Ольга Морозова, ABBYY Россия: «В проектах с искусственным интеллектом российские банки опережают зарубежных коллег»

Ольга Морозова: Я работаю с финансовым сектором много лет и могу сказать, что первые проекты с искусственным интеллектом в банках появились еще тогда, когда в бытовом обиходе этот термин еще не использовался. Это связано с высокой конкуренцией: у клиентов большой выбор, где хранить и куда вкладывать деньги. Чтобы завоевать доверие пользователей, банкам нужно лучше понимать людей, предлагать именно те продукты и услуги, которые интересны. При этом финансовые организации обладают огромным количеством накопленных клиентских данных, и большинство из них — около 80% — не структурированы. Не работая с этой информацией, они упускают серьезные возможности по развитию бизнеса. Поэтому они смотрят на все технологии, которые существуют в мире. В последние два года еще и появились первые крупные публичные проекты с ИИ в Сбербанке, Альфа-банке, Тинькофф банке и других. Неудивительно, что остальные игроки тоже активизировались. По данным IDC, в ближайший год банки вложат в ИИ примерно 4 млрд долларов. При этом около 40% этих вложений придется на интеллектуальную обработку информации: платформы для анализа, организации, доступа к структурированным и неструктурированным документам.

Ольга Морозова: Они очень хорошо осведомлены, поскольку это уже не фантастика, а реальная жизнь. Мы с вами пользуемся распознаванием лиц в смартфоне, то есть это уже не какие-то тонкие материи, а жизнь. Клиенты привыкли к этим технологиям, и банки готовы развивать их в новых продуктах и сервисах. Бизнес-заказчики глубоко интересуются вопросом: многие уже знают, что такое машинное обучение, как работают нейросети, какие возможности они дают бизнесу. Наша задача — вместе понять, как заказчику использовать технологии, чтобы максимально быстро получить прибыль. Многие решения уже можно «потрогать руками», посмотреть, есть примеры проектов и сервисов у конкурентов и партнеров. Если один из крупных банков внедряет новую технологию и она доказывает свою эффективность, другие участники тут же перенимают эту практику. Возьмите пример с оплатой счетов по фотографии и распознаванием реквизитов: сначала такой сервис появился у Альфа-банка и Сбербанка, а буквально через несколько месяцев это стало можно делать и в приложениях других банков: Тинькофф банке, Модульбанке, «Точке» и других. У нас сильно развито сарафанное радио: рынок узкий, банки очень тесно общаются. Иногда заказчики приходят к нам и говорят: «Мы хотим так же, сделайте нам то же самое».

Ольга Морозова: Да, похоже. Мы — международная компания, у нас 14 офисов в 11 странах мира, и мы общаемся с коллегами, в том числе из США и Европы. В других странах тоже реализуют крупные проекты, но, по моему опыту, российские банки больше готовы идти на эксперименты в области искусственного интеллекта и действительно рассчитывают на высокую отдачу инвестиций. Образно говоря, наши банки не боятся пускаться во все тяжкие и внедряют самые передовые технологии, иногда даже опережая своих зарубежных коллег. Скорость согласования и реализации проектов у нас действительно выше, чем в некоторых других странах.

Ольга Морозова: Существенное отличие проектов в области интеллектуальной обработки информации в том, что «готового платья» пока не существует. Да, разработчики применяют свою экспертизу: например, у нас реализовано много проектов по организации электронного архива, обработке первичной бухгалтерской документации. Для подобных кейсов возможно внедрить и запустить решение в сравнительно сжатые сроки, за несколько месяцев. Но если речь идет о таких бизнес-процессах, как оценка финансовых рисков, мониторинг информации, корпоративный поиск по всем внутренним системам банка и другие процессы, где задействовано много неструктурированных данных, то для таких задач набор технологий и алгоритмов выбирается под каждого заказчика индивидуально. Например, в этом году Сбербанк внедрил интеллектуальное решение, которое анализирует тексты из десятков тысяч новостей и определяет, какие в них содержатся риски для банка. Это первый подобный проект в России, да и в мире найдется немного подобных примеров. В этом кейсе использовалось машинное обучение, технологии NLP (Natural Language Processing, обработка естественного языка). В проекте активно участвовали сотрудники банка как со стороны ИТ-департамента, так и со стороны бизнес-заказчика.

Ольга Морозова: С точки зрения наших проектов это выглядит так: у нас есть технологии, которые позволяют распознавать тексты, определять тип документов, понимать и анализировать содержание, извлекать значимые данные и отправлять их в информационные системы, а также искать документы в различных источниках. На базе этих технологий мы сейчас делаем решения, которые позволяют понять саму суть текста: например, взять новость и сказать, что в ней есть признаки конфликта акционеров. Это стало возможным благодаря нашим наработкам в области естественного языка. Технология позволяет в потоке разрозненной информации найти объекты, связи между ними, выделить организацию, ее реквизиты и даже определить, например, ограничения для этой организации по уставу, которые изложены на 50 страницах. Для того чтобы опытному юристу их определить, понадобится минут пятнадцать чтения, а здесь наша технология может это сделать вместо него.

Ольга Морозова: Я бы выделила три направления. Первое — это интеллектуальная обработка информации и анализ данных. Второе — это работа с клиентами. Сюда относится целый спектр решений для работы разных сервисов, которые помогают быстро открывать счета клиентам — обычным людям и компаниям, обрабатывать транзакции, в том числе с помощью мобильных приложений. К этому направлению относятся и интеллектуальные помощники, в том числе робоэдвайзеры, удаленная идентификация с помощью распознавания лиц, голоса и так далее. Третий — это автоматизация рутинных задач банка: обработка бухгалтерских, кадровых документов, оптимизация работы сотрудников. Технологии ABBYY используются во всех трех направлениях — везде, где необходимо извлечь, упорядочить, найти данные и использовать их в работе банка. Мы умеем обрабатывать и структурированные документы — например, счета-фактуры, платежки. Эти задачи наши технологии умеют делать уже много лет. Сейчас самое перспективное направление для развития наших решений — это неструктурированная информация: договоры, контракты, уставы, письма и резюме в свободной форме. Такие документы и тексты, написанные на естественном языке, — настоящий вызов технологиям, но у компаний высокий спрос именно на такие решения. Например, в Сбербанке решение анализирует новостной поток на предмет рисковых факторов для контрагентов. Например, такие как конфликт акционеров или реструктуризация общества. Банковские специалисты предоставили перечень фактов, которые могут содержать в себе риск для общения с такими контрагентами в банке, и мы научили технологию в новостном потоке эти факты вычленять, то есть в первую очередь выделять сообщения, в которых они содержатся. Таким образом, человек не должен читать весь новостной поток, он читает только ценную информацию, которая подсвечивается в новости. Это существенно упрощает задачу, позволяет быстрее работать и не упускать ничего важного, потому что вручную, конечно, невозможно обрабатывать такой объем в режиме онлайн.

Есть примеры сервисов, с которыми вы сталкиваетесь каждый день. Вы приходите в банк, подаете комплект документов на открытие счета. Например, в МКБ у нас реализован такой проект — ваш менеджер клиентский идет к МФУ, сканирует комплект документов, возвращается к вам — и все данные о вас у него уже заполнены в базе. Технология ABBYY поняла, что из комплекта — паспорт, справка 2-НДФЛ, анкета, и выделила данные, необходимые для системы. Сотрудник банка делает только то, что он может делать лучше всего: он общается с вами, а не занимается бумажной работой. Есть примеры, где мы помогаем обрабатывать обращения клиентов в поддержку. Например, в банке «Точка», который относится к необанкам: у них нет офисов, они работают только в бэке, и для них очень важен качественный и быстрый контакт с клиентом, в том числе и по телефону. Информация, которой клиент обменивается с сотрудником кол-центра по телефону, добавляется в базу ответов и историю обращений. Эти записи анализирует наша система, она определяет их по категории: запросы про кредиты, жалобы на обслуживание, банкоматы и так далее. Сотрудник просто общается с клиентом, машина сама определяет тему обращения. Банк получает структурированную информацию о том, что хотят клиенты, это помогает предлагать лучшие продукты и работать над ошибками в режиме онлайн.

Ольга Морозова: Здесь все просто: они получают замену ручного труда и возможность обрабатывать в десятки раз больше информации. В зависимости от задачи это помогает снизить расходы, ускорить обслуживание, в некоторых случаях — уменьшить риски или даже использовать данные, чтобы увеличить свою долю на рынке.

Ольга Морозова: Они получают быстрый и качественный сервис. Например, представитель компании может подать документы на открытие счета онлайн и всего за несколько часов начать работу с банком, вместо того чтобы несколько раз ходить в отделение и выжидать неделю, пока проверят все данные. Если просто предоставить в банк контракт, устав и другие документы, то система сама извлечет из него информацию, которая необходима при оформлении заявки. Это особенно ценно для малого бизнеса: компаниям можно не разбираться в том, что они предоставляют в личном кабинете, а собрать весь комплект документов, целиком его загрузить как один файл, а наша система сама поймет, где здесь паспорт, где здесь устав, где свидетельство о регистрации. Например, такое решение работает в банке ВТБ. Или клиенту не надо заполнять реквизиты для перевода денег, а просто сфотографировать платежный документ и нажать «ОК» в приложении. А еще банк с помощью наших технологий может собрать все эти данные и определить, не нужен ли клиенту выгодный кредитный продукт, и за несколько минут предложить ему лучшие условия. То есть ручную нудную работу забрать как у клиента банковского, так и у самого банка.

Ольга Морозова: Сегодня банки ждут возврата инвестиций в ИИ в первые два года, а лучше — в один, и они это действительно получают. Можно привести простой пример: если вы пришли в банк и ваши документы при вас перебивают в систему, а в очереди сидят 10 человек, то последний из них, наверное, не будет сидеть и пойдет в другой банк. То есть, во-первых, банк не теряет клиентов, если он их обслуживает быстрее, а во-вторых, чем быстрее вы становитесь его клиентом, тем быстрее он начинает работать с вашими активами, получать доходы от транзакций, заключать с вами кредитные договоры и так далее. И вам хорошо — бизнес не простаивает, а активы работают и приносят доходы.

Ольга Морозова: Я думаю, через пять лет мы наконец избавимся от бумаги, и вся информация будет уже изначально содержаться в электронном виде. Повсюду будут использоваться технологии обработки речи, текста, распознавание лиц. Уже сейчас мы включаем смартфон, он распознает наше лицо и дает доступ к системам. В дальнейшем лицом повсеместно можно будет «расплачиваться», получать сервисы с помощью голосовых команд. Вы посмотрели на телефон, он показывает баланс, говорите, что вы хотите купить, — и банковское приложение уже выбрало вам холодильник, организовало доставку и внесло первый платеж в рассрочку.

Ольга Морозова: ABBYY активно разрабатывает и развивает технологии искусственного интеллекта и решения на их основе. Иногда заказчики спрашивают меня: что вы будете делать, когда исчезнут бумаги, вам же нечего будет делать, нечего будет распознавать? Сейчас я могу сказать, что, наверное, больше половины проектов не связаны с обработкой бумажных документов, это именно интеллектуальная обработка информации, и возможности этого направления еще не исследованы полностью. Естественный язык никуда не исчезнет. В будущем люди, даже если они будут общаться мыслями, все равно будут использовать смысловые конструкции. Это как раз тот драйвер роста, который позволит компании быть полезной бизнесу, сотрудникам и клиентам больших компаний. Мы не заменяем человека, мы ему помогаем, избавляем его от рутины, которую может сделать за него машина. Мы не избавимся от потребности структурировать и упорядочивать информацию, и здесь наше ноу-хау: мы умеем это делать уже сейчас и видим, как это можно развивать в будущем для банков и компаний других отраслей.