В современном мире банковский сектор активно внедряет инновации для оптимизации бизнес-процессов и улучшения качества обслуживания клиентов. Одной из ключевых инноваций, которая получила широкое внедрение в финансовые технологии (финтех), является системы на основе машинного обучения. Традиционные банки часто не замечают, как нефинансовые институты постепенно увеличивают свою долю на рынке. Показатели оттока клиентов, как правило, недооценивают масштаб проблемы, поскольку в банковской сфере люди часто используют кредитные карты, берут кредиты и пользуются другими финансовыми услугами, не закрывая своих основных счетов. За сохранением кажущейся стабильности базовой клиентской базы часто скрывается убывающая доля рынка.
Нецеленаправленное удержание клиентов наносит урон экономике банков, так как оно предполагает расходы на невыгодных клиентах или фокусировку на тех, кто не реагирует на предложения. Краткосрочные тактические меры зачастую не приносят стабильных результатов и менее эффективны, чем системный подход, в котором удовлетворение потребностей клиентов становится фундаментальным аспектом бизнеса. Отток клиентов в значительной степени связан с изменением их потребностей и предпочтений. Следовательно, если основные предложения банка не соответствуют этим потребностям, у них остается ограниченное количество альтернатив. Последние достижения в области аналитики позволяют банкам и финтех-компаниям детально сегментировать клиентов и более эффективно взаимодействовать с наиболее высокоэффективными из них.
Специалисты компании Nlabteam (опытный разработчик решений для бизнес-аналитики) подготовили свой аналитический обзор о том, какие задачи решают роботы в банке сегодня, каким образом выбирают платформу для роботизации и какие технологические тренды ожидаются в будущем в банковской сфере.
Задачи программной роботизации в банке
Одной из первых и наиболее важных задач, которую решает машинное обучение в финтехе, является составление отчетности. Это важная часть работы банка, включающая в себя подготовку отчетов для регулирующих органов и внутренних нужд. Роботы способны выполнять эту задачу более эффективно и безошибочно, освобождая сотрудников от рутинных операций. Второй актуальной задачей является отслеживание и управление оттоком клиентов. Отток клиентов – это серьезный вызов для банков, поскольку он может привести к снижению доходов и потере рыночной доли. Роботы могут анализировать данные и выявлять тенденции оттока, что позволяет банку оперативно принимать меры по его снижению.
Опыт внедрения программной роботизации в банке ВТБ
Чтобы лучше понять, как работает машинное обучение в сфере финансовых технологий, мы обратимся к опыту банка ВТБ, который активно внедряет роботизацию в своей деятельности.
Приведем цитату Олега Тихомирова – руководителя стрима RPA в банке ВТБ: «На сегодняшний день у нас банковский финтех включает 120 роботов, на продуктиве – 70. Общая экономия с накопительным итогом превышает 350 FTE. Первым шагом мы внедрили отчетность. Я считаю это одним из лучших процессов, с которого стоит начинать роботизацию. Дело в том, что этот процесс весьма формализованный, выполняется по строгим формулам и шаблонам. При этом в него вовлечено много сотрудников, много рутинной работы и относительно много ошибок, возникающих вследствие человеческого фактора, и, как результат, много перепроверок».
Один из интересных кейсов в банке ВТБ, где внедрили машинное обучение, связан с управлением резервами. Робот занят пересчетом плавающей процентной ставки каждый день. Он анализирует сделки контрагента и обновляет значения ставок. По итогу роботизации банк смог высвободить около 400 млн рублей и использовать средства для развития.
Роботизация для оптимизации бизнес-процессов
Искусственный интеллект в финтехе находит применение не только в банковской сфере. Он также может быть использован для управления процессами выдачи кредитов физическим лицам, рассмотрения заявлений на субсидирование и многих других задач. Кроме того, одним из примеров, где идет успешная роботизация банков, является автоматизация миграции между IT-системами. Если у банка много офисов и отделений в регионах, то он неизбежно сталкивается с ситуациями, когда в различных регионах разные внутренние стандарты. Для улучшения этого процесса были созданы специальные роботы, которые настроены учитывать региональную разницу и особенности. Это позволило сделать миграцию между информационными системами максимально быстрой и комфортной для всех участников. Роботизация также помогает устранить «костыли» при разработке программного обеспечения. В сложных проектах ПО, где происходит много изменений и обновлений, роботы могут решать проблемы по устранению нестыковок, что значительно ускоряет процесс разработки.
Банковская сфера в кризисный и посткризисный периоды
Современные вызовы, такие как быстро меняющаяся экономическая ситуация и необходимость решения срочных вопросов, ставят перед банками новые задачи. Банк заинтересован в ускорении многих процессов, сокращении времени до запуска новых продуктов и улучшении качества обслуживания клиентов. Финтех в банковской сфере и программная роботизация становятся важным инструментом для достижения этих целей. Банк стремится активно ускорить множество своих процессов, отвечая на требования бизнеса о максимально сокращенном времени выхода на рынок (time-to-market). Основной акцент делается на ускорении процессов тестирования гипотез и внедрения минимально жизнеспособных продуктов (MVP). Сегодня банки активно занимаются импортозамещением в сфере программной роботизации. Опыт ВТБ в этой области особенно ценен.
Со слов Ивана Карпова – IT-директора «Почта Банк»: «Мы имеем возможность использовать опыт ВТБ, где импортозамещению уделялось огромное внимание на протяжении последних лет. ВТБ не только тестировал различное ПО российских вендоров, но и сам разрабатывал решения. Поэтому мы нередко консультируемся по вопросам импортозамещения с коллегами из ВТБ».
Однако банки сталкиваются с серьезными вызовами при импортозамещении, так как финансовые технологии отчасти зависят от зарубежных компаний. Например, системы, написанные десять лет назад, могут требовать сложной замены на современные аналоги, особенно если они привязаны к определенным базам данных и технологиям. Также есть системы, которые тяжело заменить из-за их важности и зависимости от них внутренних процессов банка.
На сегодняшний день банк сталкивается со сложностями, касающимися существующих систем. Например, отечественное ПО АБС, созданное много лет назад на Oracle, не может быть быстро заменено. Также вызывает сложности замена профессиональной телефонии, например американской системы Genesys, которая перестала обновляться и предоставлять техническую поддержку. Однако ее замена требует значительных усилий, так как пока нет подходящих отечественных альтернатив. Еще одной сложностью является система Oracle Siebel CRM, которую банк не может оперативно заменить из-за ее важной роли в работе контакт-центров. Ее попросту нечем заменить, так как на ней завязана огромная часть процессов.
Компания Nlabteam использует не только уже готовые решения, но и разрабатывает собственные компоненты, что позволяет решить практически любую задачу в современных условиях.
Выбор платформы роботизации
Выбор платформы для программной роботизации является важным этапом. Он проходит в несколько стадий начиная со сравнительного анализа существующих платформ по множеству критериев. Учитываются такие параметры, как архитектура, безопасность и стоимость владения.
Поиск процессов для роботизации
Выбор процессов для роботизации зависит от экономических обстоятельств и от текущей ситуации на рынке банка, также важна его готовность к использованию новых технологий. Катализаторами для внедрения ИИ могут стать плохая отчетность подразделений банка, и потенциальная выгода от этого. Следует отметить, что придумывание процессов для ии с нуля часто оказывается менее успешным. Наиболее востребованными сейчас являются инновации в области Big Data и Data Science, которые помогают сокращать издержки и улучшать аналитику по клиентам.
Заключение
Банковская сфера остается одной из самых динамичных и конкурентоспособных отраслей. Внедрение систем на основе машинного обучения позволяет банкам решать сложные задачи, оптимизировать бизнес-процессы и улучшать качество обслуживания клиентов. По мнению специалистов Nlabteam, в будущем ожидается дальнейшее развитие технологий Big Data и Data Science, что откроет новые возможности для банков в анализе данных и разработке продуктов. Таким образом, программная роботизация становится неотъемлемой частью банковской сферы, помогая банкам оставаться конкурентоспособными и успешно адаптироваться к изменяющимся рыночным условиям. Среди баз ПО на 2023 год в сфере различных классов IT-решений в компаниях российского финсектора наиболее востребованы СЭД, системы ДБО, CRM, BI, BPM, АБС, учетные системы и ERP.
Начать дискуссию