Введение
На сегодняшний день развитие искусственного интеллекта играет важную роль в финансовом секторе, с помощью данной инновации происходит полная трансформация функционирования финансовых услуг. Он позволяет разработать интеллектуальные системы и компьютерные программы, которые способны анализировать данные, принимать решения и выполнять задачи, для которых ранее бы потребовалось присутствие и вмешательство человека [1]. Финансовая сфера является одной из самых прогрессивных отраслей, которая требует внедрения инноваций, так как без них может сталкиваться с такими проблемами как: низкая оперативная эффективность, ограниченность возможностей для клиентов, риск устаревания, уязвимость к рискам и мошенничеству.
В 2019 году в России был принят Указ Президента о Национальной стратегии развития искусственного интеллекта на период до 2030 года [2]. Этот документ определяет стратегические цели и задачи развития искусственного интеллекта в России на длительную перспективу.
В 2020 году было выдано распоряжение Правительства РФ о принятии «Концепции развития регулирования отношений в сфере технологий искусственного интеллекта и робототехники на период до 2024 года» [3]. В нем определены цели и задачи регулирования отношений в области искусственного интеллекта и робототехники в России на ближайший период.
Оба этих документа направлены на создание благоприятной среды для развития и применения искусственного интеллекта в России. Они включают в себя следующие аспекты:
- определяют общие цели развития искусственного интеллекта в стране, такие как создание инновационной экосистемы, увеличение экономического роста и повышение качества жизни граждан;
- искусственный интеллект должен быть применен в таких областях, такие как здравоохранение, образование, промышленность, финансы и другие;
- задачи по созданию соответствующего законодательства, обеспечения защиты данных, этических и правовых аспектов применения искусственного интеллекта;
- необходимость развития научных исследований, привлечения талантов, создания инновации.
Именно поэтому искусственный интеллект становится наиболее важным и перспективным направлением цифровой трансформации. Эта сфера становится все более привлекательной для вложений капитала, статистика свидетельствует о значительном росте частных инвестиций в искусственный интеллект [4]. По последним данным на 2022 год объем инвестиций составил 91.9 млрд долларов. Годом ранее было отмечено рекордное вложение в ИИ, которое составило свыше 125 млрд долларов. Несмотря на снижение по сравнению с предыдущим годом, это всё же значительная сумма, которая отражает потенциальные возможности данной технологии в различных сферах, включая финансовую отрасль (рис. 1).
Данные вложения играют важную роль для развития данной технологии, так как способствуют инновационным преобразованиям, повышают эффективность работы и качество обслуживания клиентов. Важно продолжать исследования, чтобы максимально использовать потенциал искусственного интеллекта и достигать конкурентных преимуществ в финансовой индустрии.
Цель исследования – изучение роли искусственного интеллекта в финансовом секторе с целью выявления преимуществ, недостатков и анализ примеров его успешного применения.
Рис. 1. Статистика частных инвестиций в ИИ
Материалы и методы исследования
В данном исследовании была использована комбинация качественных и количественных методов исследования. Качественные методы включали в себя обзор научной литературы, статей и отчетов, связанных с ролью искусственным интеллектом. Помимо этого стоит отметить количественные методы, включающие в себя сбор и анализ данных из различных источников.
Результаты исследования и их обсуждение
Искусственный интеллект (ИИ) – область компьютерных наук, посвященная разработке и созданию интеллектуальных систем и программ, позволяющая выполнять задачи, которые обычно требуют человеческого интеллекта [5]. Он стремится к моделированию и имитации таких когнитивных функций как решение проблем, понимание языка, обучение и восприятие. Это достигается различными путями, например анализом огромного количества данных, применением нейронной сети и экспертных систем, а также машинным обучением.
Также важно рассмотреть основные преимущества и недостатки данной технологии. Рассмотрим их более подробно для получения объективного представления о его роли и влиянии в современном обществе (таблицу 1).
Исходя из таблицы выше отметим, что искусственный интеллект, как и любая другая современная технология, имеет как плюсы, так и минусы в использовании. Среди ее недостатков особо подчеркнем риски кибербезопасности, которые в последнее время резко возросли. Это обуславливается участившимися взломами информационных систем, сбоями в работе программного обеспечения, утечкой персональных данных, что особенно сильно влияет на репутацию финансовых организаций. Также из недостатков ИИ отметим, что он испытывает трудности в понимании контекста, эмоций или неясных ситуаций, что делает его менее гибким и способным к адаптации в некоторых сценариях, также не может полностью заменить творческое мышление и интуицию человека. Он не обладает этическими принципами и моральными суждениями, поэтому важно обеспечить установление этических стандартов и правил при его разработке и использовании [6].
Искусственный интеллект способен анализировать и обрабатывать огромные объемы информации, что позволяет выявлять тенденции, закономерности и взаимосвязи, недоступные для человека, автоматизирует рутинные задачи, освобождая время и ресурсы для более сложных заданий [7]. Он также предоставляет аналитическую поддержку, помогая принимать обоснованные решения на основе статистики, и расширяет человеческие возможности в различных областях, предоставляя новые инструменты и инновационные подходы.
Искусственный интеллект применяется в логистике, робототехнике, медицине и других отраслях. Но именно финансовая сфера стала одной из первых, которая начала внедрять искусственный интеллект в деятельность. Примером является банковская сфера, в 1987 году Security Pacific National Bank в США создал специализированную группу против мошенников и несанкционированному доступу к банковским счетам. За счёт создания группы, использовавшей данную технологию, банку удалось на ранних этапах обнаруживать и устранять финансовых мошенников, тем самым защищать своих клиентов и их сбережения. На сегодняшний день эта технология охватывает различные сферы в финансовой деятельности, которые представлены на рисунке 2.
Таблица 1
Преимущества и недостатки ИИ
|
Преимущества |
Недостатки |
|
Обработка больших объемов данных |
Ограниченность в понимании контекста |
|
Автоматизация и оптимизация процессов |
Недостаток творчества и интуиции |
|
Улучшение принятие решений |
Отсутствие этики и морального суждения |
|
Расширение возможностей |
Зависимость от данных и их качества |
|
Эффективное управление рисками |
Сокращение рабочих мест |
|
Предсказывание тенденций рынка |
Риски кибербезопасности |
Рис. 2. Сферы применения ИИ в финансовой деятельности
Таблица 2
Инструменты искусственного интеллекта в финансовой области
|
Финансовая область |
Использование ИИ |
Инструменты ИИ |
|
Кредитный скоринг и оценка рисков |
Алгоритмы машинного обучения |
Логистическая регрессия, случайный лес, нейронные сети |
|
Анализ и прогнозирование рынков |
Алгоритмы обработки естественного языка, нейронные сети |
Рекуррентные нейронные сети, трансформеры |
|
Автоматизация и оптимизация операций |
Роботизация процессов, алгоритмы оптимизации, автоматическое принятие решений |
Роботы-процессы (RPA), генетические алгоритмы, алгоритмы оптимизации |
|
Распознавание и обработка естественного языка |
Алгоритмы обработки естественного языка, нейронные сети |
Рекуррентные нейронные сети, сверточные нейронные сети, BERT |
|
Персонализированное обслуживание клиентов |
Чат-боты, виртуальные помощники, рекомендательные системы |
Искусственный интеллект, нейронные сети, алгоритмы рекомендаций |
|
Борьба с мошенничеством и обеспечение безопасности |
Алгоритмы обнаружения аномалий, машинное обучение |
Случайный лес, метод опорных векторов, нейронные сети |
Таблица 3
Методы интерпретации инструментов в финансовой сфере
|
Инструменты |
Определение |
Методы интерпретации |
|
Логистическая регрессия |
Метод статистической регрессии, использующий логистическую функцию для моделирования зависимостей |
Важность признаков, визуализация деревьев решений |
|
«Случайный лес» |
Группа «деревьев», где каждое «дерево» прогнозирует результат, а голосование определяет окончательный прогноз |
Важность признаков, визуализация «деревьев решений» |
|
Нейронные сети |
Модели, построенные на основе искусственных нейронов и связей между ними, способные обучаться на данных |
Визуализация внутреннего состояния, карты внимания (attention maps) |
|
Рекуррентные нейронные сети |
Вид нейронных сетей, способных обрабатывать последовательности данных с помощью обратной связи |
Визуализация внутреннего состояния, attention maps |
|
Трансформеры |
Модели, использующие механизм само-внимания для обработки последовательностей данных |
Визуализация внутреннего состояния, attention maps |
|
Роботы-инвесторы |
На основе алгоритмов машинного обучения принимают решения об инвестиции денежных средств. |
Важность признаков, локальная интерпретация, визуализация данных |
|
Блокчейн |
Создание устойчивых и безопасных систем хранения и передачи финансовых данных |
Анализ транзакций, транспарентность данных, аудит блокчейна |
|
Машинное обучение |
Изучение и обучение на основе полученной информации |
Важность признаков, локальная интерпретация, глобальная интерпретация, правдоподобие модели |
Данные сферы сформировались в связи с возникающими проблемами в финансовой сфере. Например, возникновение кредитного скоринга, анализа рынков и автоматизация процессов связаны с ростом объемов данных и сложностью операций, с которыми человек был бы не в состоянии справиться [8].
Использование ИИ для обеспечения безопасности возникло из-за высокого уровня мошенничества, когда банки были не способны защитить своих клиентов. Данная технология позволила создать усиленную системы аутентификации и идентификации клиентов, снижая риски финансовых преступлений и обеспечивая более надежную защиту.
Для каждой сферы требуется специализированный список инструментов, которые позволят решить список конкретных задач и обеспечить оптимальный результат. Обратимся к таблице 2 для ознакомления с инструментами для каждой сферы.
Данные инструменты помогают финансовым учреждениям принимать более обоснованные решения и оптимизируют их работу. Далее рассмотрим определение инструментов ИИ и их интерпретацию в финансовой сфере (таблицу 3).
Attention maps (карты внимания) – это визуализация, которая позволяет увидеть, на что именно обращает внимание модель машинного обучения при обработке данных. В контексте нейронных сетей, включая рекуррентные нейронные сети и модели с механизмом само-внимания, они показывают, какие части входных данных считаются более важными для выполнения определенной задачи [9].
Активное использование новых технологий влечет за собой рост затрат, и по сравнению с другими сферами банки, тратят на ИИ более значительные суммы (рисунок 3).
Рис. 3. Доля расходов на ИИ в различных отраслях
Таблица 4
Причины спроса на ИИ в банковской сфере
|
Причины |
Объяснение |
|
Сильная конкуренция |
Данная отрасль является конкурентной сферой бизнеса Использование искусственного интеллекта позволяет банкам обеспечить конкурентное преимущество, привлечь и удержать клиентов |
|
Развитие цифровизации |
ИИ является ключевым показателем при цифровизации, он способствует улучшению точности при анализе больших массивов данных |
|
Большие объемы данных |
Помогает более эффективно оперировать данными, а также выявлять закономерности и тренды |
|
Потребности клиентов |
Позволяет банкам удовлетворять изменяющиеся потребности клиентов, предоставляя удобство, персонализацию и инновационные цифровые услуги. |
Рисунок позволяет наглядно сравнить долю расходов на искусственный интеллект в операционной прибыли различных отраслей. Из данных видно, что банки выделяют на ИИ большую долю своей прибыли по сравнению со страховыми компаниями и авиалиниями. Такие расходы на ИИ связаны с рядом существующих вызовов. Рассмотрим основные причины спроса на ИИ в банковской сфере, которые представлены в таблице 4.
Далее перейдем к наиболее популярным примерам использования ИИ. Первым банком, который внедрил систему искусственного интеллекта, является ПАО «Сбербанк России». Банком был проведен ряд изменений в системе, на сегодняшний день внутри банка существуют принципы этики интеллектуальной собственности, активно применяются чат-боты, голосовые ассистенты, аналитические системы и действует персонализация предложений для своих клиентов. На сегодняшний день в банке работают около 3 тысяч сотрудников, занятых в сфере развития искусственного интеллекта. Согласно отчетности банка [10], на 2022г. искусственный интеллект позволил получить финансовый прирост в размере 230 млрд рублей.
Вторым лидером по внедрению искусственного интеллекта является Тинькофф Банк. Он, как и «Сбербанк», внедрил чат-боты, систему голосовых ассистентов и так далее. В данном банке существует специализированное подразделение, которое способствует координации новых концепций AI Banking. Также банк разработал уникальные, не имеющие мировых аналогов, технологии алгоритмического кешбэка и аналитического сервиса AI Research Engine, который позволяет клиентам при принятии инвестиционных решений.
Также в своей финансовой деятельности активно применяет искусственный интеллект ВТБ. Банк развивает собственную технологическую базу, ставя фокус на инновации. ВТБ обладает решениями, которые объединяют искусственный интеллект и другие передовые технологии, например, такие как блокчейн, большие данные (Big Data), интернет вещей (IoT) и другие. Помимо этого банк постоянно ищет сотрудничества с инновационными стартапами, академическими учреждениями и технологическими компаниями для развития передовых технологий в области искусственного интеллекта.
Таким образом, успешное применение искусственного интеллекта банками свидетельствует о положительных результатах и преимуществах, которые могут быть достигнуты с помощью этой технологии.
Выводы
Таким образом, можно сделать выводы:
1. Искусственный интеллект имеет значительный потенциал для применения в финансовой отрасли.
2. Финансовые учреждения, такие как банки, страховые компании и инвестиционные фонды активно применяют ИИ в своей деятельности для автоматизации задач.
3. Применение искусственного интеллекта имеет ряд преимуществ и недостатков, но, не смотря на недостатки, продолжает пользоваться спросом у компаний.
4. Внедрению искусственного интеллекта поспособствовало множество вызовов. Данные вызовы нуждались в срочном решении для эффективной работы
5. Развитие ИИ в финансах потребует совершенствования алгоритмов машинного обучения, улучшения доступности и качества данных, а также разработки эффективных моделей регулирования и контроля.