Представьте, что вы можете сократить затраты времени и денег на бизнес-процессы в 4 раза. Именно такие выгоды несет в себе применение искусственного интеллекта (ИИ). Широкое распространение технологии ИИ получили в финансовых организациях. В частности, в кредитном скоринге. Но даже крупнейшие банки лишь недавно озадачились внедрением нейросетей. Например, Сбер только в 2018 году начал применять ИИ, в том числе в скоринге. Это позволило к 2019 году заменить 70% персонала среднего звена (14 тысяч человек) нейросетями. В то же время JetLend применяет технологии ИИ с момента запуска платформы в 2019 году.
Эксперты в области ИИ и финансов рассказали нам о нюансах и преимуществах использования технологий ИИ в кредитном скоринге, а директор по рискам и анализу данных, а также директор юридического департамента JetLend объяснили, как технология применяется на платформе.
Кредитный скоринг — это система оценки кредитоспособности заемщика, которую используют финансовые учреждения. Такой подход применяют банки и другие финансовые организации. Эта система помогает определить вероятность того, что заемщик вернет деньги в срок. Скоринг — один из ключевых инструментов для принятия решений о выдаче кредита или займа.
Основная цель скоринга — снизить риски дефолтов и банкротства, а также оптимизировать процесс принятия решений. Для этого используются статистические модели, которые анализируют различные финансовые и некоторые некредитные данные заемщика.
Результатом скоринга является числовой показатель — кредитный рейтинг или скоринговый балл. Он помогает кредиторам оценить риски и принять обоснованное решение о том, одобрить ли заявку на кредит и на каких условиях.
Каждая организация оценивает заемщиков по собственным критериям, которые чаще всего не разглашаются. Поэтому вам могут одобрить кредит в одном банке и отказать в другом. Несмотря на это, можно выделить несколько критериев, которые обычно учитываются при формировании кредитного рейтинга:
Скоринг является важным инструментом не только для кредиторов, но и для заемщиков. Поскольку кредитный рейтинг существенно влияет на возможности получения кредита, заемщики заинтересованы в поддержании своего скорингового балла на высоком уровне.
Скоринг представляет собой широкий спектр методов и подходов, которые применяются для оценки заемщика. Выделяется 4 основных вида этой процедуры.
Виды скоринга
Заявочный скоринг основан на анализе данных, предоставленных заемщиком в кредитной заявке. В ходе этой процедуры оценивается финансовое положение заемщика на основе информации о доходах. Решение о выдаче кредита принимается после проверки этих данных.
При поведенческом скоринге анализируется история финансовых действий заемщика. В таком случае проверяется платежная дисциплина, активность на счетах, использование кредитных средств и другие финансовые привычки. На основе этой информации строится прогноз поведения заемщика в будущем и его способности к погашению долга. Также по результатам этого скоринга определяются условия выдачи кредита.
Мошеннический скоринг направлен на выявление потенциальных неправомерных действий при оформлении кредита или использовании финансовых услуг. Этот вид скоринга анализирует признаки, указывающие на возможное мошенничество. К ним относятся несоответствие личных данных, сомнительные транзакции и сценарии поведения.
Коллекторский скоринг используется для оценки вероятности взыскания задолженности. Эксперты анализируют размер долга, историю платежей и вероятность полного или частичного возврата средств. Такой скоринг помогает коллекторским агентствам подбирать стратегии и оптимизировать процесс возврата займов.
Каждый вид кредитного скоринга имеет свои особенности и применяется в зависимости от конкретных целей и задач кредитора или финансовой организации.
С развитием технологий финансовые учреждения чаще стали обращаться к автоматизированным системам для оптимизации бизнес-процессов. В докладе Банка России говорится, что использование ИИ может рассматриваться как возможность дополнительного повышения эффективности и качества оказываемых ими услуг в том числе за счет снижения издержек, ускорения процессов, ресурсной оптимизации, обработки больших массивов данных, а также повышения лояльности клиентов.
В октябре 2023 года Ассоциация ФинТех опубликовала результаты исследования об использовании искусственного интеллекта на финансовом рынке. Согласно опросу, больше всего респондентов применяют ИИ для анализа данных (85-95%) и работы с текстами (85-95%).
Самым распространенным вариантом использования машинного обучения (ML) в финансовой сфере считается скоринг. «Наиболее активно нейросети развивались именно в области системы оценки кредитоспособности. Только после этого ИИ начал постепенно закрывать другие задачи финансового сектора: коммуникация с клиентами, работа с должниками, выявление фактов мошенничества, сегментация клиентов», — отмечает основатель и СЕО Mirey Robotics, эксперт по искусственному интеллекту Андрей Наташкин.
Искусственный интеллект стал неотъемлемой частью финансовой индустрии. Он позволил преобразовать процессы принятия решений и снизить риски ошибок. У использования машинного обучения в кредитном скоринге есть как преимущества, так и недостатки. Давайте с ними разберемся.
По мнению профессора IT-MBA, советника по экономике и социологии РАЕН Антона Баланова, алгоритмы ML способны анализировать большие объемы данных и прогнозировать вероятность возврата кредита более точно.
Искусственный интеллект способен обрабатывать кредитные заявки намного быстрее и эффективнее, чем человек. Поэтому с его помощью можно сократить время на принятие решений, считает эксперт. Также это позволяет повысить общую эффективность работы финансовой организации.
Алгоритмы ML принимают решения на основе обоснованных математических моделей. Такой подход исключает субъективные факторы, характерные для людей. Это уменьшает риск предвзятости и ошибок, связанных с человеческим фактором.
«Внедрение искусственного интеллекта позволяет исключить фактор человеческой ошибки, а клиенту получить результат по заявке намного быстрее», — подчеркнул Андрей Наташкин.
Также по словам Антона Баланова, применение ИИ позволяет создавать персонализированные предложения и условия кредитования для клиентов. С помощью «умного» скоринга кредиторы могут анализировать не только финансовую информацию о заемщике, но и «альтернативные» данные, говорится в отчете ЦБ. К таким показателям регулятор отнес:
Данные из доклада Банка России «Применение искусственного интеллекта на финансовом рынке»
Несмотря на все преимущества, использование ИИ в кредитном скоринге также сталкивается с рядом вызовов и ограничений.
Некоторые алгоритмы искусственного интеллекта могут давать неоднозначные результаты или даже приводить к непредсказуемым последствиям. Это создает проблемы в интерпретации решений и усложняет работу финансовых экспертов. «В идеале мы должны четко понимать, на каких основаниях тому или иному клиенту был присвоен определенный кредитный рейтинг. На практике, конечно, это не всегда реализуемо. Именно поэтому алгоритмы постоянно дорабатываются», — говорит Андрей Наташкин.
Также стоит отметить, что для обучения моделей ИИ требуется большой объем данных. Это может быть проблематично для некоторых финансовых организаций. Особенно сильно это отражается на тех, кто только начинает развиваться в этой сфере и еще не имеет доступа к достаточному объему информации.
Обработка больших объемов личной информации о заемщиках требует высоких стандартов безопасности. Всегда существует риск утечки или злоупотребления этими данными. А это, в свою очередь, может нанести ущерб как заемщикам, так и финансовому учреждению.
В целом, использование искусственного интеллекта в кредитном скоринге предоставляет значительный потенциал для улучшения процесса оценки кредитоспособности заемщиков. Но также важно помнить и о мерах безопасности, чтобы полученные финансовой организацией данные не попали в общий доступ.
По данным Ассоциации ФинТех, 95% компаний на финансовом рынке РФ в 2023 году уже используют ИИ в своей работе. Эту информацию подтвердил и Председатель Правительства РФ Михаил Мишустин на сессии «Развитие искусственного интеллекта».
Однако стоит отметить, что даже крупные организации стали внедрять такие технологии в свои процессы относительно недавно. Например, машинное обучение в скоринге используют Сбербанк и Альфа-Банк. Давайте разберемся, как это помогает им оптимизировать выдачу кредитов и другие процессы, а также к каким результатам приводит.
Впервые использовать нейросети в своей деятельности Сбербанк начал в 2018 году. За счет внедрения ИИ компании удалось получить дополнительный доход в размере 560 млрд рублей. Таких показателей банк добился за три года — с 2020 по 2022 год. Об этом во время Восточного экономического форума в 2023 году рассказал первый заместитель председателя правления, член наблюдательного совета Сбербанка Александр Ведяхин.
Благодаря алгоритмам ML, процесс скоринга стал более автоматизированным и оперативным. Банк смог улучшить подбор персональных предложений для потенциальных клиентов и снизить риски невыплаты кредитов.
Уже сейчас 100% решений по частным заемщикам в Сбербанке принимаются с использованием ИИ, а по юридическим лицам этот показатель составляет только 60%. Об этом говорил председатель правления банка Герман Греф. Но уже к концу этого года Сбер планирует рассматривать до 70% заявок от компаний в автоматическом режиме.
Еще один крупный игрок на финансовом рынке — Альфа-Банк — начал интегрировать ИИ в систему скоринга лишь в конце 2021 года. Однако это уже дало свои результаты и помогло банку проводить более точный анализ данных о частных клиентах. Как сообщил директор по управлению рисками и член правления Альфа-Банка Андрей Гулецкий, с помощью технологии банк вдвое сократил число экспертных отказов в кредите клиентам.
По словам руководителя Лаборатории машинного обучения Альфа-Банка Евгения Смирнова, ранее скоринг заемщиков осуществлялся при помощи простых методов. Но у специалистов компании получилось начать использовать и нейронные сети. Такой подход помог банку увеличить прибыль и снизить риски.
Сейчас для проверки кредитоспособности заемщиков в Альфа-Банке нейросети ежемесячно проверяют до 1 ТБ информации. Это позволяет искусственному интеллекту постоянно обучаться и принимать более обоснованные решения.
Эти кейсы подтверждают эффективность и значимость применения искусственного интеллекта в скоринге. Благодаря использованию новых технологий, финансовые организации могут повысить свою конкурентоспособность и улучшить качество услуг. Однако не только крупные банки используют «умный» скоринг для проверки клиентов. Поэтому хотим рассказать вам о том, как используется ИИ на инвестиционной платформе JetLend.
Инвестиционная платформа JetLend стоит на передовой внедрения ИИ в процессы проверки заемщиков. Компания использует систему «умного» скоринга с момента запуска в 2019 году.
Процедура оценки заемщиков основана на передовых методах анализа данных и искусственного интеллекта. Этот подход позволяет эффективно оценивать кредитоспособность потенциальных заемщиков и рассчитывать вероятность дефолта.
О том, как работает скоринг на платформе, рассказал директор департамента рисков и анализа данных JetLend Дмитрий Яшин. Давайте рассмотрим основные этапы:
Стоит отметить, что есть стоп-факторы, которые явно подсвечивают плохое состояние бизнеса заемщика. При их возникновении даже непосредственно перед выдачей займа кредитор получит отказ.
Стоп-факторы при проверке заемщиков в JetLend
«Искусственный интеллект обеспечивает единообразие в принятии решений, автоматизирует процессы и помогает строить более точную модель проверки заемщиков», — поделился Дмитрий Яшин.
Мы уже упоминали, что часто есть риск утечки данных. Но важно отметить, что в компании JetLend реализованы принципы законности и конфиденциальности при передаче информации. С помощью внутренней системы контроля возможность такой утечки сведена к минимуму.
«Помимо локальных нормативных актов, которые введены в компании и полноценно регулируют процессы обработки данных, с каждым сотрудником заключается отдельное соглашение о неразглашении информации. Таким образом, наиболее уязвимые категории данных защищаются не только с точки зрения публичного права, но и в рамках трудовых отношений», — отмечает директор юридического департамента JetLend Вадим Стеценко.
В декабре 2023 года Рейтинговое агентство «Эксперт РА» присвоило компании рейтинг ruBB+. В отчете эксперты отметили высокую технологичность и комплексный подход к защите персональных данных в JetLend.
Так, «умный» скоринг в JetLend позволяет оптимизировать процесс принятия решений и повысить доходность портфеля инвестора.
По оценкам экспертов, применение искусственного интеллекта в скоринге станет еще более распространенным случаем. Ожидается, что усовершенствованный процесс будет лучше удовлетворять потребности и отвечать на вызовы финансового рынка.
По словам Антона Баланова, применение глубокого обучения и нейросетей позволит создавать более точные модели кредитного скоринга. Это позволит финансовым институтам снижать вероятность невозврата занятых средств.
«Анализ текстовых данных из различных источников поможет улучшить предсказание кредитоспособности на основе поведенческих факторов», — выразил мнение эксперт. Например, анализ комментариев в социальных сетях, отзывов на маркетплейсах и других текстовых данных поможет собирать дополнительную информацию о поведении заемщика.
Также считается, что результаты «умного» скоринга будут лучше адаптироваться к индивидуальным потребностям и характеристикам заемщика. Персонализированный подход к предложению кредитных услуг повысит удовлетворенность клиентов и эффективность финансовых компаний.
В целом, использование ИИ имеет огромный потенциал для развития и улучшения финансовой инфраструктуры. Новые технологии помогут сформировать более эффективные риск-модели и обеспечить принятие более обоснованных решений.
Применение искусственного интеллекта в скоринге открывает новые возможности для финансовых институтов и инвестиционных платформ. Модели машинного обучения позволяют создавать более точные и надежные скоринговые системы.
Благодаря анализу больших объемов данных, банки могут эффективно управлять рисками и обеспечивать себе стабильный рост. Однако добиться долгосрочного успеха и доверия со стороны клиентов можно, только соблюдая стандарты безопасности и обеспечивая прозрачность своей деятельности.
Таким образом, развитие «умного» скоринга открывает новые горизонты для финансовой индустрии. Оно способствует повышению эффективности и инновационности в сфере кредитования.
Подписывайтесь на наш Telegram-канал, чтобы быть в курсе последних новостей платформы и рынка краудлендинга!
10 / 08 / 2022
14 / 03 / 2024
22 / 12 / 2021