«Когнитивные вычисления помогают повысить человечность банкинга»

Сегодня мы уже привыкли оперировать понятиями «искусственный интеллект», «машинное обучение», «нейронные сети» достаточно уверенно. Но что на практике могут принести банку умные технологии? Об этом рассказал порталу Bankir.Ru руководитель направления Watson в IBM Russia Павел Шклюдов.

- Вы много взаимодействуете с банками. Что сегодня важно для банкиров? Что находится в центре их внимания?

- Сегодня на передний план выходит все, что касается customer experience и взаимодействия с потребителем. И происходит это не в плане создания каких-то новых необычных мобильных приложений или еще каких-то модных опций. На первый план выходит понимание психотипа человека, психографическое профилирование. Профиль клиента может обогащаться из разных источников, в частности из истории транзакций - того, как человек тратит деньги по отношению к тому, сколько он зарабатывает. Можно найти также информацию о том, как он ведет себя в социальных сетях, как он передвигается по городу, в каких местах проводит больше времени.

На первый план выходит понимание психотипа человека, психографическое профилирование

Используя информацию из разнообразных каналов информации, мы складываем принципиально новый портрет клиента банка. Этот портрет основан не только на том, сколько клиент получает денег, и сколько банк может на нем заработать, а на понимании того, как человек воспринимает мир, какие у него ценностные ориентиры, на что он смотрит, откуда черпает информацию, что для него важно.

Исходя из этого понимания, мы можем по-другому сделать сегментацию клиентской базы. Мы можем сделать психографическую сегментацию, и далее под каждый психотип мы подбираем свой ключик для коммуникации. Чем более адресной является 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 смотреть в сторону лучшего понимания клиента, с точки зрения его психографики, с точки зрения архитектуры принятия решения

- Как повлиял на приоритеты банкиров кризис?

- Возможно, если бы не кризис, банки по-прежнему не смотрели бы на степень рискованности кредитного портфеля и продолжали бы выдавать большое количество кредитов, а потом продавать просроченную задолженность. И за счет оборота продолжали бы получать прибыль. Но случился кризис. Он показал, что привычная сегментация, на основе которой банки разрабатывают свои продуктовые предложения, привычные скоринговые модели - все это перестало работать, потому что у людей изменилась жизнь, изменился уровень доходов, повысилось непостоянство этих доходов.

И, например, пожилые женщины, которые считались самыми надежными, потому что - старая школа, дисциплина, оказались одним из самых проблемных сегментов, который перестал платить по кредитам, к которым начали отправлять коллекторов. И наоборот, молодые менеджеры в компаниях с зарплатой выше средней, которые были склонны к демонстративному потребительскому поведению, ранее считались ненадежными. Теперь они первыми стали платить по кредитам, потому что им надо строить репутацию.

Инструменты, которые использовали банки, оказались ненадежными. Скоринговая модель ненадежна, коллекторская служба ненадежна, не умеет коммуницировать с людьми. И банкам приходится продавать за бесценок третьим структурам большой объем задолженности, чтобы он не висел на просрочке. Продукты, которые раньше покупали, достаточно было сделать красочную «упаковку», почему-то больше не трогают банковскую аудиторию. Эти новые реалии рынка заставляют банки смотреть в сторону лучшего понимания клиента, с точки зрения его психографики, с точки зрения архитектуры принятия решения.

Следующим шагом является создание когнитивных ботов

- Помимо возросшего интереса к пониманию клиента, как еще повлиял кризис на приоритеты банкиров?

- Также из-за кризиса, банки начали задумываться об улучшении операционной деятельности. В частности, об улучшении работы фронт-офиса. В колл-центрах, например, делается анализ того, какая часть звонков является типовыми звонками. Для того чтобы снизить нагрузку на оператора, можно перевести все эти звонки на виртуальных ассистентов, интеллектуальных ботов. У нас сейчас есть запросы от многих крупных банков: что мы можем предложить в области создания чат-ботов. Но мы видим задачу несколько шире. Бот - это, по сути, подмена IVR (интерактивный голосовой отклик), имитация разговора с человеком. Но если человека ведут по какой-то заранее преднастроенной программе, то он это очень быстро распознает.

Следующим шагом является создание так называемых когнитивных ботов. Это отличается тем, что мы даем искусственному интеллекту, когнитивной системе весь перечень возможных вариантов, ответов и вопросов по какой-то заданной тематике. Когнитивная система на этой выборке учится и через какое-то время начинает отвечать с большой степенью вероятности так, как ответил бы оператор. Виртуальный ассистент, по сути, зеркалит деятельность оператора в ответах на типовые вопросы. А типовые вопросы - это 30-60% всей работы операторов. Это колоссальное количество информации, которая является типовой и отчуждаемой от оператора.

Важно отметить, что виртуальный ассистент, если он понимает, что не в состоянии справиться с вопросом клиента, передает звонок оператору. При этом оператору передается информация о том, с чем человек позвонил, какая уже есть история взаимодействия, каков его психотип, и даются рекомендации, как с человеком лучше себя вести.

- Правильно я понимаю, что это уже то, что называется, искусственный интеллект?

- Не совсем. До искусственного интеллекта когнитивные технологии пока не дотягивают. Есть известный тест Тюринга, когда человек начинает считать, что с ним говорит не машина, а такой же человек, и это предполагает, в том числе определенную эмпатию. Помимо контента, должна быть определенная эмпатия, человеку должно быть так же комфортно общаться с машиной, как с другим человеком. Для того чтобы была эмпатия, машина должна не только понимать эмоцию человека. С этим сейчас нет проблем, практически любая мало-мальски продвинутая система может определить, исходя из лингвистического анализа, в каком настроении человек. Но система должна еще общаться с человеком так, чтобы быть с ним на одной волне. И до этого пока ни одна система не дотягивает.

- Но ведь работа IBM Watson в чем-то похожа на работу человеческого мозга?

- IBM Watson умеет имитировать ряд когнитивных процессов деятельности мозга человека, ряд когнитивных функций. Ранее мы машинам говорили, что им делать. Писали алгоритмы, и ни шагу вправо, ни шагу влево. Watson пять лет назад выиграл в шоу «Своя игра», обыграв двух людей,- многие знают об этом факте. Но не все понимают, что за этим стоит.

Система Watson начала думать и рассуждать о проблеме так, как это делает человек. Если я вас спрошу, сколько машин сейчас едет по мосту, вы сразу поймете, что я спрашиваю о машинах, которые едут по сущности, под названием мост. Вы вспомните, может быть, что-нибудь из математики, из каких-то сопряженных областей, что позволит вам посчитать количество машин. Вы сделаете в уме определенную калькуляцию и дадите ответ. На самом деле, за тем, что мы делаем за миллисекунды, стоит колоссальный процесс: идентификация предметной области, подтягивание всех данных, которые у нас есть, ранжирование гипотез и выбор наиболее правильной, наиболее релевантной гипотезы. Ваш ответ может быть или правильным или неправильным. И вы начинаете, исходя из этого, учиться. Это и есть когнитивный процесс.

Именно так мы научили IBM Watson: учась на данных, учась на правильных и неправильных ответах, он начинает все лучше и лучше отвечать на вопросы. Но только по той предметной области, которой мы его обучили, например нефтегазовая сфера, финансы, безопасность и др.

- И давно он уже обучается на материалах по банковской сфере?

- Примерно в течение года. Но пока он обучается только на американских материалах.

- Какие примеры использования когнитивных вычислений IBM Watson в банкинге вы можете привести?

- Можно привести в пример Commerzbank, который использует решение в области wealth management. Решение позволяет менеджеру банка видеть всю историю транзакций клиента, а также карту его психотипа. На основании психотипа система дает рекомендации, какой продукт лучше предложить клиенту, например высокорисковые или низкорисковые облигации.

Решение в области wealth management сейчас тестируется в Citibank. Оно включает в себя создание виртуальных ассистентов. В контакт-центрах Citi работает несколько тысяч человек, это колоссальные затраты, измеряемые сотнями миллионов долларов. И экономия времени ответа буквально на одну секунду приносит банку экономию до миллиона долларов в год. А мы обеспечиваем улучшение времени на несколько секунд, а иногда и минут. Такой проект очень быстро начинает себя окупать.

- В России банки пока только присматриваются к когнитивным технологиям?

- Да, присматриваются. Надо понимать, что пока не все элементы системы Watson работают с русским языком. Но, безусловно, интерес есть.

- Как вы собираетесь решать языковую проблему? Будет расширяться количество языков, с которыми работает система?

- Да. Watson, например, сейчас начинает работать с японским языком в проекте для банка Mizuho. Японская компания SoftBank делает виртуальных помощников - роботов, которые ездят по отделениям банка и помогают клиентам, общаются с ними.

Мы это делаем в Корее, делаем в некоторых европейских странах, думаю, с русским языком тоже можно разобраться. У нас есть российские партнеры, в том числе Институт русского языка имени Пушкина, где работают талантливые ребята.

- Не так давно в медиа проходила информация, что когнитивные вычисления Watson будут использоваться в области информационной безопасности-

- У нас действительно есть несколько проектов, которые позволяют, проанализировав большой объем банковских транзакций, выявить возможные случаи мошенничества, возможные случаи отмывания денег. У каждого банка есть служба, которая борется с мошенничеством. И у аналитиков этих служб есть большая проблема - самих аналитиков мало, им тяжело работать с большим количеством информации. Это тяжелый ментальный труд. И есть высокая степень вероятности того, что какие-то вещи будут упущены из виду. Watson же ничего не упускает. Он помогает аналитикам быстро обнаружить явные и неявные закономерности, на выявление которых уходили недели. А Watson может дать предварительный результат за полчаса. Налицо экономия времени и человеческих ресурсов. Люди могут сосредоточиться на расследовании конкретного случая.

- Есть один острый вопрос. IBM Watson размещен на серверах за рубежом. Для работы с системой надо перемещать через границу данные, иногда чувствительные. Как это решается?

- Есть конфигурация Watson, которая может быть размещена в периметре заказчика. И это уже предмет договоренности между заказчиком и нами как разработчиком. Кроме того, Watson, например, в здравоохранении, работает с деперсонализированными данными.

- Недавно также проходила информация о том, что IBM хочет соединить когнитивные вычисления Watson и столь модную сегодня технологию распределенного реестра (блокчейн).

- Могу только подтвердить, что в IBM ведется определенная работа. Есть достаточно большая группа экспертов в Соединенных Штатах, которая этими вопросами занимается.

- Watson - это решение только для больших банков? Или есть что-то, что может использоваться и средними банками тоже?

- Надо понимать масштаб задачи, которая стоит перед банком. Если мы говорим о поведенческой сегментации, то ее может сделать и средний банк. Но он пройдет те же самые шаги, только с меньшим количеством усилий.

Средние и небольшие банки уже сейчас могут работать с продуктом Watson Analytics. Это продвинутое аналитическое облачное решение с визуальным движком, с определенными встроенными алгоритмами. Оно не решает сверхсложных задач, но позволяет решать базовые аналитические задачи, с которыми банк сталкивается каждый день.

- Какие есть возможности по интеграции с Watson для финтехстартапов, для молодых компаний?

- Есть Watson «тяжелый», и есть Watson более легкий. К более легкому Watson есть API. Также, как я уже рассказывал, есть отдельно стоящее решение Watson Analytics для аналитических задач. Помимо этого есть более двадцати API, которые доступны через наши облачные технологии. Для стартапов они бесплатны. Но если стартап начинает зарабатывать, если у него повышаются обороты, тогда с него начинает браться плата за вызов сервисов.

Де-факто можно очень интересные вещи собирать на наших открытых сервисах. Того же чат-бота, например. Есть много разных сценариев.

- В ближайшие год-два в какой области могут быть востребованы прежде всего когнитивные вычисления в России?

- Прежде всего это сегментация. Сегментация, которая будет повышать прибыльность клиента для банка. То, как сейчас банки работают с клиентами, напоминает скорее ковровую бомбардировку, которая камня на камне не оставляет. А наша задача - помогать развивать доверительные отношения банка с клиентами. И я считаю, что в этом будет большая польза для России: в повышении человечности банков - уровня их ориентированности на потребителей.

Источник: ad.adriver.ru

Комментарии: