачное ответ с визуальным движком, с определенными встроенными методами. Оно не решает очень сложных задач, но разрешает решать базисные аналитические задачи, с которыми банк сталкивается ежедневно.

— Какие конкретно имеется возможности по интеграции с Watson для финтехстартапов, для молодых компаний?

— Имеется Watson «тяжелый», и имеется Watson более легкий. К более легкому Watson имеется API. Кроме этого, как я уже говорил, имеется раздельно стоящее ответ Watson Analytics для аналитических задач. Кроме этого имеется более двадцати API, каковые дешёвы через отечественные облачные разработки.

Для стартапов они бесплатны. Но в случае если стартап начинает получать, в случае если у него увеличиваются обороты, тогда с него начинает браться плата за вызов сервисов.

Де-факто возможно весьма занимательные вещи собирать на отечественных открытых сервисах. Того же чат-бота, к примеру. Имеется большое количество различных сценариев.

— В ближайшие год-два в какой области смогут быть пользуются спросом в первую очередь когнитивные вычисления в Российской Федерации?

— В первую очередь это сегментация. Сегментация, которая будет повышать прибыльность клиента для банка. То, как на данный момент банки трудятся с клиентами, напоминает скорее ковровую бомбардировку, которая камня на камне не оставляет.

А отечественная задача — помогать развивать доверительные отношения банка с клиентами. И я считаю, что в этом будет громадная польза для России: в увеличении человечности банков — уровня их ориентированности на потребителей.

Как ставить банки

Интересные записи

Похожие статьи, которые вам, наверника будут интересны: