Сейчас в банке функционируют десятки ML-моделей, 36 из которых задействованы в управлении рисками. По словам Чижевского, они повышают показатель Gini в розничном сегменте на 5–20%, а экономический эффект от их внедрения по итогам прошлого года составил 2% от чистой прибыли. Банк оценивает все вложения в технологии через понятный возврат, избегая неоправданных инвестиций.
Впрочем, не везде ИИ работает безупречно. Опыт использования нейросетей для анализа корпоративных заемщиков показал нестабильные результаты, требующие постоянной калибровки. В таких процессах технологии пока лишь собирают данные, оставляя финальное слово за экспертом. В отличие от розницы, где автоматизация тысяч типовых операций математически оправдана, сложные нетиповые задачи остаются зоной человеческого контроля.
Чижевский подчеркнул, что российский банковский сектор опережает другие индустрии по скорости внедрения ИИ во многом благодаря сбалансированной позиции регулятора. В ближайшие пять лет именно алгоритмы станут ключевым инструментом для персонализации сервиса, позволяя банкам лучше понимать потребности клиента и устранять пробелы в качестве обслуживания.
Комментарии (0)
Пока нет комментариев. Будьте первым!