О перспективах использования искусственного интеллекта в финансовой сфере

Российский финтех в развитии ИИ не уступает странам Запада

Развитие технологий искусственного интеллекта принесло революционные изменения во все сферы бизнеса, активно продолжает развиваться и финансовый сегмент. О том, чем запомнился прошлый год для мирового и российского финтеха, рассказывает Николай Владимирович Неплюев, экономист и финансовый аналитик.

В прошлом году технологии искусственного интеллекта совершили неимоверный скачок в развитии: после запуска нейросетевой модели ChatGPT начали меняться буквально все сферы деятельности человека — от бизнеса, науки и культуры до сферы развлечений.

Объективно оценить объем мирового рынка искусственного интеллекта сейчас сложно: крупные международные аналитические и консалтинговые центры используют различные методики подсчета с учетом множества параметров. 

Есть консенсусное мнение, что совокупный среднегодовой темп роста сферы нейросетей в промежутке между 2022 и 2032 годом будет составлять примерно 20,3%. Таким образом можно предположить, что к 2027 году объем рынка достигнет $407 млрд. Выручка глобального рынка от внедрения ИИ к 2030 году может составить до $1,8 трлн, а мировой ВВП, возможно, вырастет на $15,7 трлн.

Известно, что сейчас более 1 тыс. 800 компаний разрабатывают различные модели машинного ИИ-языка в различных сферах. Наибольшую скорость развития нейросети достигли в таких отраслях, как банковское дело, финтех, здравоохранение и страхование.

В России финтех развивается не менее активно, чем на Западе. Самые крупные инвестиции в деятельность и в собственные продукты демонстрируют лидеры финансового рынка: согласно данным аналитиков из «Ассоциации ФинТех», крупный бизнес в последние годы вложил не менее ₽600 млрд. В среднем каждая передовая финтех-компания ежегодно тратит на ИИ около ₽80 млрд, причем рентабельность от вложений может достигать ежегодные ₽240 млрд.

Очевидно, что средний и малый бизнес в России инвестирует в нейросети куда более скромные суммы. Бюджет таких финтех-стартапов в среднем составляет от ₽100 до ₽300 млн ежегодно. 

Специфика компаний, идущих в ногу со временем, тоже неоднородна: к примеру, банки внедряют ИИ-технологии чаще, чем страховые компании — в процентном соотношении это значение где-то 55 % против 21 % соответственно. Таким образом в России в лидерах по использованию нейросетей именно банковский сектор.

Так как полноценная трансформация бизнеса в финтехе требует капитальных вложений, то по-прежнему сохраняется тренд на точечную автоматизацию технологий. Основный драйвер развития сосредоточен в сфере так называемых LLM — больших языковых моделей. С помощью LLM финансовые учреждения интегрируют в свои сервисы автоматизированные боты служб поддержки. Поэтому среди наиболее востребованных технологий сейчас — генеративные предобученные трансформеры (GPT) и графовые нейронные сети, которые позволяют улучшить качество языковых моделей».

Скорость внедрения технологий ИИ в финансовую сферу увеличивается

Потенциал возможностей инструментов на основе нейросетей уже довольно широк, и в ближайшие годы ожидается дальнейшее его расширение. О том, в каких именно сферах финтеха используют AI-разработки, говорит Николай Владимирович Неплюев, финансовый аналитик, член ассоциации независимых директоров и частный консультант по инвестициям.

«Бурное развитие искусственного интеллекта сейчас подается через СМИ как нечто сверхъестественное, фантастическое и едва ли не мистическое. Хотя, на самом деле, в основе технологии лежат математические алгоритмы, основанные на формулах теории вероятностей и статистики. Преимущество нейросетей в том, что эти алгоритмы усилены современным компьютерным инструментарием с помощью методик машинного обучения и анализа гигантских объемов данных (так называемой big data).

Поэтому применение ИИ в финансовой сфере развивается по нескольким направлениям. К примеру, нейросети помогают специалистам в скоринге при оценке кредитоспособности клиентов. Искусственный интеллект помогает проанализировать кредитную историю, консультируя — стоит ли выдавать кредит конкретному человеку или нет. Это значительно уменьшает время одобрения заявки: если раньше на каждый случай рассмотрения требовалось несколько дней, то с помощью нейросетей процесс сократился буквально до нескольких минут анализа. Стоит отметить, что универсальных инструментов скоринга пока что нет: сейчас каждый банк разрабатывает и внедряет подобные инструменты самостоятельно. В частности, Сбербанк успешно внедрил нейросети в свою скоринг-систему по обработке заявок от физических лиц.

Используют финансовые системы ИИ и в антифрод-системах, предотвращающих мошеннические действия. Нейросети со специально настроенными параметрами оценивают поведение клиентов, транзакции и инциденты, выявляя таким образом необычные, рискованные действия. Машинное обучение, основанное на алгоритмах искусственного интеллекта, используется, к примеру, в антифрод-системе платежного провайдера ЮKassa.

Нейросети также помогают специалистам в анализе финансового рынка. Обрабатывая большие данные с общей информацией, показателями спроса, предложения и конкуренции, инструменты ИИ помогают выявить закономерности, тренды и корреляции в данных. Это, в свою очередь, позволяет выстраивать различные прогнозные модели по ценам, рыночным тенденциям и т. д. 

В качестве примера можно привести модель BloombergGPT, которая работает с финансовыми новостями, пресс-релизами, отчетами компаний — в результате специалисты получают качественную аналитику, помогающую принимать решения.

Возможности искусственного интеллект используют и при оценке инвестиционных рисков, оптимизации стратегий управления капиталом. ИИ довольно эффективно работает с биржевой информацией, учитывая доходность, риски, ликвидность, возможности диверсификации и прочие важные показатели. Таким образом инвесторы могут выбирать выгодные и безопасные активы для своих портфелей. Сейчас на рынке представлены десятки различных инструментов и ботов, работающих в том числе с криптовалютой — OKX Bot, 3Commas, Cryptohopper, Trade Santa и т. д.

Помогают нейросети и при анализе данных пользователей в соцсетях. Сводные данные по потребительскому поведению клиентов упрощают разработку персонализированных продуктов и услуг, спецпредложений. 

Большое распространение технологии искусственного интеллекта получили в сфере разработки голосовых помощников и чат-ботов, которые значительно упрощают сервис колл-трекинга в финансовых учреждениях».

О расширении использования нейросетей в финансовой сфере в ближайшие годы

Реальную скорость изменений в мировой финансовой системе по мере развития ИИ сейчас сложно спрогнозировать. Однако можно определить те направления, которые за счет AI-технологии будут модернизироваться в первую очередь. Перспективы развития искусственного интеллекта в конкретных областях финансовой отрасли очерчивает Николай Владимирович Неплюев, эксперт по экономике и индивидуальный финансовый консультант.

«Все перечисленное, на самом деле, полностью даже не очерчивает потенциальные рамки возможностей использования ИИ в финансовой сфере. Постоянное развитие технологий, увеличение мощностей и прогресс «способностей» нейросетевых алгоритмов говорит о том, что спектр применения ИИ в финтехе будет значительно расширен.

Основные ожидания специалистов финансового сектора связаны с увеличением возможностей машинного обучения в деле управления кредитными рисками. Сейчас немалая часть работы андеррайтеров как на Западе, так и в России уже и так автоматизирована за счет нейросетей. В ближайшем будущем, скорее всего, алгоритмы смогут взять на себя эту работу полностью, предоставив тем самым людям возможность глубинного анализа работы ИИ и разработки предложений по улучшению конкретных кредитных продуктов.

Чрезвычайно востребованными роботы с искусственным интеллектом оказались и в трейдинге. Уже в самом ближайшем будущем нас ждут продвинутые алгоритмы, которые будут обучаться на своем и чужом опыте, предсказывая рыночные изменения в режиме реального времени. Использование нейросетей в трейдинге выгоднее еще и потому, что в отличие от людей алгоритмы действуют бесстрастно, не поддаются эмоциям и не идут на поводу возможных когнитивных искажений при оценке актуальной биржевой ситуации.

Развитие нейросетей также будет способствовать автоматизации однотипных, трудоемких задач. Продвинутые технологии LLM позволят финансовым учреждениям значительно улучшить коммуникации с клиентами, что, в свою очередь, углубит понимание человеческого поведения и повысит точность прогнозирования рисков в самых разных ситуациях. Согласно оценкам экспертов, углубленное внедрение искусственного интеллекта в сервисы-ассистенты и чат-боты сэкономит банкам до 30% на операционных расходах.

Таким образом, сейчас наиболее перспективные направления в финтехе на основе ИИ связаны с диалоговым банкингом, распознаванием мошеннических схем и андеррайтингом (оценкой рисков, связанных с кредитованием). 

Между тем нельзя забывать и о возможных рисках, которые увеличиваются по мере углубления роли искусственного интеллекта в деле принятия решений. 

Вопрос разграничения ответственности между нейросетями и человеком — один из важнейших, и первые попытки формирования этических норм и правил для работы с ИИ показывают, сколько важных нюансов предстоит учесть в ближайшие годы для предотвращения глобальных экономических рисков».