Индустрия финансовых услуг активно использует высокотехнологичные системы аналитики уже несколько десятилетий. В настоящее время активно внедряются решения на основе искусственного интеллекта (ИИ), ориентированные на оптимизацию обслуживания клиентов, повышение операционной эффективности и устойчивости.
Ключевое значение в этом деле имеют согласованность и стандартизация отраслевых структур и платформ.
Финансовые организации сталкиваются с рядом существенных проблем. В основном это глобальная макроэкономическая ситуация, которая создает риск невозврата кредитов в условиях стагнации глобального роста.
Не пропустите: BTC вместо кредитных карт — почему это реально (мнение)
Кроме того, растет потребность в модернизации. Финансовые учреждения должны повышать эффективность, лучше обслуживать клиентов, снижать риски, бороться с финансовыми преступлениями, решать вопросы устойчивости и внедрять изменения в регулировании.
Обеспечение устойчивой модернизации с помощью ИИ
Технологии искусственного интеллекта уже давно используются в финансовом секторе. Например, в интерактивных чат-ботах служб поддержки клиентов, при анализе документов или при выявлении аномалий в платежных операциях для выявления мошенничества.
Банки активно применяют прогностические ИИ, в основном решения на основе машинного обучения, для автоматизации и оптимизации своих процессов.
Генеративные ИИ способны значительно улучшить возможности многих действующих программ, в том числе в сфере экологического, социального и государственного управления.
Хотя это значительные первоначальные успехи для отдельных учреждений, глобальная задача, стоящая перед центральными банками и регулирующими органами, заключается в обеспечении стабильности глобальной финансовой системы.
Предстоящие нормативные изменения, которые будут поэтапно вводиться по всему миру, будут направлены на устранение новых типов потенциальных системных рисков, таких как риски концентрации облачных систем, недобросовестное использование искусственного интеллекта, изменение климата и будущие скрытые коррелированные риски, возникающие из-за постоянно меняющейся глобальной финансовой ситуации.
Использование ИИ для автоматизации процессов будет иметь решающее значение для обеспечения эффективности и устойчивости.
Например, автоматизация на основе данных искусственного интеллекта и событий поможет учреждениям удовлетворить будущие требования к критически важным сторонним информационным и коммуникационным технологиям. Регулярная демонстрация этого факта является ключевым нормативным требованием регулирования цифровой операционной устойчивости.
Что касается инфраструктуры, основное внимание по-прежнему уделяется модернизации устаревших банковских приложений и повышение их гибкости и надежности. Некоторые приложения будут и дальше функционировать на основе платформ мэйнфреймов, другие рабочие нагрузки будут перенесены в облако – или изначально разработаны для облачной среды и/или с перспективой дальнейшего переноса в облачную среду по мере необходимости.
А с учетом того, что смена платформы или переписывание программного обеспечения могут повлечь за собой существенные сложности и потребовать больших бюджетов, именно в этой области может помочь генеративный ИИ, который упростит и ускорит перевод ПО на разные языки программирования, поможет эффективнее переобучить IT-сотрудников, внедрить новых ИИ-помощников, которые смогут взять на себя большую часть рутинной работы.
ИИ также может оптимизировать места развертывания приложений, принимая во внимание ключевые бизнес-задачи такие, как показатели устойчивости, эксплуатационная эффективность и затраты.
Использование ИИ также может принести значительные преимущества операционным и техническим отделам. Например, в будущем помощники с искусственным интеллектом смогут решать более сложные вопросы и проблемы клиентов. Кроме того, использование ИИ может упростить финансовую отчетность в банковской сфере за счет автоматизации агрегирования и анализа данных для более точной и своевременной отчетности.
ИИ также будет играть важную роль в способности банка управлять рисками – от краткосрочных внешних макроэкономических потрясений до долгосрочных преобразующих изменений, таких как изменение климата. ИИ в таких ситуациях требует доступа к большим наборам разнообразных данных, которые могут дать новую информацию для улучшения возможностей прогнозирования.
Потенциал синтетических данных
Искусственный интеллект уже сейчас способен ускорять процесс принятия решений в определенных ситуациях, а при дальнейшем развитии получит возможность существенно расширить и улучшить возможности многих приложений. Но успеху ИИ может помешать отсутствие качественных данных, вызванное их раздельным хранением внутри учреждений, с учетом требований защиты конфиденциальности и интеллектуальной собственности, а также растущих требований к суверенитету данных.
К счастью, сам ИИ поможет преодолеть недостаток качественных и целевых источников данных за счет создания так называемых «синтетических данных». В этом случае существующие источники данных реплицируются, чтобы обеспечить анонимность, защиту конфиденциальности и возможность обмена данными.
В то же время искусственный интеллект можно использовать для создания более надежных источников синтетических данных, которые позволят некоторым приложениям преодолеть ограничения чисто исторических данных и получить более глубокое понимание возможных будущих ситуаций.
Одной из сфер использования синтетических данных также являются предотвращение финансовых преступлений. Если модель машинного обучения или искусственного интеллекта построена на датасете, содержащем ограниченное количество случаев определенного типа финансовых преступлений, она может с высокой точностью предсказать повторение этих конкретных случаев.
Однако точность прогноза будет значительно снижена, если речь идет о выявлении вариантов типа финансового преступления, которые не встречаются в имеющихся наборах данных.
Чтобы сделать модель более надежной и опережать угрозы, моделирование на основе искусственного интеллекта может генерировать сотни тысяч или миллионы синтетических сценариев, обеспечивая потенциально более надежную систему обнаружения, которую можно проверить путем изучения вероятных новых вариантов определенного типа финансовых преступлений.
Таким образом, синтетические данные, генерируемые ИИ, могут значительно улучшить способы выявления мошенничества. Модели генеративно-состязательной сети (GAN) и агентное моделирование (ABM) — это два подхода к искусственному интеллекту, которые применяются в таких случаях использования.
Проблема объяснимости ИИ
Но помимо данных, есть и другие фундаментальные проблемы, которые необходимо решить, чтобы сделать модели ИИ заслуживающими доверия и устойчивыми. Одним из ключевых направлений является глобальная исследовательская работа по разработке инновационных подходов к объяснимости в области искусственного интеллекта (XAI).
XAI стремится разработать основы для прозрачного и подотчетного принятия решений с помощью ИИ, чтобы улучшить доверие, процесс принятия решений и соблюдение законодательства.
Однако эти структуры XAI требуют преодоления таких препятствий, как решения «черного ящика» из-за сложности модели, ограничений на более широкий доступ к данным для понимания модели из-за конфиденциальности, а также быстро развивающейся нормативной среды в области ИИ.
С точки зрения регулирования, недавно принятый Закон ЕС об искусственном интеллекте является первой крупной попыткой создать всеобъемлющую нормативную базу для систем искусственного интеллекта.
Подход основан на учете уровня риска, поэтому чем он выше, тем строже правила, регулирующие правовые ограничения ИИ. Системы искусственного интеллекта с высоким уровнем риска должны отвечать широкому спектру требований, включая объяснимость и документацию, управление процессами на основе искусственного интеллекта, управление данными, человеческий надзор, управление рисками и возможность аудита.
Поскольку аналогичные нормативные базы, ориентированные на ИИ, появляются в других странах и регионах, необходимо будет обеспечить некоторую степень согласованности глобального регулирования с учетом рисков, чтобы стимулировать дальнейшие инновации в возможностях и решениях ИИ.
Неограниченные возможности
В принципе, возможности ИИ практически безграничны, если имеются правильные команды, процессы и решения. Точно так же, как многие менеджеры рассматривают стратегию гибридного облака, поддерживаемую одной общей платформой и уровнем автоматизации, которая даст им свободу и гибкость, то же самое справедливо и для искусственного интеллекта.
Это означает, что он предоставляет специалистам единую централизованную среду для обучения, обслуживания, отладки и развертывания моделей ИИ в производственных средах.
Целостная среда, в отличие от изолированной, защитит от слишком большого количества точек сбоя и поможет стандартизировать тестирование и проверку для соответствия требованиям контроля и прозрачности, которые так важны для получения одобрения регулирующих органов и дальнейшего расширения ИИ.