Московский экономический журнал 6/2021

image_pdfimage_print

DOI 10.24412/2413-046Х-2021-10375

Ключевые вопросы, касающиеся внедрения и регулирования ИИ в секторе финансовых услуг

Key issues concerning AI implementation and regulation in the financial service sector 

Жулев Никита Александрович, факультет международных экономических отношений, Финансовый Университет при Правительстве РФ, г. Москва, Email: murmin@mail.ru

Zhulev Nikita Alexandrovich, Faculty of International Economic Relations, Financial University under the Government of the Russian Federation, Moscow, Email: murmin@mail.ru

Аннотация. В настоящее время ИИ представляет собой ограниченную технологию, которая реализуется частным образом, а это означает, что степень сотрудничества ограничена, поскольку все страны и отдельные предприятия применяют ИИ для конкретных задач и целей, для которых требуется решение на основе ИИ. В статье исследуются возможные подводные камни при регулировании воздействия искусственного интеллекта на сектор финансовых услуг.

Summary. Currently, AI is a limited technology, which is implemented in a private fashion, meaning that the degree of cooperation is limited as nations and single enterprises all apply AI to exact tasks and purposes which need an AI-based solution. The article studies possible pitfalls when regulating the impacto of Artificial Intelligence on financial service sector.

Ключевые слова. AI, Искусственный интеллект, правовое регулирование.

Key words. AI, Artificial intelligence, legal regulation.

Искусственный интеллект имеет две основы. Во-первых, искусственный интеллект основан на вводе больших данных. Без большого количества данных система искусственного интеллекта будет похожа на кусок белой бумаги. Во-вторых, искусственный интеллект построен на основе обратной связи, и благодаря непрерывному машинному обучению возможности применения искусственного интеллекта улучшаются.

Текущие случаи применения ИИ, обычно встречающиеся в банковской сфере, можно разделить на три категории. Первая категория — «Предиктивная аналитика». Прогнозный анализ в основном используется для прогнозирования успешности продаж, уровня безнадежных долгов во время ссуд или индикаторов риска различных рыночных продуктов после обработки большого количества данных о клиентах и рыночных данных. Фактически, предиктивный анализ уже давно широко используется в розничных банковских услугах. Розничные банки накопили большой объем данных, которые могут суммировать поведение клиентов в различных портретах для перекрестных продаж или маркетинга, инициируемого событиями (маркетинг, инициируемый событиями). В настоящее время, с появлением различных платформ больших данных и популяризацией облачных технологий, а также с развитием блокчейна в торговом финансировании, банки начали все больше и больше использовать предиктивный анализ в корпоративном бизнесе.

Второй тип применения искусственного интеллекта — «Обработка естественного языка». Обработка естественного языка также изучает структуру, лежащую в основе разных языков, и значение разных слов, непрерывно анализируя диалог между людьми. Чат-боты — одно из приложений обработки естественного языка. Помимо использования в чат-ботах, обработка естественного языка часто используется для анализа «неструктурированных данных», что мы называем обработкой «свободного текста». Мы обнаружили, что использование обработки естественного языка при автоматическом просмотре или даже автоматическом создании неструктурированных документов значительно повышает эффективность работы, что особенно заметно при соблюдении нормативных требований.

Третий тип применения искусственного интеллекта — «Компьютерное зрение». Сканирование лица для открытия счета или считывание лица для оплаты — все это приложения компьютерного зрения.

В общем, пока есть большие данные, есть сценарии приложений для искусственного интеллекта. Как страна с огромной численностью населения, широким использованием смартфонов и устойчивым макроэкономическим ростом моя страна занимает лидирующие позиции в области применения искусственного интеллекта.

В краткосрочной перспективе искусственный интеллект станет основным направлением финансовых услуг. В этом опросе 85% респондентов применяют те или иные формы искусственного интеллекта, среди которых финтех-компании немного опережают традиционные финансовые учреждения в применении искусственного интеллекта.

Тенденция масштабного применения искусственного интеллекта уже существует. Среди лидеров в области искусственного интеллекта половина из них применяла искусственный интеллект в следующих ключевых областях: получение новых доходов, автоматизация процессов, управление рисками, обслуживание клиентов и привлечение клиентов. Все лидеры в области искусственного интеллекта надеются широко внедрить искусственный интеллект в течение двух лет. Это также подтверждает гипотезу о том, что применение искусственного интеллекта в финансовых услугах приведет к значительной экономии масштаба.

Во всей выборке 85% респондентов так или иначе применяли искусственный интеллект, среди которых финтех-компании имеют небольшое преимущество (90% против 80%) перед традиционными финансовыми учреждениями. Чтобы лучше понять различные варианты использования искусственного интеллекта в финансовых услугах, в этом исследовании дополнительно проводится различие между пользователями искусственного интеллекта по разным областям применения:

  • Формирование нового потенциального дохода
  • Управление рисками
  • Реинжиниринг и автоматизация процессов
  • Обслуживание клиентов
  • Привлечение клиентов

В настоящее время наиболее распространенной областью приложений искусственного интеллекта является управление рисками, за которым следует формирование нового потенциального дохода за счет новых продуктов и процессов. Однако, согласно плану приложений и текущей статистике данных приложений, в течение двух лет искусственный интеллект будет наиболее широко использоваться для получения дохода.

Во всех исследуемых сферах бизнеса финтех-компании в настоящее время являются лидерами в области приложений искусственного интеллекта. Финтех-компании опережают традиционные финансовые учреждения в применении искусственного интеллекта для создания нового потенциального дохода. Напротив, традиционные финансовые институты занимают более высокую долю разрабатываемого искусственного интеллекта. Финтех-компании и традиционные финансовые учреждения одинаково используют искусственный интеллект в трех областях применения: новые продукты или процессы для создания нового потенциала дохода (80%), проекты обслуживания клиентов (74%) и привлечение клиентов (69%).

Многие компании считают, что широкомасштабное внедрение ИИ принесет значительные риски, особенно с точки зрения конфиденциальности данных и дискриминации. По крайней мере четверть компаний не думают, что они могут снизить эти риски.

На оценку рисков широкомасштабного внедрения ИИ в компании влияет их восприятие ИИ, независимо от того, считается ли ИИ интегрированной силой или разрушительной силой. Компании, которые ожидают, что ИИ будет генерировать интегрированную мощность, видят, что ИИ вызывает сбои во всей отрасли; Компании, которые ожидают, что ИИ создаст разрушительную силу, сосредотачиваются на угрозах, ценах на активы и рисках, которые ИИ представляет для рыночных функций.

Существует постоянный разрыв между ожидаемым влиянием приложений искусственного интеллекта на рынок и влиянием, которое компании ощущают сегодня. Последнее обычно умеренное, и во многих случаях искусственный интеллект постепенно играет роль в снижении риска.

Этот разрыв в восприятии невозможно устранить просто из-за незнания или предубеждений. Независимо от опыта или ресурсов компании, этот когнитивный разрыв универсален. Компании могут предвидеть возникающие риски после широкомасштабного внедрения приложений, которые в настоящее время недоступны.

Хотя управление рисками является наиболее распространенной областью использования ИИ в компаниях, неясно, достигают ли компании, применяющие этот подход, лучшие результаты, чем их конкуренты.

Чтобы лучше понять, как внедрение искусственного интеллекта взаимодействует со средой рисков поставщиков финансовых услуг, респондентов попросили оценить вклад внедрения искусственного интеллекта в ряд рисков. Эти риски включают как текущие риски на уровне организации, так и потенциальные риски рыночного уровня после достижения массового внедрения. Для некоторых отраслей это может быть лишь отдаленным риском. К ним относятся нарушения конфиденциальности, кибератаки, риски концентрации, усиление предубеждений и дискриминации, ослабление механизмов подотчетности служб и системные риски на финансовых рынках.

Хотя компании ожидают, что широкомасштабное внедрение ИИ значительно повысит рыночные риски, они не видят доказательств того, что это происходит в их организациях. Текущий уровень внедрения ИИ в компании лишь незначительно влияет на риски: от 18% до 34% компаний ожидают чистого отрицательного воздействия, а от 23% до 32% компаний ожидают положительного воздействия. Большинство уровней внедрения ИИ не усугубляют перечисленные потенциальные риски. Напротив, люди считают, что на уровне управления рисками внедрение ИИ может повысить кибербезопасность и устойчивость организации.

Учитывая, что общий рыночный риск, вызванный широкомасштабным внедрением ИИ, сопоставим с рисками для конкретной компании, создаваемыми с помощью приложений ИИ, текущее влияние искусственного интеллекта на уровне компании всегда больше, чем влияние большого масштабное внедрение ИИ. Ожидаемое влияние на рынок в целом намного лучше. Например, только 24% компаний ожидают, что внедрение ИИ усугубит проблемы подразделений в их организациях, но 58% компаний ожидают, что широкомасштабное внедрение окажет такое влияние на весь рынок.

Следовательно, как сообщает компания, существует важный разрыв между рисками внедрения ИИ в конкретных компаниях и рисками массового внедрения на рынке, который необходимо объяснить.

Этот разрыв в восприятии может быть вызван предвзятостью самообслуживания, то есть в среднесрочной перспективе респонденты могут быть чрезмерно уверены в способности своей организации справляться с рисками, связанными с ИИ, или принимать защитные меры. Они могут иметь представление об одних типах рисков, а не о других, оставляя потенциальные белые пятна. Кроме того, пробелы могут отражать возникающие риски, которые являются уникальными для крупномасштабных программ внедрения и не могут быть просто выведены из рисков, наблюдаемых на уровне компании. Каждая из этих гипотез имеет разное значение и может быть проверена по результатам опроса.

Разница между знаниями и опытом не может объяснить большую часть когнитивного разрыва. Если ожидания респондентов по всем типам рисков усреднены, отстающие от ИИ с большей вероятностью предвидят неблагоприятные последствия широкомасштабного внедрения и с большей вероятностью увидят влияние своего собственного текущего курса. Ent статус внедрения ИИ. риск. Таким образом, разрыв в восприятии лидеров и отстающих ИИ статистически одинаков, и увеличение масштаба и разделение категорий риска не приведет к появлению значимых закономерностей.

Среди компаний чьи группы по управлению рисками и комплаенсом активно участвуют во внедрении ИИ, когнитивный разрыв в среднем существенно не увеличивается, что указывает на то, что самоуспокоенность и простая предвзятость к самообслуживанию вряд ли сыграют роль. Однако эти средние значения скрывают важные нюансы; по сравнению с коллегами группа внедрения, возглавляемая специалистами по рискам и соблюдению требований, ожидает, что широкомасштабное внедрение ИИ будет иметь меньшее негативное влияние на системный риск и алгоритмическую предвзятость, а отчеты о текущем внедрении ИИ оказывают меньшее негативное влияние на безопасность сети, защиту данных и подотчетность. риски.

Независимо от того, применим ли этот вывод к другим юрисдикциям, в случае широкомасштабного внедрения ИИ он, очевидно, не будет применяться к риску всего рынка. Рассматривая риски рыночного уровня при широкомасштабном применении ИИ, как американские, так и китайские компании очень пессимистичны. Большинство людей в обеих странах ожидают, что широкое использование ИИ увеличит риски. Только ожидания британской компании наиболее склонны уравновешивать перспективы развития, но даже 44% респондентов ожидают, что средний рыночный риск увеличится, и только 30% ожидают его снижения. Трудно определить основные движущие силы на национальном уровне, которые ответственны за такое восприятие, но компании могут видеть больший внутренний рынок в пользу интеграции на основе ИИ или, по крайней мере, укрепления статус-кво.

Хотя компания ожидает, что широкомасштабное внедрение ИИ вызовет или усугубит риски, это не означает, что влияние таких рисков невозможно смягчить, и это не является очевидным. Большинство людей в выборке (от 63% до 73%) считают, что они хорошо подходят для борьбы с такими рисками, а с системными рисками и угрозами кибербезопасности легче всего бороться. Напротив, только от 13% до 22% заявили, что они «хорошо подготовлены». Даже эти менее опасные рыночные риски создают проблему для более чем четверти компаний, и более трети (36%) компаний не уверены, способны ли они снизить риски концентрации.

Когда компания подвергается стандартизированному надзору, подготовка кажется наиболее действенной, и задача состоит в том, чтобы отслеживать и устранять лазейки. Примеры этого можно увидеть в безопасности данных, конфиденциальности и сетевой безопасности.

С другой стороны, когда риск находится на высоком рыночном уровне, а личное влияние компании ограничено, например, при увеличении рыночной неопределенности и концентрации рынка, подготовка является наиболее слабой.

Если это не связано с рисками, присущими проектам внедрения искусственного интеллекта, и вкладом персонала, отвечающего за соблюдение нормативных требований, процент компаний, не уверенных в своей способности снизить риски, будет выше. Практически всегда необходимо гарантировать, что компании, которые привлекают такой персонал к внедрению ИИ, могут контролировать собственную защиту данных на всем рынке и риски киберрисков. Они также более уверены, чем другие, в своей способности справляться с отклонениями и рыночной неопределенностью.

Поэтому там, где есть нормативные требования, наиболее выгодно привлекать к надзору за ИИ группы риска и комплаенс. Другими словами, большинство компаний не привлекают экспертов по рискам к внедрению ИИ. Компании, которые поступают таким образом, с большей вероятностью станут лидерами в области ИИ. Они исследуют широкий спектр вариантов использования ИИ и разрабатывают планы ИИ.

Список литературы

  1. Ахмедова А., Мас-Мачука М. и Маримон Ф., 2020. Совместное создание ценностей в экономике совместного использования: роль качества услуг, предоставляемых коллегами. Журнал чистого производства, 2020, стр.121.
  2. Актер С., Майкл К., Уддин М. Р., Маккарти Г. и Рахман М. Преобразование бизнеса с использованием цифровых инноваций: применение ИИ, блокчейна, облака и анализа данных. Анналы исследований операций, 2020, стр. 1-33.
  3. Азиз С., Доулинг М. Машинное обучение и искусственный интеллект для управления рисками // Disrupting Finance. — Palgrave Pivot, Cham, 2019. — С. 33-50.
  4. Баренкамп М., Ребштадт Дж., Томас О. Применение искусственного интеллекта в классической программной инженерии // Перспективы искусственного интеллекта. — 2020. — Т. 2. — №. 1. — С. 1-15.
  5. Bartneck C. et al. Области применения ИИ // Введение в этику робототехники и ИИ. — Спрингер, Чам, 2021. — С. 71-81.
  6. Бексултанова А. И., Садуева М. А., Назаева М. И. Применение цифровых технологий в агропромышленном комплексе России // Серия конференций IOP: Наука о Земле и окружающей среде. — IOP Publishing, 2021. — Т. 723. — №. 3. — С.205
  7. Беланче Д., Касало Л.В. и Флавиан, Ч. Искусственный интеллект в FinTech: понимание того, как клиенты используют робо-консультантов. Промышленный менеджмент и системы данных, 2019, стр.50
  8. Брабазон А., Кампуридис М. и О’Нил М., 2019. Применение генетического программирования в финансах и экономике: прошлое, настоящее, будущее. Генетическое программирование и развивающиеся машины, стр. 1-21.

References

  1. Akhmedova A., Mas-Machuka M. and Marimon F., 2020. Co-creation of value in a sharing economy: the role of peer service quality. Cleaner Production Journal, 2020, p. 121.
  2. Actor S., Michael K., Uddin MR, McCarthy G. and Rahman M. Business transformation with digital innovation: AI, blockchain, cloud and data analytics. Annals of Operations Research, 2020, pp. 1-33.
  3. Aziz S., Dowling M. Machine learning and artificial intelligence for risk management // Disrupting Finance. — Palgrave Pivot, Cham, 2019 .— p. 33-50.
  4. Barenkamp M., Rebstadt J., Thomas O. The use of artificial intelligence in classical software engineering // Perspectives of artificial intelligence. — 2020. — T. 2. — No. 1. — p. 1-15.
  5. Bartneck C. et al. AI Applications // Introduction to the Ethics of Robotics and AI. — Springer, Cham, 2021 .— S. 71-81.
  6. Beksultanova A. I., Sadueva M. A., Nazaeva M. I. Application of digital technologies in the agro-industrial complex of Russia // Series of conferences IOP: Science of the Earth and the environment. — IOP Publishing, 2021. — T. 723. — No. 3. — P.205
  7. Belanche D., Kasalo L.V. and Flavian, C. Artificial Intelligence in FinTech: Understanding How Clients Use Robo-Consultants. Industrial Management and Data Systems, 2019, p. 50
  8. Brabazon A., Kampouridis M. and O’Neill M., 2019. Application of genetic programming in finance and economics: past, present, future. Genetic Programming and Developing Machines, pp. 1-21.