«Интерес к ИИ обусловлен необходимостью быстрее адаптироваться к меняющейся деловой среде»
Об опыте применения искусственного интеллекта в одном из крупнейших банков страны
Процесс импортозамещения, его влияние на макроэкономические показатели и цифровизация финансового сектора стали главными темами прошедшего 16-го инвестиционного форума ВТБ «Россия зовет!». О цифровых переменах в ВТБ и применении искусственного интеллекта в интервью “Ъ” рассказала руководитель финансового департамента—старший вице-президент ВТБ Наталья Сурова.
Наталья Сурова
Фото: Предоставлено пресс-службой «ВТБ»
Наталья Сурова
Фото: Предоставлено пресс-службой «ВТБ»
Банк ВТБ — международная финансовая группа, предоставляющая широкий спектр финансово-банковских услуг. В России ВТБ предоставляет весь спектр банковских услуг через разветвленную региональную сеть. Дочерние организации группы предоставляют услуги по лизингу, факторингу, другие финансовые сервисы и продукты.
— ВТБ завершил основной этап внедрения платформы данных на базе российских решений Arenadata. Она объединила информацию из ключевых информационных систем ВТБ в единое пространство. Какие выводы можно сделать по итогам проекта?
— Перевести на российское ПО решения, которые развивались более 15 лет,— задача нетривиальная. В ряде случаев переход мог привести к отличиям в производительности, поэтому для нас критична готовность вендора дорабатывать продукт под реальные потребности банка. Здесь ВТБ выступает сильным заказчиком: мы хорошо понимаем прикладные требования финансовой функции и опираемся на большой опыт использования разных систем.
За последние три года мы перевели на российское ПО системы бизнес-планирования и обработки финансовых данных и завершили основной этап внедрения платформы данных на базе Arenadata. Она объединила данные ключевых систем в единое пространство и обеспечила централизованную аналитику и взаимодействие с регуляторами. Технологическое ядро включает аналитическую СУБД Arenadata DB, озеро данных на Arenadata Hadoop и оперативное хранилище.
На старте мы столкнулись со снижением скорости обработки, но совместно с технологическим блоком вернули ее к прежнему уровню. При этом в отдельных бизнес-процессах уже даже превзошли западные аналоги. Одновременно перенос на новый стек стал естественным аудитом существующих витрин и процессов — часть решений удалось оптимизировать. Наш главный вывод: при активном участии вендоров переход на отечественные решения возможен без потери качества и скорости.
— Какие изменения в работе финансовой функции ВТБ вы считаете наиболее значимыми благодаря внедрению технологий искусственного интеллекта? В каких направлениях эффект оказался наиболее измеримым?
— Мы применяем технологии искусственного интеллекта как в рутинных задачах, так и в стратегических направлениях финансовой функции. Интерес к ИИ обусловлен не только поиском эффективности, но и необходимостью быстрее адаптироваться к меняющейся деловой среде.
Для нас важно не только искать эффективность, но и понимать реальные ограничения ИИ, чтобы внедрение дорогостоящих решений давало измеримый эффект — особенно с учетом того, что для банков затраты на программное обеспечение напрямую уменьшают капитал.
Поэтому мы начинаем с областей, где уже есть подтвержденные результаты: закупки, обработка финансовых документов, формирование договоров, контроль качества данных. В этих задачах ИИ позволяет ускорять процессы и снижать трудозатраты.
Мы также развиваем проект «Цифровые советники финансового департамента» — платформу ИИ-агентов, которая автоматически определяет исполнителя запроса и обрабатывает его с помощью нужной модели. ИИ-агенты позволяют упростить подготовку закупочной документации, проводить анализ ценовых предложений, а также обеспечивают сопровождение участников закупочного процесса. Фактически ИИ становится помощником в типовых операциях и инструментом повышения прозрачности.
— Вы отмечаете важность понимания «масштаба эффекта» и ограничений ИИ. Какие ограничения сегодня наиболее существенны для банка и где, наоборот, технология уже доказала свою экономическую отдачу?
— Мы внимательно отслеживаем технологические тренды и оцениваем их практическую ценность для финансовых процессов. ИИ успешно работает в колл-центрах, например при первичной обработке обращений, но его возможности также имеют и ограничения: алгоритмы требуют точной постановки задач, чувствительны к неоднозначностям и опираются на исторические данные.
При работе с конфиденциальной информацией также необходимы дополнительные меры безопасности. Поэтому ИИ может усиливать экспертизу, но не заменяет профессиональное финансовое сообщество — в вопросах стратегии, корпоративной культуры, управления репутацией и разработки новых гипотез. Здесь человеческий опыт по-прежнему незаменим.
— Как меняется система закупок после внедрения ИИ? Какие процессы удалось автоматизировать и какие результаты вы считаете ключевыми?
— В банке работает комплексная система iProc, которая автоматизирует закупки от подачи потребности до заключения договора и полностью соответствует требованиям 223-ФЗ. Решение изначально построено на отечественном технологическом стеке и отличается высоким уровнем цифровизации: члены комиссии могут принимать решения через мобильное приложение, типовые договоры формируются роботами, а конструктор договоров автоматически собирает проекты документов. Благодаря этому скорость закупочных процедур выросла примерно на 50%, а удовлетворенность внутренних заказчиков превышает 90%.
Следующий шаг — внедрение ИИ-агентов на базе больших языковых моделей. Они помогут анализировать закупочную документацию, формировать аналитические справки, искать рыночные цены и предоставлять консультации пользователям. Это обеспечит дальнейший рост эффективности закупочного сервиса.
— Какую роль искусственный интеллект играет в сценарном моделировании? Какие задачи уже решаются сейчас и что остается в планах на более длинный горизонт — 10–20 лет?
— В стратегических финансах сценарий — это предположение о развитии событий, оценка его последствий и набор действий в ответ. Инструмент сложный, требующий аккуратной интерпретации. ИИ в этой области выполняет вспомогательную роль. Он может формировать качественные вводные, проверять полноту предпосылок, помогать в разработке финансовых моделей и методик на основе научных публикаций или выявленных закономерностей. При необходимости ИИ способен написать код модели.
Машинное обучение и языковые модели используются для интерпретации и структурирования разноформатных данных, что усиливает инструменты анализа. Новые решения позволяют оперативно корректировать методики прогнозирования и настраивать модели в режиме реального времени. Дальнейшее развитие мы видим в создании и актуализации моделей прогнозирования и ситуационного анализа на базе интеграции данных и внешней информации — ИИ помогает проводить суммаризацию данных из документов, анализировать качественные факторы и уточнять подходы к моделированию.
— Одним из направлений внедрения ИИ вы называете качество данных. О каких задачах идет речь и какие подходы позволяют обеспечивать устойчивое повышение качества?
— В первую очередь технологии ИИ помогают выявлять аномалии и ошибки в данных, интерпретировать их, направлять инциденты ответственным командам и контролировать их устранение.
В более долгосрочной перспективе мы рассматриваем применение ИИ для управления самой структурой данных. Каждый год появляются новые признаки и показатели, информационная модель растет, а скорость устаревания данных увеличивается: часть атрибутов перестает использоваться, отдельные алгоритмы обработки не обновляются, хотя на это уже есть основания. Именно здесь мы видим значительный потенциал ИИ — в оптимизации процессов управления качеством данных и снижении затрат на их поддержку. Для крупных компаний эта функция постоянная и ресурсозатратная, поэтому внедрение подобных инструментов способно принести ощутимый эффект.
— Вы говорите, что сейчас уникальное время, когда крупные заказчики фактически участвуют в формировании рынка отечественного ПО. Какую роль в этом процессе играет ВТБ и какие компетенции заказчика становятся критичными?
— На примере проекта по внедрению системы консолидации хорошо видно, какую роль может играть крупный заказчик. Наш опыт построения предыдущей системы и глубокое понимание процессов формирования консолидированных данных позволили формулировать задачи очень конкретно с учетом нюансов пользовательских функций, требований к технологическому регламенту и архитектуре решения.
Сегодня заказчик с крупными объемами данных и высокими требованиями к скорости обработки обязан разбираться не только в бизнес-процессах, но и в технологических вопросах. Понимание возможностей и ограничений платформы, специфики интеграционных решений и критичных характеристик позволяет нам формировать четкое и реалистичное техническое задание и фактически участвовать в развитии продукта вместе с вендором.
— Как вы оцениваете перспективы цифровизации финансовой сферы в России в ближайшие три-пять лет? Какие направления, на ваш взгляд, станут определяющими как для крупных банков, так и для регулирования рынка в целом?
— Перспективы цифровизации у банков, как мне кажется, будут определяться горизонтом и масштабом экономического эффекта. Будут расти требования к гибкости и прозрачности. Например, решение задачи планирования требует вовлечения все большего числа участников, учета все большего количества вводных параметров и ограничений. При этом прогнозы должны будут оставаться интерпретируемыми — изменения финансовых показателей нужно будет объяснить всем участникам процесса. Это может кому-то показаться непростой задачей, но вполне реализуемой в ближайшей перспективе.