Если вы когда-либо использовали Интернет для перевода денег между счетами, подачи заявки на получение банковского кредита или торговли, вы, вероятно, знаете, насколько глубоко финтех укоренился в нашей повседневной жизни. В 2018 году около 61% американцев пользовались цифровыми банковскими услугами, и ожидается, что в 2022 году это число превысит 65%. Одна из недавно появившихся черт 4-й индустриальной эры, финтех — это применение быстро развивающихся цифровых технологий для улучшать и облегчать финансовые услуги.

Компании быстро внедряют финтех, чтобы не отставать от конкурентов. Инвестиции в эту отрасль также впечатляют: по данным KMPG, в 2018 году она привлекла более 16 миллиардов долларов инвестиций только в Великобритании.

С другой стороны, целые страны быстро внедряют технологии искусственного интеллекта, чтобы конкурировать за самый большой кусок пирога.

Южная Корея опубликовала амбициозный национальный план по инвестированию 2 миллиардов долларов в укрепление потенциала исследований и разработок в области ИИ к 2022 году. План включает создание 6 новых научно-исследовательских институтов ИИ по всей стране. Страна занимает 1-е место в мире по расходам на НИОКР в процентах от ВВП (4,3%); в частности, огромная часть этих расходов приходится на ИИ.

Еще одна страна, которая стремится зарезервировать свое место в ряду с ведущими странами мира, использующими ИИ, — это Израиль. В 2018 году стартапы в сфере ИИ привлекли более 1,5 млрд долларов США.

Израиль является рассадником талантов в области ИИ, отслеживая почти 4000 разработчиков, инженеров и специалистов по данным, работающих над исследованиями и разработками в области ИИ и интеграцией (включая программное и аппаратное обеспечение). Из них 64% работают в стартапах, а 31% работают как в местных, так и в многонациональных корпорациях со специализированными центрами/лабораториями искусственного интеллекта в Израиле.

Однако спрос на разработку, развертывание и обслуживание ИИ-решений во всем мире настолько высок, что нынешних национальных пулов просто недостаточно для удовлетворения спроса. Это заставляет многие финтех-компании использовать внешние пулы талантов ИИ, чтобы не оказаться «запертыми» в нехватке внутренних кадров и ускорить их выход на рынок.

Например, базирующаяся в Израиле блокчейн-платформа 3-го поколения SkyCoin не смогла найти достаточно инженеров Golang для разработки своего решения на основе ИИ и наняла специальную команду разработчиков программного обеспечения в Украине, чтобы ускорить выход на рынок и получить доступ к гораздо большему пулу талантов ИИ, чем тот, который доступен в их родной стране.

FinTech часто считают катализатором глобальных изменений, вызванных ИИ, поскольку многие банки и финансовые организации уже имели возможность в определенной степени стать пионерами ИИ и пожинать плоды, в то время как многие другие отрасли остались в стороне и ждали, чтобы увидеть первые успешные варианты использования и оправданный ROI.

По данным FinTech Symposium 2018, компании, использующие роботизированную автоматизацию процессов (RPA), обычно получают 40%-100% ROI всего за 3–8 месяцев после внедрения.

Прогнозы еще более сенсационны. Согласно Autonomous Research, независимому аналитическому агентству в США, специализирующемуся на финансовых технологиях, только в Соединенных Штатах искусственный интеллект поможет банкам и финансовым учреждениям сэкономить более 1 триллиона долларов США (в результате RPA и другие технологии ИИ); Ожидается, что 490 миллиардов долларов США будет сэкономлено за счет существенного сокращения числа специалистов по кассовым операциям, сотрудников службы безопасности и другого персонала.

Как видите, искусственный интеллект и зарождающиеся технологии будут играть ключевую роль в превращении финтеха в зрелую отрасль в 2019 году и далее.

Давайте рассмотрим 6 примеров эффективного использования машинного обучения, НЛП и глубокого обучения в финтех-индустрии, чтобы лучше понять, насколько мощной и уникальной является трансформационная природа ИИ.

1) Боты обслуживания клиентов

Согласно ряду исследований, проведенных в последние годы, подавляющее большинство миллениалов США с радостью отказались бы от своих банков, если бы им представилась жизнеспособная альтернатива. Это технически подкованное поколение назвало трудности с решением проблем, стояние в длинных очередях и неприятное общение с банковским персоналом среди вещей, которые они больше всего ненавидят в своем банковском опыте.

Использование обработки естественного языка (NLP), набора технологий, направленных на распознавание человеческого языка и речи, продвинуло эволюцию чат-ботов до уровня, когда они могут выполнять впечатляющий набор операций: от виртуальных помощников до автоматической обработки претензий. . Виртуальные помощники превращают ранее пугающий опыт в приятный. Чат-боты на основе NLP помогают клиентам сортировать множество финансовых продуктов, создавать планы сбережений и контролировать свои расходы. Например, Элла, цифровой тренер, созданный Sun Life, помогает клиентам ориентироваться в своих льготах и ​​пенсионных планах.

В insuretech большинство операций, облегчаемых использованием ИИ, связаны с клиентами: персонализированные телематические устройства, которые отслеживают вождение, и фитнес-трекеры, сообщающие страховым компаниям о физических упражнениях и здоровье, играют важную роль в профилировании рисков клиентов, используемом страховыми компаниями. Затем инструменты ИИ автоматически выбирают страховые продукты, подходящие для каждого профиля риска, и предлагают их клиентам через виртуальных консультантов.

2) Оценка кредитоспособности

NLP является движущей силой так называемой финансовой доступности, помогая максимально увеличить доступность банковских услуг для ранее не пользовавшегося услугами банков населения. Например, в то время как в США и ЕС банки могут оценивать кредитную историю клиентов, чтобы оценить кредитоспособность, в развивающихся странах у большинства клиентов вообще нет кредитной истории. Вот когда в игру вступают НЛП и расширенный анализ текста: анализируя цифровой след, который клиенты оставляют при работе в Интернете и использовании социальных сетей, программное обеспечение генерирует кредитный рейтинг, который помогает точно предсказать их дальнейшее поведение.

3) Алгоритмическая торговля

В 2017 году, по данным Techfunnel, 73% ежедневной торговой активности приходилось на алгоритмы машинного обучения. Сегодня финансовые компании все больше признают преимущества алгоритмической торговли: она идет по заранее определенным правилам, снижает проскальзывания, не требует трудоемкого мониторинга рынка и, что самое главное, свободна от человеческих эмоций, которые часто являются причиной большого количества ошибок. По мере развития финансовых технологий все больше и больше организаций готовы доверять машинному обучению, а не человеческой интуиции.

4) Предиктивная аналитика

Еще один яркий пример использования ML в финтехе — прогнозная аналитика. Оперативно собирая, обрабатывая и анализируя массивные наборы данных, предприятия могут делать более быстрые и точные прогнозы будущих финансовых тенденций, чем с помощью традиционных методов. На сегодняшний день традиционные аналитические инструменты неуклонно заменяются алгоритмами машинного обучения, которые помогают анализировать данные, прогнозировать риски и выявлять возможности.

5) Поиск на естественном языке

В сфере обслуживания клиентов НЛП применяется для помощи клиентам в поиске транзакций с определенной компанией или услугой, но поиск на естественном языке также является очень полезной функцией для просеивания внутренних данных компании. Финансовым компаниям необходим мгновенный доступ по требованию к внутренним данным, чтобы не отставать от конкурентов. Поиск на естественном языке позволяет организациям выполнять такой поиск за считанные секунды. НЛП переводит человеческий язык в запрос SQL и предоставляет результаты в удобной визуальной форме. На современных рынках, когда банки работают круглосуточно и без выходных в разных часовых поясах, имея под рукой актуальную информацию, можно сэкономить миллиарды долларов и помочь принимать взвешенные стратегические решения.

6) Обнаружение мошенничества

Технологические достижения часто приводят к большему риску мошенничества и нарушениям безопасности для финансовых учреждений. На самом деле ни одна другая отрасль не страдает от убытков, связанных с мошенничеством, в такой степени, как финансовая. В 2018 году, согласно Javelin’s Identity Fraud Report, около 17 миллионов организаций в США столкнулись с мошенничеством. К счастью, инструменты обнаружения мошенничества с машинным обучением также становятся все более совершенными и оказались гораздо более эффективными, чем традиционные ручные методы. Алгоритмы машинного обучения обнаруживают аномалии в режиме реального времени, используют меньшее количество мер проверки и выявляют скрытые мошеннические действия. Банковские транзакции и биометрическая аутентификация пользователей — лишь некоторые из примеров использования ОД для выявления мошенничества.

Regtech — еще один недавно появившийся сегмент финтеха. Проще говоря, это определяется как «использование новых технологий для облегчения выполнения нормативных требований», которые становятся все более сложными и вездесущими на современных быстро развивающихся рынках. Например, такие компании, как Comply Advantage, используют искусственный интеллект и машинное обучение для создания приложений, которые выявляют отмывание денег и финансирование терроризма и помогают компаниям соблюдать глобальные правила и защищать свой бизнес».

Сообщается, что благодаря появлению ИИ, более широкому использованию мобильных устройств и Интернета на рынке финансовых технологий ожидается самый высокий ожидаемый CAGR 74,16% в течение прогнозируемого периода 2014–2025 годов. Первоначально используемые для поддержки внутренних процессов большинства финансовых учреждений, финтех теперь является основной силой, стоящей за финансовыми операциями, связанными с клиентами, и меняет то, как мы управляем финансами в глобальном масштабе. По общему признанию, его внедрению мешает отсутствие квалифицированных консультантов по ИИ, но в долгосрочной перспективе компании могут решить эту проблему, используя аутсорсинг ИИ и сотрудничая с надежными сторонними поставщиками для продвижения своих финансовых услуг.

А как еще ИИ меняет финтех в наши дни?