AI у фінансовому секторі: Микола Микитенко про те, як ПУМБ використовує штучний інтелект
Микола Микитенко — керівник Центру компетенцій зі штучного інтелекту Першого українського міжнародного банку (ПУМБ). Має понад 5 років досвіду в розробленні АІ та понад 12 років досвіду у сфері Business Intelligence. Працював над оптимізацією процесів повернення проблемної заборгованості, виявленням шахрайства у процесах авторизації застосунків і клієнтських транзакцій, прогнозуванням плинності кадрів і продажів для FMCG-сектору, побудовою ефективної архітектури Data Warehouse та забезпеченням якості даних.
Центр компетенції зі штучного інтелекту спеціалізується на пошуку та впровадженні ефективних AI-рішень для бізнес-підрозділів ПУМБ. Зокрема, накопичує експертизу з AI-технологій та рішень, трендів розвитку AI-напряму, вивчає, який ефект можуть приносити такі рішення, підтримує активну комунікацію з партнерами, накопичує знання та ділиться ними з бізнесом, щоб сприяти розвитку бізнес-процесів.
Команда опрацьовує наявні бізнес-процеси та пропонує шляхи їхнього покращення за допомогою штучного інтелекту. У відповідальності команди також процеси побудови стандартів AI-рішень, розвитку інфраструктури, розроблення рішення для потреб бізнесу, підтримання взаємодії з партнерами, навчання у напрямі AI.
Першого березня на Kyiv AI & BigData Day Микола Микитенко розповів про чат-асистентів із штучним інтелектом та їхнє впровадження у бізнес. Після доповіді SPEKA поспілкувалася з керівником Центру компетенцій зі штучного інтелекту ПУМБ про те, як банк інтегрує штучний інтелект у свої процеси, які тренди та інновації у ШІ впливають на банківську сферу, а також про роль AI у боротьбі з шахрайством, в оптимізації кредитування та покращенні комунікації з клієнтами.
За які напрями у ПУМБ відповідає штучний інтелект? Де він інтегрований?
Рішення із штучним інтелектом інтегровані у достатньо широкому спектрі бізнес-напрямів. Ми впроваджуємо рішення і в роздрібному бізнесі, і в корпоративному, у підрозділах, що розробляють програмне забезпечення та відповідають за боротьбу із шахрайством тощо. Штучний інтелект присутній як у core-процесах, так і в системах комунікацій з клієнтами. Ми фокусуємося не стільки на напрямах впровадження рішень, скільки на втілюванні стратегії розвитку бізнесу в життя.
Є рішення, які ми використовуємо для підвищення рівня безпеки: антифрод-рішення на основі штучного інтелекту, для боротьби з шахрайством та відмиванням грошей.
Для customer facing процесів ми використовуємо рішення, які покращують комунікацію з клієнтами у відділеннях та у зовнішніх каналах комунікацій.
Частина AI-рішень побудована з фокусом на масштабування та перевикористання, щоб їх можна було застосувати у багатьох процесах.
Ми бачимо широкі можливості застосування ШІ, тому пропонуємо рішення для всіх напрямів бізнесу, а от впровадження залежить від нагальних бізнес-потреб та ефекту, який принесуть ці рішення.
Які тренди та інновації у галузі ШІ найбільше вплинули на банківську сферу за останні кілька років?
За останні кілька років ключові зміни у сфері штучного інтелекту були зумовлені розвитком генеративного ШІ, побудованого на основі архітектури трансформерів. Саме ця технологія стала рушійною силою та привнесла значну кількість AI-рішень у банківський сектор, як і загалом в інші бізнеси у світі.
Генеративний AI запустив активний розвиток нових рішень у цій галузі, враховуючи, наскільки банківська галузь зарегульована, трансформуючи наявні продукти, процеси, покращуючи їх за допомогою ШІ. І він уже впливає на формування стратегій фінансових компаній.
Зараз бізнес починає оцінювати, які ШІ-рішення будуть актуальними у майбутньому, і саме на цьому базується стратегічне планування. Мені здається, цього та наступного року увага буде зосереджена на формуванні стратегій розвитку компаній з урахуванням розвитку AI-технологій.
Чат-асистенти — це обов’язково потреба для бізнесу чи можливість?
І можливість, і необхідність — залежить від того чи іншого підрозділу та процесу. Для великої кількості компаній це можливість покращити процеси, оптимізувати комунікацію з клієнтом, вивести її на новий рівень, створити водночас зручний для клієнта (швидкість та простота) та вигідний для бізнесу продукт, надати нові унікальні можливості користувачам, наприклад, впроваджуючи підвищений рівень персоналізації та якості подання інформації.
Для деяких підрозділів це необхідність, особливо у випадку воєнного часу або складності пошуку персоналу, потреба у скороченні витрат. Чат-асистенти можуть закрити питання онбордингу співробітників, пришвидшити час виходу такого співробітника у нормальний трудовий процес. Вони можуть закрити деякі прогалини, які є в цього співробітника. В деяких процесах вони можуть повністю прибрати необхідність в ухваленні рішення людиною.
Підписуйтеся на наші соцмережі
Тому для частини компаній, підрозділів, процесів це вже необхідність.
А як ви бачите розвиток чат-асистентів у банківській сфері у найближчі кілька років? Що вони зможуть робити та за які операції відповідати?
Якщо дивитися стратегічно у подальший розвиток AI driven чат-асистентів для бізнес-потреб, то це перехід від використання співробітниками до повноцінного використання кінцевими користувачами, тобто нашими клієнтами.
Якщо дивитися з погляду технологічного розвитку, то це перехід до мультимодальності, тобто розуміння питань клієнтів у будь-якій формі — текст, аудіозаписи, зображення, які надає клієнт.
І ще один тренд, який був у 2024 році та залишається у 2025-му, — це AI-агенти, які зможуть самостійно ухвалювати рішення та втілювати їх. Використання агентів розвантажить частину процесів, в яких задіяні співробітники, а також нададуть клієнту якісніший сервіс, можливість вирішувати потреби оперативно і дуже зручно, вже на новому рівні.
Наприклад, рутинні речі, як-от отримати реквізити, розблокувати картку або дізнатися, в чому причина блокування. Якщо ми зможемо зробити це за лічені секунд, це набагато покращить клієнтський досвід.
Загалом процесів, які автоматизуються за допомогою AI, буде дедалі більше. Деякі гравці банківського сектору використовують великі мовні моделі для експансії на інші ринки та вирішення питань мультимовності.
Враховуючи можливість повноцінного відкриття європейського ринку для України, необхідно впроваджувати рішення, які нададуть можливість обслуговувати клієнтів за кордоном, долаючи зазначені виклики. Компанії банківського сектору, які вже тестують або працюють на декількох ринках, активно вкладаються у такі рішення.
Під час своєї доповіді ви згадували про галюцинації у чат-асистентів. Що це таке?
Галюцинації — це надання інформації на основі не підтверджених фактів, і це проблема не чат-асистента, а LLM. Велика мовна модель — це AI-модель, яка побудована на архітектурі трансформерів. Для цієї архітектури закладався принцип перекладу тексту. Текст з однієї мови треба перекласти на іншу, і ця архітектура мала була реалізувати побудову моделі для перекладу. А отже, вона має компоненти, які за це відповідають, — encoder та decoder.
Функція енкодеру — зробити data extraction, тобто вилучити та зрозуміти контекст тексту, написаного однією мовою. Функція декодеру генеративна — треба було згенерувати цей текст іншою мовою.
Тож частина моделі decoder побудована на генерацію. А оскільки моделі узагальнюють побачену інформацію, наступне сформоване слово — це слово з найбільшою ймовірністю використання. У нас є можливість регулювати декілька параметрів — температуру і Top P, які дозволяють вам розширити креативність, та генерувати слова з меншою ймовірністю.
Наприклад, якщо ми бачимо слово «ходити», то ймовірно буде слово «вулицею», але якщо ми візьмемо слова з меншою ймовірністю, то це може бути скажімо, «парком», «набережною». Для вирішення проблеми генерації креативного контексту це необхідність.
Тож якщо модель не має знань або ми їх не надали, то LLM починають галюцинувати.
Процес генерації ітеративний, він відштовхується від попереднього контексту, який модель згенерувала. Це означає, що галюцинація — це або недостатнє контекстне навантаження мовної моделі на вході від користувача або рішення (недостатньо передано додаткової інформації) або що модель не має необхідних знань і використовує узагальнену інформацію, і повертає її, а не те, що ми очікуємо.
Чи планує ПУМБ впроваджувати штучний інтелект у рішення боротьби із шахрайством? Чи це взагалі можливо?
Так, це можливо і навіть реалізовано. Насправді дуже багато рішень уже давно борються із шахрайством за допомогою ШІ і були розроблені ще до Generative AI.
Наприклад, використання фішингу та інших методів незаконного заволодіння інформацією — класична історія, і у нас багато рішень, які з цим борються ще на етапі аутентифікації клієнта (перевірки особи). AI дозволяє вчасно визначити такі дії шахраїв (операції) і заблоковувати картку, щоб зберегти кошти клієнтів. Враховуючи швидкість роботи системи та об’єми інформації, людині ніколи не впоратись із таким завданням. ПУМБ впроваджував, впроваджує і буде впроваджувати рішення для боротьби із шахрайством за допомогою ШІ.
Як я говорив під час панельної дискусії, окремим світом, який ми можемо уявити у майбутньому, буде світ злочинності з AI. У цьому світі AI будуть використовувати для скоєння злочинів.
А як щодо боротьби із заборгованістю? Чи можна тут інтегрувати штучний інтелект?
Так, звичайно. Насправді це важлива тема, яку можна порівняти з використання ШІ для продажів. Коли ми спілкуємося з клієнтомі знаємо психотип людини, то з нею можна більш ефективно комунікувати, використовуючи ШІ.
По-друге, важливим аспектом є те, як працює процес, у штучного інтелекту не з’явиться особиста неприязнь до людини, він не втомлюється й емоційно не вигорає. Якщо штучний інтелект отримує на вході агресію, йому байдуже, це агресія чи ні. Він спокійно сформує красиву та етичну відповідь. Як додатковий плюс штучний інтелект надасть інформацію у приємному та зручному стилі, і клієнт залишиться більш лояльним.
Під час виступу ви також згадували про кредитування. Як це працює на практиці? Кредитування за допомогою чат-асистента, так?
Ні, це не кредитування за допомогою чат-асистента. Йшлося про нові можливості, які надають чат-асистенти, і як приклад була розглянута можливість впровадження його для покращення процесів кредитування. AI-асистент — це нова зручна точка комунікації з клієнтом, через яку ви можете замовити необхідну послугу, я б це так охарактеризував.
Механізми кредитування існували і до цього, вони збирають необхідну інформацію і оцінюють ризик. Це класичний для банків процес, який існує давно.
Клієнт написав або сказав «потрібні кредитні кошти», чат-асистент зрозумів його запит і запустив автоматизований процес, який все зробив, що потрібно — або повернувся до клієнта з уточнювальними запитаннями, створив заявку і повідомив, чи готові надати цю послуг клієнту.
Тобто вам не потрібно виконувати дії у мобільному застосунку, шукати необхідні пункти меню або телефонувати на гарячу лінію, це можна зробити через чат-асистента. Чат-асистенти надають можливість зрозуміти запит клієнта і запустити виконання дій для його задоволення.
Додатковим плюсом в такому процесі з використанням AI ми ще зможемо надати клієнту корисні поради, порекомендувати найкращий продукт, який найбільше підходить та задовольнить потреби клієнта.