Положиться на робота: как искусственный интеллект помогает бизнесу

Данных становится все больше, а принимать решения нужно все быстрее. IBM считает, что всего через пять лет бизнес не сможет принимать большинство важных решений, не прибегая к помощи когнитивных сервисов на базе искусственного интеллекта (ИИ). PwC идет в своих выводах еще дальше: согласно их опросам, топ-менеджеры более 2000 крупных компаний уже сегодня в 41% случаев опираются на аналитические данные, полученные в результате использования технологий машинного обучения. Управление рисками — не исключение.

Ручное управление

Современные компании сталкиваются более чем с 20 видами рисков — финансовых, технологических, юридических, временных и др. Ситуация риска предполагает несколько вариантов развития событий, можно выиграть или потерять. Для управления риском выявляют значимые факторы, действуя по принципу «предупрежден — значит вооружен». Чем более качественно собирается ключевая информация, тем быстрее можно продумать выход из положения. Так, например, работают трейдеры на бирже: в реальном времени они ведут анализ данных с крупнейших мировых торговых площадок, отслеживают последовательности событий и определяют закономерности, которые могут привести к росту или падению цен на акции. Профессии в финансовом секторе, связанные с принятием решений, находящихся в зоне риска, входят в тройку самых стрессовых: к ним, помимо уже упомянутых трейдеров, относятся риск-менеджеры и инвестиционные банкиры.

Укол иголки в стоге сена

Что отличает интеллектуальные системы риск-менеджмента от человека? Во-первых, они могут одновременно оценивать риски со всех сторон. Это важно, потому что незнание или игнорирование даже одного из аспектов зачастую становится тем кусочком «пазла», который рушит картину стабильности и процветания компании. Американский банк Wells Fargo, входящий в первую тридцатку Fortune 500, был вынужден уволить 5,3 тыс. сотрудников за мошенничество и заплатить штраф $185 млн. Сотрудники открыли более 2 млн счетов и 500 тыс. кредитных карт без согласия клиентов. Менеджеры Wells Fargo не учли потенциальные риски, заложенные в банковской системе поощрений: оценка эффективности сотрудников, премии и повышение зарплаты напрямую зависели от вновь выпущенных кредитных карт.

Во-вторых, интеллектуальные решения анализируют неструктурированные данные из самых разных источников с огромной скоростью. Уже сейчас ИИ может справиться с большинством задач в десятки раз быстрее человека: проверить, соблюдает ли компания требования регулятора, обнаружить рискованные действия на фондовом рынке, найти финансовые нарушения. Большой общественный резонанс вызвало дело Rolls Royce: преступные действия в компании впервые раскрыла система отбора и анализа документов на базе решения, использующего углубленную текстовую аналитику. Всего за несколько месяцев программа проверила, сопоставила и нашла взаимосвязи более чем в 30 млн документов компании и помогла следователям выявить нарушения законодательства в 12 странах. На такое масштабное расследование рядовые юристы потратили бы несколько лет. Аналитики McKinsey полагают, что к 2025 году подобные системы будут проводить до трети всех корпоративных проверок.

Кредит по соцсетям

Искусственный интеллект эффективно работает на ключевых этапах оценки рисков — от сбора и анализа информации до разработки алгоритмов управления. Как это работает, можно понять на примере семантической технологии анализа и понимания текстов на естественном языке. Такая технология применяется при кредитном скоринге. Платформа собирает информацию из клиентской заявки, документов и разных отраслевых баз (например, налоговой) и «рисует» портрет клиента — возраст, стаж работы, род деятельности. Затем ИИ обогащает его неструктурированными данными из соцсетей, поисковых систем, отраслевых баз и ищет потенциальные источники риска. Например, определяет, не находится ли имущество клиента в суде. Единственный ли он владелец квартиры или машины. Есть ли у заемщика дети. Насколько надежны организации, в которых он работает. Получив всю информацию из разных источников, система определяет, насколько критично ошибочное решение. Это позволяет банкам одобрять необходимое количество кредитов, при этом сохраняя минимальный уровень риска. Другой пример — мониторинг финансирования сомнительных операций. Такой сервис недавно запустила в работу Mastercard. Решение Decision Intelligence, основываясь на глубинном анализе поведения клиента, помогает определять, действительно ли он совершает транзакцию. В основе лежат способности ИИ-систем к обучению, позволяющие распознавать признаки и сигналы мошеннических операций и даже предсказывать вероятность мошеннических действий до их совершения.

Предвидеть разрушения

Врачи уже используют ИИ, чтобы заранее обнаруживать риски для здоровья больных. В Philips разработали технологию, которая позволяет автоматически выявлять туберкулез на рентгеновских снимках грудной клетки. Используя множество изображений для глубокого машинного обучения, специалисты научили ИИ находить у больного малейшие признаки туберкулеза на ранней стадии развития болезни. Технологии помогают и коммунальным службам: например, компания HitBot USA создала робота для проверки миллионов водопроводных труб по всем США. Система определяет, в каких областях трубы больше подвержены старению и порче. Для этого она изучает старые трубы, поднятые из-под земли ранее, оценивает динамику почвенных процессов, а также электромагнитное излучение от силовых линий. По оценкам компании, это позволит коммунальным службам страны сэкономить $400 млрд в год.

Как будут дальше развиваться технологии риск-менеджмента? Можно предположить, что люди все больше будут полагаться на ИИ. Инвестиционная компания Sanlam создает автоматизированный сервис на основе машинного обучения, который будет прогнозировать целевую доходность клиента с минимальными рисками. Использование ИИ позволит полностью исключить человеческий фактор при выборе тех или иных инвестиций — в первую очередь эмоции. В феврале разработчик информационных технологий для воздушного транспорта, компания SITA, объявил о планах по созданию технологии, которая будет заранее находить возможные сбои в расписании полетов — это помогает вовремя принять решение об организации альтернативных рейсов. По некоторым расчетам, это поможет авиакомпаниям сэкономить до $25 млрд в год. Полиция Дубая будет использовать искусственный интеллект для прогнозирования преступлений. Алгоритм машинного обеспечения, проанализировав огромные базы данных о преступлениях, будет выявлять закономерности и показывать, в каких районах имеется наибольшая вероятность совершения преступления. Это позволит стражам правопорядка заранее высылать патрули в зоны риска.

Мастерство обучения

Искусственный интеллект открывает для бизнеса огромные возможности. Но, как и любой другой технологией, им нужно грамотно управлять — прежде всего, обучать систему с помощью правильно подобранных алгоритмов, данных и признаков для анализа. Иными словами, чтобы эффективно использовать ИИ, нужно сначала обучить систему на качественной выборке данных, а затем убедиться в том, что она выдвигает правильные гипотезы в оценке тех или иных явлений. Показателен пример с «пузырями фильтров» в Facebook: в результате разработанного компанией алгоритма пользователь видит только то, что ему нравится и соответствует его взглядам, и может упустить важную для него информацию. Еще один пример — сетевые тролли всего за два вечера превратили чат-бот от компании Microsoft, созданный для общения в Twitter, в настоящего грубияна. Компании пришлось свернуть проект, чтобы как следует доработать существующий алгоритм. Способность к обучению — главное преимущество ИИ в борьбе с рисками. А лучшим учителем для ИИ все равно остается человек.