Связано ли снижение выдачи кредитов с внедрением искусственного интеллекта?
В 2021 году ведущие кредитные организации России намерены провести настоящую цифровую революцию, а некоторые кредитные организации стремятся к внедрению искусственного интеллекта буквально на каждом этапе обслуживания клиентов. На данный момент оформить кредит или совершить несложную операцию уже можно практически без участия человека.
Кредитная организация использует ИИ в том числе при формировании предложений и принятии решений по кредитам. Также технологии помогают взаимодействовать с клиентами и применяются в голосовых помощниках, работе кол-центра и чат-ботах.
Однако, списывать снижение выдачи кредитов на внедрение ИИ не совсем правильно. Об этом в эфире «Радио 1» сказал специалист по обработке больших данных (Big Data), генеральный директор компании Tazeros Global Systems, занимающейся сбором и анализом информации из открытых источников Артур Хачуян.
«Задач у банка две: выдать кредит наибольшему количеству людей с наименьшей вероятностью его не возврата и отсеять мошенников и прочих. Искусственным интеллектом юридически у нас называются алгоритмы, которые имитируют когнитивную деятельность человека, такую, которую не могут сделать простые линейный алгоритмы: нарисовать картину, создать музыку. То что касается банковского скоринга — это можно называть искусственным интеллектом, но с очень большой натяжкой. Это сложная, но при этом относительно простая, линейная, статистическая функция. Либо линейная математика. Поэтому в принципе исходные данные для подобной модели очень понятные и простые: это запрос в национальное бюро кредитных историй, это текущие долги, алименты, приходы и уходы человека, время года и всевозможные понятные статистические параметры, на которых принимается результат: выдавать кредит человеку или нет. Этот рынок прошёл достаточно большую историю, в 2015-2016 году российские банки искали сторонние источники данных, вплоть до социальных сетей — тогда был огромны бум на получение дополнительной информации из социальных сетей для построения скоринга. Сейчас все поняли, что всё-таки получаемые знания из национального бюро кредитных историй намного важнее публичных данных. Поэтому подобная модель разделилась. То есть традиционные методы используют, принимая решение выдавать кредит человеку или нет, а дополнительные метрики, такие как, потенциал привлечения аудитории социальных сетей, позволяют продать человеку дополнительные услуги. Примерно так это выглядит», — пояснил собеседник «Радио 1».
Он также рассказал, в каких областях подобные алгоритмы и технологии могут быть ещё использованы.
«Это сложные алгоритмы рекламной сегментации, которые по данным понимают как с нами правильно взаимодействовать, вплоть до того, какие нужны цвета, шрифты показывать. Это алгоритмы автоматизации ритейла, когда мы приходим в магазин и понимаем, какой нам товар должны предложить. Это всё, что связано с анализом людей вокруг наружной рекламы, когда мы проходим, нас снимает камера, а потом щит нам показывает определённую узко направленную рекламу. Это, конечно, вопросы государственной безопасности. Всё, что связано с идентификацией нежелательных элементов в городе. В общем, способов применения огромное количество», — добавил Артур Хачуян.
Он отметил, что главная метрика в любом машинном обучении в привязке к анализу человеческого поведения — это оценить, насколько данные в открытых источниках о нём правдивы. Так как у коммерческих компаний нет доступа к реальным финансовым данным, нет данных паспортов, чтобы понимать реальное место жительства, они вынуждены по косвенной информации получать реальные знания. Иногда на это уходит до нескольких лет.
Подкаст можно прослушать по ссылке.
