Внедрение искусственного интеллекта в финансовом секторе. От идеи до реализации
Есть два основных подхода. Первый — условно «правильный»: сначала тщательно планируют процессы, а уже потом приступают к реализации. Второй — путь экспериментов, который выбрали в «Альфа-Капитал».
Мы собрали команду из сотрудников, заинтересованных в теме ИИ, и пригласили стажеров. Вместе начали строить гипотезы о том, как искусственный интеллект может помочь разным отделам. Идеи не откладывались в долгий ящик — старались реализовать их сразу. Интеграция прошла в два этапа, которые мы назвали Discovery (поиск и тестирование гипотез) и Delivery (промышленное внедрение). О них расскажем подробнее.
Discovery: поиск работающих гипотез
На этом этапе мы искали способы эффективно использовать ИИ в организации, вовлекая значительное количество сотрудников. Когда в «Альфа-Капитал» начали эксперименты, стало понятно, что даже самые опытные эксперты не могут придумать гипотезы за всех. Поэтому решили привлечь как можно больше людей для совместной генерации идей.
Мы убрали технические барьеры, предоставив всем бесплатный доступ к нейросетям через платформу компании «Альфа Чат». Здесь сотрудники могли генерировать тексты, визуальный контент, обрабатывать файлы и документы для задач любого уровня. Чтобы раскрыть все возможности нейросетей, организовали обучение по основам работы с ИИ: онлайн-курсы, воркшопы и внутренние семинары.
Также была создана команда поддержки, которая развивала идеи сотрудников и подготавливала их к следующему этапу реализации. Поддержка включала дополнительные консультации, помощь в формулировке гипотез и их оценке. Кроме того, сформирована специальная группа экспертов, занимающаяся интеграцией ИИ в повседневные задачи компании. В команду вошли энтузиасты, разбирающиеся в технологиях и их возможностях, а также специалисты по бизнес-процессам. Команда Discovery тесно взаимодействовала с бизнес-подразделениями, постоянно собирая обратную связь и новые идеи.
Для мотивации сотрудников мы внедрили систему стимулирования: запустили внутренний акселератор проектов и AI-Challenge, где каждый мог предложить свою идею. Оказывалась помощь в их реализации, а победители получали денежные призы и признание. Эта инициатива сработала: 4% сотрудников успешно реализовали проекты с использованием нейросетей.
Чтобы ускорить проверку гипотез, внедрили «фаст-трек» — ускоренное тестирование. Мы оперативно согласовывали идеи, выделяли ресурсы на эксперименты и предоставляли доступ к тестовым данным. Для оценки эффективности гипотез были разработаны специальные метрики, учитывающие как количественные показатели (например, сэкономленное время на задачу), так и качественные (удовлетворенность пользователей).
Delivery: промышленное внедрение
На этом этапе мы внедряли гипотезы в работу всей компании, начав его параллельно с Discovery, чтобы заранее подготовить ресурсы. В команду включили разработчиков, которые смогли создавать и интегрировать ИИ-сервисы в существующие системы организации. Были привлечены специалисты по backend и frontend разработке, DevOps инженеры и другие. Также подключили экспертов по промышленной разработке ИИ-решений, чтобы масштабировать прототипы до уровня промышленных систем.
Нам было важно наладить сотрудничество между коллективами Discovery и Delivery. Для этого проводили регулярные встречи, где обсуждали идеи и текущие проекты. Иногда мы переводили специалистов из одной команды в другую для обмена опытом и навыками.
Чтобы скорее внедрять новые решения, разработали специальные программы, которые помогли оперативно вводить в рутину новые инструменты. Например, использовали микросервисную архитектуру, контейнеризацию, CI/CD пайплайны.
Поскольку компания работает в финансовом секторе, нам особенно важно было обеспечить безопасность в работе с ИИ. Например, чтобы предотвратить утечки данных пользователей, мы продумали, как обрабатывать и передавать данные с учетом их конфиденциальности. Подключили шифрование при передаче и хранении, управление доступом, а также аудит действий с данными.
Для предотвращения сбоев ИИ мы ввели многоуровневую проверку результатов работы, а также использовали контролируемые данные для обучения моделей. В целом, ограничили возможности ИИ рамками целей конкретного сервиса. Для настройки модели на конкретные задачи применяли техники промпт-инжиниринга и fine-tuning.
Так «Альфа-Капитал» удалось обеспечить полное обезличивание и конфиденциальность данных в AI. При обработке данных ИИ не получает никакой персональной информации о клиенте, только состав текущего портфеля.
Помимо технической стороны, адаптация ИИ-решений потребовала изменений в организационных процессах, бизнесе и культуре компании. Мы проводили обучение, чтобы сотрудники понимали, как работать с ИИ-инструментами. Внедрили систему мотивации за новые решения: создали KPI, связанные с использованием ИИ в рабочих процессах, и поощряли премиями за эффективное выполнение.
Основные направления в работе с ИИ
Не существует универсальных решений, подходящих всем одинаково. У каждой организации свои приоритеты и специфика. В нашем случае, поскольку компания работает в финансовой сфере с состоятельными клиентами, мы выделили три основных направления в работе с ИИ.
AI-ассистенты для инвестиционных консультантов
Мы разработали инструменты, чтобы облегчить работу консультантов и усилить персонализацию для клиентов. Например, создан внутренний чат-бот, который предоставляет доступ к базе знаний компании, что снизило нагрузку на отделы поддержки и продаж.
Качество клиентского сервиса
Мы внедрили AI-Суфлера для сотрудников call-центра, который предоставляет ответы на вопросы в режиме реального времени. В результате доля обращений, на которые отвечают в течение 20 секунд, увеличилась с 72% до 89%, а оценка консультаций клиентами выросла с 4,50 до 4,78.
Также разработана специальная платформа для автоматической транскрибации звонков. Эти данные можно использовать в CRM и других информационных системах компании, а также преобразовывать в краткие саммари с помощью AI, что позволяет актуально обновлять клиентские профили.
Цифровые каналы
Наши клиенты активно пользуются мобильным приложением, поэтому мы постепенно внедряем AI-функционал и туда. Недавно была представлена функция «AI-отчет по инвестиционному портфелю», анализирующая, как изменились вложенные средства за отчетный период, оценивающая эффективность инвестиций и сравнивающая их с бенчмарками. Сервис также предоставляет информацию о выплаченных купонах по облигациям, дивидендах по акциям и совершенных операциях.
Какие преимущества дают AI-решения?
Поскольку нейросетевые алгоритмы анализируют не только экономические показатели, но и поведенческие паттерны, социальные связи и другие нетрадиционные данные, мы теперь можем точнее оценивать кредитоспособность и инвестиционный профиль клиента. Технология также позволяет предвосхищать запросы пользователей и предлагать персонализированные решения. Нейросети учитывают историю взаимодействия с клиентом, его предпочтения, актуальные продукты и новости в мире инвестиций. Кроме того, ИИ генерирует индивидуальные отчеты для пользователей, объединяя финансовые показатели, аналитику рынка и персональные рекомендации в наглядном формате.
***
Внедрение ИИ в финансовые организации — это сложная задача, требующая системного подхода. Ключ к успеху — баланс между быстрыми победами и долгосрочными проектами, а также тесное взаимодействие команд и постоянная адаптация к новым технологиям.
Мы пока находимся на начальном этапе внедрения AI-сервисов и планируем дальнейшее развитие в этом направлении. При правильном подходе AI может стать мощным инструментом повышения эффективности, улучшения клиентского опыта и создания конкурентного преимущества в финансовом секторе.
Опубликовано 13.11.2024
