ИИ в финансах: новые горизонты для российских банков

Россию охватывает волна внедрения искусственного интеллекта в финансы, что открывает новые возможности для анализа данных и кредитования.

По итогам нашего исследования стало ясно, что российские банки активно включают технологии искусственного интеллекта в свои процессы. Боты для консультирования клиентов, алгоритмы для анализа кредитоспособности и системы мониторинга мошенничества – это лишь некоторые из примеров. Использование ИИ позволяет значительно сократить время оформления кредитов и улучшить качество обслуживания, что становится важным конкурентным преимуществом на финансовом рынке.

Максим Захаренко, СЕО «Облакотека»:

В «Облакотеке» мы активно внедряем технологии искусственного интеллекта, чтобы сделать облачные сервисы умнее, удобнее и безопаснее. Сейчас у нас в разработке несколько направлений, где ИИ играет ключевую роль.

Первое – это автоматизированное управление облачной инфраструктурой. Мы работаем над системой на базе машинного обучения, которая анализирует нагрузку на облако в реальном времени и прогнозирует потребности клиентов. Идея в том, чтобы автоматически перераспределять ресурсы в зависимости от нагрузки, помогая избежать перегрузок и ненужных затрат. Это актуально для компаний с переменной нагрузкой, которым важно не переплачивать за лишние мощности. При этом они должны быть уверены, что их сервисы не «лягут» в пиковые моменты.

Второе направление – это кибербезопасность. Сейчас мы тестируем модели машинного обучения, отслеживающие поведенческие аномалии в трафике и выявляющие потенциальные угрозы. В идеале система будет распознавать подозрительную активность в реальном времени, автоматически реагировать на попытки взлома и помогать предотвращать утечки данных. Это не просто замена традиционных методов защиты, а дополнительный уровень безопасности, который делает облачную среду более устойчивой к новым видам атак.

Еще один важный проект связан с автоматизированным анализом логов и предсказанием сбоев. Мы разрабатываем алгоритмы, которые смогут находить скрытые закономерности в работе сервисов, выявлять потенциальные проблемы до их возникновения и предлагать решения. В будущем это позволит значительно сократить время на диагностику и устранение неполадок, тем самым повысить стабильность работы всей инфраструктуры.

Также экспериментируем с оптимизацией облачного хранения с помощью ИИ. Сейчас тестируем алгоритмы, которые автоматически распределяют данные по уровням хранения в зависимости от их востребованности. Это поможет клиентам снизить расходы на хранение и упростит управление большими массивами информации.

Все эти проекты находятся на разных стадиях реализации: какие-то уже в пилотном режиме, какие-то — на стадии разработки. Но направление очевидно: мы стремимся к тому, чтобы облачные технологии стали более интеллектуальными и автономными.

Гуреев Евгений Олегович, заместитель директора по маркетингу Земля МО:

Несмотря на реализм традиционных рендеров, они уже не удовлетворяют возросшие потребности клиентов. Сегодня недостаточно просто показать красивый участок земли или архитектуру будущего поселка. Потенциальным жителям важно заранее увидеть и почувствовать атмосферу: представить себя на прогулках с детьми, вечерних встречах с соседями или на барбекю у собственного дома.

Именно с этой задачей прекрасно справляется генеративный ИИ. С помощью инструментов Kling и Sora мы не просто создаём дополненную реальность на основе фотографий ландшафта, но и «оживляем» персонажей, погружая покупателей в атмосферу будущей жизни. Вместо устаревших визуализаций с «синтетическими» персонажами клиент видит реалистичные сцены, наполненные жизнью.

Использование технологий ускоряет принятие решений, поскольку покупатель сразу видит, насколько проект соответствует его ожиданиям и мечтам. Для нас это особенно ценно, поскольку более 20 лет мы вместе с клиентами превращаем мечты о собственном доме в реальность.

К слову, даже этот текст, написанный человеком, мы обязательно пропустим через нейросеть, чтобы за мгновение исправить стилистические недочёты и сделать его чуточку лучше.

Илья Глазырин, бизнес-тренер, собственник и руководитель тренинговой компании «Тренинг-Менеджер Евразия»:

Первое – при экспансии в регионы. Одна из главных наших стратегических задач в прошлом и наступившем году – выход на региональные рынки. И при планировании развития филиалов ключевую роль играет машинное обучение. Мы используем накопленные массивы данных: обширные базы знаний, детализированную информацию о поведенческих паттернах клиентов, а также исторические данные по динамике продаж. Интеграция этих метаданных в алгоритмы машинного обучения помогает нам строить высокоточные прогнозы для каждого нового региона, учитывая его уникальные особенности. Такой подход повышает эффективность экспансии и сводит к минимуму риски, связанные с локальными рыночными условиями.

Второе направление, где ИИ экономит наше время, – это создание презентаций для тренингов, конференций, форумов, видеороликов для продвижения в социальных сетях. Нейросети генерируют их буквально за минуты, причем, результаты выдают креативные, яркие, с правильно расставленными акцентами.

Дмитрий Клиндухов, web-специалист и маркетолог, руководитель интернет-агентства Ferrum Studio:

ИИ для нас уже давно незаменимый помощник. Первым инструментом стал чат ChatGPT. Его используем в подготовке несложных текстов для SEO-оптимизации сайтов. И особенно он выручает, когда нужны описания к десяткам разделов, сотням карточек товаров. Да, перед размещением тексты от ChatGPT по-прежнему требуют проверки, но все равно таким образом создавать их быстрее и удобнее, чем писать самостоятельно.  

Также ChatGPT иногда задействуем при создании объявлений для Яндекс.Директ. Маркетолог пишет их вручную, но когда фантазия на исходе, на помощь приходит ИИ – подкидывает идеи интересных заголовков, нестандартных описаний.  

Для генерации изображений используем нейросеть Midjourney. Она помогает в графическом оформлении сайтов: подбирает тематические изображения для разделов услуг, новых баннеров и других самых разных визуальных оформлений.

Не так давно в работу подключили CoPilot в BITREX24. Эта нейросеть имеет разные роли. Например, я часто пользуюсь ролью "юрист" – и CoPilot с ней отлично справляется. Задаю ей типовые вопросы и задачи: проанализировать договор, предложить рекомендации о том, что учесть в составлении договора, чтобы максимально обезопасить компанию, какие риски возникают, если указать в документе определенные условия, и т.д. Эта же нейросеть хорошо играет роль "маркетолог" для подготовки коммерческих предложений, генерации цепляющих заголовков на страницах сайтов.

Олеся Бормотова, HR-директор аутсорсинговой компании Newstaff:

Одна из целей, которую наша компания ставит перед собой, это диджитализация и автоматизация бизнес процессов. Поэтому использование искусственного интеллекта у нас закреплено даже на уровне регламентов и ценностей компании.  ИИ уже очень активно используют сотрудники нашего it-подразделения и маркетингового отдела.

Но я хочу рассказать вам о том, как используется искусственный интеллект в массовом подборе. Самое главное — это унифицировать бизнес процессы и нагнать либо настроить, либо запустить трафик соискателей.

Для этого используются разные площадки от известных всем агрегаторов вакансий типа headhunter до нишевых телеграмм каналов, авито и других «народных маркетплейсов». И здесь на верхнем уровне воронки важен принцип количества, а не качества.

Поэтому, когда у нас появляется запрос на размещение вакансии в массовом подборе (линейный персонал— синие воротнички), то у нас стоит задача раскидать объявления на как можно большее количество площадок. У нас есть заранее разработанные шаблоны и вместе с сотрудниками отдела производства формулируем запрос.

А дальше уже мы используем ИИ. Как правило это chat gpt или яндекс gpt. Что мы желаем:

1. Мы просим сделать поверхностное изучение рынка. Таким образом, мы определяем среднюю ставку. Дальше мы делаем поправку на регион и обязательно дополнительно мониторим, потому что данные искусственного интеллекта могут быть далеки от реальных. Дальше мы просим.
2. Дальше мы формулируем основные параметры вакансии: график работы, ставка в час, ставка в месяц, требования к соискателю, наличие медицинской книжки и так далее. И на основе имеющегося шаблона мы просим чат gpt составить объявление.
3. Дальше мы делаем поправку на площадку, например, в вк либо telegram. Чатах требуется более яркая подача здесь мы просим chat gpt использовать больше смайликов иконок, а информацию подавать более кратко. По сути, у любой площадки для размещения вакансии есть свои требования, свои шаблоны. Главное их понять. Например, у hh.ru есть определённая структура вакансии.

В результате мы, понимая требования площадок, имея заранее разработанные шаблоны, можем полностью автоматизировать подготовку объявлений. И так мы можем буквально за 20 минут собрать объявления 10 вакансиям и разместить их на 10 разных ресурсах. А у нас, на минуточку, каждый месяц выходит на линию примерно 300-400 сотрудников, которых мы находим именно с помощью интернет площадок. И понятно, что при таких объёмах нам важна автоматизация этих процессов. И этого мы достигаем за счет использования ии.

Но уже на следующих этапах, конечно же, подключаются специалисты, которые уже в ручном режиме обрабатывают входящие запросы от соискателей, проводят собеседование и так далее.