Перспективы повышения эффективности технологий искусственного интеллекта при работе с банковскими картами

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Бердышев Александр Валентинович

В современных условиях благодаря алгоритмам машинного обучения стало возможным роботизированное распознание и анализ человеческой речи, отпечатков пальцев, структуры вен руки, сетчатки глаза, а также генерация человеческой речи, благодаря чему роботы могут не просто отвечать на вопросы человека, но и взаимодействовать с ним. Одной из последних разработок в данной области являются когнитивные вычисления, особенностью которых является способность взаимодействия с человеком на межличностном уровне. Когнитивные вычисления не просто распознают человеческую речь, но благодаря анализу огромных данных о других людях могут делать самостоятельные умозаключения. Например, простой алгоритм может ответить на вопрос: «Где ближайший банкомат банка и как к нему пройти?». В ответ на данный вопрос ИИ найдет на карте ближайший банкомат и проложит маршрут. С помощью когнитивных вычислений машины могут ответить на гораздо более комплексные и нетривиальные вопросы, не имеющие однозначного ответа. Например: «с помощью каких инструментов мне лучше накопить определенную сумму на отпуск?». В ответ на данный вопрос алгоритм даст несколько возможных вариантов, выслушает обратную связь и предоставит еще более точные советы, после чего порекомендует куда лучше всего пользователю отправиться в отпуск, как накопить мили и т. д. Когнитивные вычисления позволяют ИИ учиться гораздо быстрее, используя гораздо большие данные, но для их выполнения необходимы суперкомпьютеры с огромной вычислительной мощностью. Лидером в предоставлении платформы для осуществления когнитивных вычислений является компания IBM, суперкомпьютер которой — Watson, обладает самыми большими в мире вычислительными мощностями, которые могут позволить банкам со всего мира проводить когнитивные вычисления [3; 4].

а также методы «случайный лес», «градиентный бустинг», байесовские методы, нейронные сети и другие. На современном уровне развития, помимо построения регрессионной модели, алгоритмы машинного обучения позволяют классифицировать, кластеризировать и строить зависимости.

Выбор данного инструмента для моделирования деятельности организаций банковского сектора обусловлен возможностью включения в модель качественных факторов, наличием определенных рисков в условиях изменяющейся внешней среды. Реализация инструмента когнитивного моделирования происходит в несколько этапов. Вначале необходимо структурировать информацию, сформировать перечень базовых факторов и причинно-следственных связей между ними (табл. 1, 2). Выбранные факторы будут являться вершинами когнитивной карты, а для причинно-следственных связей выявляется их положительный или отрицательный характер и сила связи. Выбранные вершины могут быть абсолютными или измеримыми, например, прибыль, количество клиентов и т.д., и относительными или качественными, такие как уровень ИТ-инфраструктуры, обеспечение кибербезопасности и др. В данном случае были выбраны факторы, наиболее очевидные и характерные для современного банка, активно осуществляющего цифровые преобразования, выстраивающего собственные экосистемы либо скупая высокотехнологичные компании или создавая собственные [10] (Sirotkin, 2019). Выбранные вершины когнитивной карты представлены в таблице 1.

Отметим, что финансово-технологические компании обладают гораздо меньшими по сравнению с банками объемами данных, которые являются ключевым компонентом в разработке ИИ, поэтому вынуждены продавать свои технологические наработки банкам или заключать партнерские соглашения для дальнейшего развития.

Современные технологии искусственного интеллекта (ИИ) играют ключевую роль в развитии банковской сферы, обеспечивая улучшение эффективности операций и повышение уровня обслуживания клиентов. Одним из важных направлений применения ИИ в банковской отрасли является работа с банковскими картами. В данной статье мы рассмотрим предложения по повышению эффективности технологий ИИ при работе с банковскими картами. «Технологии ИИ являются мощным инструментом для коренной трансформации банковского дела и вызывают изменения в структуре и регулировании финансовых рынков» [1].

Сценарий оптимистичный, наблюдается рост всех показателей, инвестиции в информационные технологии и развитие ИТ-инфраструктуры окажут положительное влияние на все показатели в целом, но нужно обратить внимание на процессы роботизации и развитие новых сервисов.

ARTIFICIAL INTELLIGENCE AS A TECHNOLOGICAL BASIS OF THE DEVELOPMENT OF BANKS

— Способность алгоритма думать и принимать решения аналогично человеку — Автоматизация внутренних банковских процессов; — персонализация банкинга на основе анализа данных — Сокращение издержек на персонал; — смещение ключевого канала взаимодействия с банком со смартфона на виртуального помощника — Необходимость переобучения сокращенных сотрудников либо выплаты компенсаций; — недоверие клиентов к виртуальным помощникам

Накапливая информацию о пользователе, помощники постепенно создают его профиль и за несколько лет «общения» будут «знать» своего живого собеседника так, как знает близкий человек. Поэтому следующая стадия — диалоговый интерфейс и персональные ассистенты, которые, исходя из накопленной информации, смогут формировать персонализированные предложения финансовых услуг, учитывающие склонности человека к рискам и накоплениям, предстоящие покупки и иные расходы, финансовое положение, структуру доходов и т. д.

В качестве примеров разработок ИИ можно привести голосовых и текстовых помощников и связанные с ними технологии распознавания речи и распознавания образов. Голосовые помощники — это программы-собеседники, предназначенные для общения, помощи и консультаций. Наиболее известные в настоящее время голосовые помощники — Siri от Apple, GoogleAssistant, Alexa от Amazon. Отметим, что более половины американцев в возрасте от 18 до 55 лет уже использует их на постоянной основе.

Основные термины (генерируются автоматически): искусственный интеллект, банковская сфера, автоматизированная система мониторинга транзакций, банк, динамик оптимизации расходов, качество обслуживания, машинное обучение, повышение эффективности технологий, прогностический анализ, эффективное управление.

Искусственный интеллект стал важнейшей технологией в сфере банковского и финансового обслуживания. Эта инновационная технология даёт возможность кредитным организациям и компаниям улучшить эффективность операций, снизить риски и предложить более персонализированные и инновационные финансовые продукты. Применение нейронных сетей в банковской и финтех-индустрии открывает новые перспективы для разработки более инновационных и эффективных услуг для клиентов. Однако крайне важно обеспечить строгое регулирование, особенно в контексте обработки конфиденциальных данных клиентов, таких как финансовая информация, данные о задолженностях, информация об открытых банковских счетах и прочее.

Изучение практики в банковской сфере выявило ключевые области, где применение искусственного интеллекта (ИИ) имеет значительное значение. Прежде всего, стоит подчеркнуть фокус на клиентоориентированных подходах, основанных на ИИ, что подразумевает индивидуальное предоставление банковских услуг, учитывая уникальные потребности каждого клиента. Далее, важным аспектом является разработка технологической инфраструктуры, способной поддерживать все банковские и клиентские процессы, обеспечивая эффективное взаимодействие и оптимизацию операций.

Далее, согласно технологии когнитивного моделирования, составляется матрица причинно-следственных связей, позволяющая оценить насколько используемые технологии могут соответствовать целям внедрения данных технологий (табл. 3), и при помощи программных средств для когнитивного моделирования строится когнитивная карта [13] (рис. 1).

Технологии искусственного интеллекта играют все более значимую роль в развитии банковской сферы, особенно при работе с банковскими картами. Повышение эффективности этих технологий позволяет банкам улучшить качество обслуживания, обеспечить безопасность операций и оптимизировать управление рисками. Разработка и внедрение новых методов и подходов, основанных на принципах искусственного интеллекта, помогут создать современную и конкурентоспособную банковскую систему, способную эффективно реагировать на изменяющиеся потребности клиентов и требования рынка.

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Бердышев Александр Валентинович

В условиях новых вызовов прогрессивные банки начали накапливать огромные массивы информации о поведении клиентов. Благодаря развитию технологий машинного обучения, искусственного интеллекта и когнитивных вычислений, банки могут быстрее обрабатывать огромные массивы информации, выстраивать более точные модели, позволяющие предвосхищать потребности клиентов, формировать персональные предложения и автоматизировать их обслуживание. В статье рассмотрены особенности технологий искусственного интеллекта , возможности их использования и влияние на трансформации в банковской сфере.

В современных условиях происходят глобальные технологические трансформации, обусловленные развитием информационно-коммуникационных технологий. Ключевые технологии, под воздействием которых банковский сектор уже меняется и кардинально изменится в ближайшее время, — это блокчейн, облачные вычисления и искусственный интеллект (далее — ИИ) [1].

Ключевая технология ИИ — машинное обучение, т.е. создание комплексного алгоритма для анализа больших объемов данных, их сопоставления, нахождения взаимосвязей, построения предиктивных моделей, а также обучения на основе анализа полученных результатов. Ключевой компонент машинного обучения — способность машины самостоятельно обучаться и улучшать заложенный изначально алгоритм для получения наилучших результатов. Первая и самая простая форма машинного обучения — построение регрессионных моделей, которые позволяют на основе имеющихся данных предсказывать значение переменной, например, определить стоимость залога. Однако в условиях экспоненциального увеличения неструктурированных данных появились более сложные методы машинного обучения, такие как, например, глубинное машинное обучение, использующее в качестве вводных данных результаты других алгоритмов машинного обучения,

Abstract. In the face of new challenges progressive banks began to accumulate huge amounts of information about customer behavior. Thanks to the development of machine learning, artificial intelligence and cognitive computing, banks can more quickly process huge amounts of information, build more accurate models that can anticipate the needs of customers, create personalized offers and automate their services. The article defines the features of artificial intelligence technologies, the possibilities of their use and the impact on the transformation in the banking sector.

Искусственный интеллект — это компьютерные системы, обладающие такими ключевыми навыками человеческого разума, как понимание языка, способность общаться, рассуждать, обучаться, решать проблемы, действовать, делать заключения и т. д. Ключевая особенность ИИ — его способность к решению поставленных задач по алгоритму, подобному тому, который использует человеческий мозг. Основная цель ИИ — научиться понимать человека и на основе анализа полученных данных, сопоставления с результатами других людей и выявления закономерностей давать различные советы, после чего воспринимать обратную связь и обучаться в зависимости от ее результатов. Также разработки ИИ используют для анализа больших данных, построения предиктивных и других моделей.

Увеличение воздействия операционных рисков на эффективное управление капиталом банка становится все более актуальным в свете нарастающей сложности расследования киберпреступлений, способных нанести катастрофический ущерб финансовым учреждениям. Этому способствует уникальная природа таких преступлений, а также недостаточный опыт сотрудников отделов внутренних дел, ответственных за проведение расследований.