Александр Погудин, член совета директоров ГК ЦФТ, директор по стратегическому развитию

«Как такового рынка данных не существует ни в России, ни в мире»

 – Что ЦФТ как один из ведущих разработчиков ИТ-решений вкладывает в понятие «искусственный интеллект» (далее – ИИ)?

– Искусственный интеллект, а нам больше нравится определение Machine Learning – это все то, что помогает заменить или дополнить человеческий труд машинными алгоритмами. В сущности, это технологии, объединяющие широкий спектр алгоритмов, которые имитируют функции, свойственные человеческому взаимодействию со средой, например: распознавание / генерация речи, текстов, изображений и шаблонов поведения, предсказание / интерполяция поведения на основе предыдущих данных и тому подобное. 

 – Какие ключевые направления применения технологий ИИ в банковском секторе вы выделяете? Какие направления наиболее перспективны, по вашему мнению?

– ЦФТ сфокусирован сейчас, как нам кажется, как раз на наиболее перспективных направлениях использования искусственного интеллекта в финансовой сфере, а именно на AML (anti-money laundering) – это системы противодействия отмыванию денежных средств, построенные на интеллектуальной проверке данных; на создании антифродовых систем для борьбы с мошенничеством; на прогнозировании поведения клиентов и автоматическом создании персональных предложений; на автоматизации работы с голосом в контакт-центрах (чат-бот, голосовой помощник) и обработки графических документов.

 – По каким направлениям, по вашему мнению, банкам уже удалось добиться значительных успехов во внедрении технологий искусственного интеллекта? На каких направлениях ИИ банки сосредоточены в настоящий момент?

– Безусловно, самое интересное в этой области еще впереди. На данный момент, благодаря деятельности регулятора, банки сосредоточены на биометрии и противодействии легализации доходов. Неплохо уже развиты автоматизация внутренних процессов, включая обработку голоса, текста и изображений и выявление аномалий в работе систем. Anti-fraud – борьба с мошенничеством. Операционная автоматизация (заполнение и верификация форм, автоматизация колл-центра и тому подобное). Что касается решений ML, связанных с поведением клиентов, то пока это находится в стадии активного развития, но именно здесь будут сосредоточены в ближайшее время основные усилия самых крупных игроков рынка финансовых технологий.

 – Кто сейчас для банков и их вендоров основные поставщики больших данных, необходимых для разработки многих решений в области ИИ? Правильно ли считать, что в РФ сложился рынок, где можно приобрести необходимые большие данные?

– Как такового рынка данных не существует ни в России, ни в мире. Это связано как с различными законодательными ограничениями, так и с тем, что для компаний, обладающих такой информацией, данные являются core-ценностью. Поэтому в настоящее время крупные игроки банковского рынка сами являются основными поставщиками данных для своих задач. Кроме этого, есть разные открытые источники, связанные с голосом и графикой: в определенном смысле API, которые выставляют Google, Amazon, Microsoft и другие технологические компании, можно считать источником данных, эти API активно используются для разработки собственных решений банков. В качестве примеров, где все-таки реально приобрести большие данные, можно назвать сотовых операторов: они сейчас начинают очень активно предлагать свои услуги на этом рынке. Но речь, конечно, не про исходные данные клиентов, а разного рода агрегаты, метрики и прогнозы: по сути, это предложение ML-аналитики.

 – При решении каких задач банки обычно предпочитают внешних поставщиков, а когда, наоборот, стремятся к реализации собственными ресурсами? С чем это связано, по вашему мнению?

– Концептуально это решение никак не связано с классом задач. Это определяется только позиционированием самого банка. Если банк позиционирует себя как технологическую компанию, то он многое будет делать самостоятельно, если нет – обратится к внешним поставщикам. В области голоса и графики немало внешних поставщиков. Это конкурентный рынок, на котором уже сейчас есть из чего выбрать, а со временем эти услуги перейдут в класс commodity и упадут в цене, поэтому нет смысла вкладываться в свои решения. Возможно там, где задачи связаны с очень персональными данными, в настоящее время банки еще выбирают собственные решения. Однако и эта ситуация меняется. Уверен, что все будет происходить по известному сценарию, как в свое время было с банковским софтом: ни один банк не в состоянии на длительной дистанции поддерживать высокий уровень ML-решений. Все-таки это отдельный бизнес, и решения технологических компаний будут неизбежно замещать собственные решения банков. Рынок бурно развивается, важно использовать это. Любая попытка изобретать велосипед работает против банка.

 – Требует ли развитие рынка решений в области ИИ какого-либо специального регулирования или изменений в существующей нормативной базе?

– Без сомнений, и в области ИИ, и области BigData. Из самого очевидного: широкое использование нейронных сетей во многих классах банковских задач сталкивается с невозможностью применения из-за сложности прямой интерпретации результатов. Переход к облачным решениям также диктует развитие нормативной базы, регулирование.

 – С какими трудностями приходится сталкиваться банкам при валидации используемых моделей, основанных на технологиях ИИ?

– Machine Learning находится в стадии своего активного развития. Поэтому из трудностей можно назвать стандартные проблемы роста. Это, конечно, нехватка специалистов. Непонимание на разных уровнях ценности и реальных возможностей ML: все алгоритмы машинного обучения – вероятностные, значит, у них всегда есть ошибки первого и второго рода. Этот факт часто труден для освоения теми, кто привык к единственно верному ответу и персональной ответственности. Вокруг этой темы сейчас слишком много хайпа при отсутствии реальных успешных историй.

 – Какие факторы стимулируют спрос на решения / самостоятельные разработки банков в области ИИ? Что, напротив, мешает внедрению технологий ИИ в банках?

– Ключевые игроки банковского рынка уже начали применять ML для разных задач, и это объективная реальность. А те, кто еще только задумывается об использовании ML, тоже вынуждены считаться с этим фактом и вкладываться. При этом, как и все новое, внедрение ML связано с проблемами внедрения изменений. Это может быть непонятно, дорого, неочевидно. Нужно адекватно понимать возможности и ценность ML для конкретного бизнеса, ориентироваться не на моду, а на свои задачи: определить стратегию и следовать ей.

 – Как вы оцениваете объем рынка решений в области ИИ в денежном выражении и каковы ваши прогнозы на ближайшие годы? Какова доля ЦФТ на этом рынке?

– Полагаю, что в течение 3–5 лет 50% IT-бюджетов уйдут в область данных. ЦФТ определил для себя ML как одну из основных движущих ценностей, активно наращивает компетенции и успешные истории. Рассчитываем занять место на рынке пропорционально доле на рынке АБС для банков.