Объективная критика всегда важна. Но когда есть достижения, молчать тоже не стоит.
Мы часто критикуем банки Казахстана. В основном это не относится к технологическому прогрессу отрасли, а больше к их устойчивости и риск-менеджменту. Но все же у нас есть банки, которые имеют собственные market place и внедряют методы машинного обучения в своих процессах. Например, нам нравятся банковские приложения, в которых есть встроенные NFC и QR переводы. Но у каждого из банков пока имеются существенные изъяны. То, что есть сегодня в Казахстане, можно целиком и полностью перенести в Узбекистан и это не займет много времени. Если подобное произойдёт, то технологическое превосходство может сократиться за короткий срок. В казахстнане, нам как рисковикам нравится, что можно видеть доходы заёмщиком в один клик, отправляя запрос в ПКБ. Такой системы и доступности данных нет во многих даже развитых странах. Мы бы рекомендовали коллегам из Узбекистана первым делом запустить такой же аналог ПКБ, с похожим функционалом. Затем соседу из ЦА стоит создавать online банки по примеру Kaspi, Forte (обновленный), Халык и тд. Нашим банкам в свою очередь нужно следить за РФ и перенимать их передовые подходы. У них есть много интересных проектов в БВУ, с использованием Data Science и Machine Learning.
Сейчас мы переживаем самую интересную революцию. Развитие искусственного интеллекта вкупе с развитием вычислительных мощностей дают нам невероятные возможности. Мы бы рекомендовали в первую очередь попробовать внедрить ML в риск-менеджмент. Затем стоит попробовать запустить чат-ботов и улучшить клиентские сервисы. Это упростит внедрение PMF (Система управления личными финансами (https://en.wikipedia.org/wiki/Personal_financial_management)). Было бы замечательно, если бы бот указывал пользователям, что он тратит слишком много, и продукты, которые покупает в Рамсторе дороже этих же продуктов в Магнуме.
Еще одним примером применения машинного обучения является распознавание объектов. К примеру, в больших российских банках уже внедряется/внедрена система, распознающая людей с ограниченными возможностями. Как только люди на колясках приближаются к отделению, их встречает менеджер банка.
Пока наш Регулятор пытается не совсем качественно повысить финансовую грамотность населения, многие западные банки внедрили у себя геймификацию. На ум сразу приходит онлайн-игра “Спасибомания (https://www.gamification-now.ru/cases/30-millionov-chelovek-sygrali-s-bankom-v-igru)” Сбербанк. Нашим банкам это может пригодиться.
Банкам стоит также сосредоточиться на голосовой биометрии и голосовых помощниках. В силу ограничений банки не могут передавать данные третьим сторонам, а значит сервисами Google или Яндекс воспользоваться не получится. Придется выстраивать собственные сервисы. Хороший пример виртуального помощника Олег (https://ru.wikipedia.org/wiki/%D0%9E%D0%BB%D0%B5%D0%B3_(%D0%B3%D0%BE%D0%BB%D0%BE%D1%81%D0%BE%D0%B2%D0%BE%D0%B9_%D0%BF%D0%BE%D0%BC%D0%BE%D1%89%D0%BD%D0%B8%D0%BA) из Тиньков банка. Говоря о биометрии мы понимаем, что идентификация по голосу является затруднительной, так как голос состоит из 5 компонентов и на 10 тыс человек найдутся 2 человека с одинаковым голосом. Однако решение данной сложности в этом году будет реализовано у российского ВТБ.
Детального анализа цифрового развития от Регулятора или иных чиновников ждать не стоит и банки должны сами проводить анализ рынка. Им стоит как можно быстрее развивать машинное обучение в своих процессах. В будущих постах мы также расскажем о нашем опыте Robotic process automatization (RPA (https://ru.wikipedia.org/wiki/Robotic_process_automation)) и как его можно применять в банках. Это не классическая автоматизации, но об этом позже.