Қаржы саласында жасанды интеллекті пайдалану қарқыны күн өткен сайын артып келеді. Ол дүрмектен Қазақстан да қалыс қалған емес. Бизнес-процестерді оңтайландыру, банк өнімдерін жақсарту, тәуекелдерді бағалау, ақпараттық жүйелерді интеграциялау үшін отандық банктер AI (жасанды интеллект) және ML (машинаны үйрету) технологияларын белсенді қолданып жүр. Ендеше, «банктер Big Data мен машинаны үйрету технологиясын қалай және не үшін енгізіп жатыр?» деген сауал тұрғысында сала мамандарының пікірлеріне шолу жасайық.
Киберқауіпсіздік: жасанды интеллект алаяқтардан қалай қорғайды?
Кристина Дорош, Орталық Азия мен Әзірбайжандағы Visa өңірлік компаниясының вице-президенті:
«Жасанды интеллектінің финтехте қолданылуы туралы тақырып қазір өте қызық әрі «хайпқа» толы деуге болады. Олай болуы да бекер емес. Дженератив жасанды интеллект моделінің көмегімен жасалатын процестерді барлығымыздың қолданып көруімізге мүмкіндік ашылып отыр. СhatGPT не басқа да платформаларды көпшілігіміз пайдаланамыз. Бірақ осы тұста Visa-ның мұндай технологияларды әлдеқайда ертерек енгізіп, мейнстрим болмай тұрған кезде-ақ қолдана бастағанын атап өткім келеді. Visa-да күн сайын миллиондаған транзакция жүргізіледі. Есептеп көрсек, бір секундта 65 000 транзакция өңделеді екен. Сонда ойланып көріңіз, смартфонды бір түртетін уақыт ішінде осынша процесс өтіп жатады. Жүйенің қаншалықты күрделі екенін осыдан-ақ біле беріңіз. Біреу кофе алып, соны төлейді. Енді бірі интернет арқылы билет алады. Осының бәрі күрделі циклден өтеді. Жүйе процестерді бақылауда ұстайды, рөлдерді белгілейді, қауіп-қатерді басқарады. Міне, 30 жылдан бері осы процестерді атқаруға біз жасанды интеллект, машинаны үйрету технологияларын қолданамыз. AI қолданылатын тағы бір бағыт — киберқауіпсіздік.
Қазір шынайы өмірдегі алаяқтық барынша минимумға түсірілген. Тіпті жоқ десе де болады. Жолы жабылған соң, енді алаяқтар онлайнға ауысты. Енді олармен күресу үшін тиімді құралдар керек. Оларды жасанды интеллектінің көмегімен жасайды. Кейінгі бес жылда киберқауіпсіздікке 10 миллиард доллардан астам қаражат салдық. Оның жемісін де көріп отырмыз. Соның арқасында өзіміздің VisaNet желімізді де, серіктес банктерді де шешімдеріміз арқылы алаяқтықтан қорғауға көмектесіп келеміз. Visa advanced authorization шешімі жасанды интеллектінің анализіне негізделген. Есебіміз бойынша шамамен 27 миллиард доллардай қаражаттың қолды болуына жол бермей, сақтап қалған екенбіз. Технологиялық платформа мен жасанды интеллект моделінің үйлесімі бізге барынша тиімдірек әрі қауіптірек жұмыс істеуге мүмкіндік береді.
Біз 250-ден астам жасанды интеллект моделін пайдаланымыз. Оның ішінде 60-қа жуығы реалда қолданыста. Оның бір үлгісін айтып өтейін. Авторизация өтіп жатқан кезде одан кейін клириң (ағылш. — clearing) кезеңі болады. Эмитент-банк есеп жасауы үшін осы кезеңді күтеді. Осы кезде Smarter posting жүйесі клиенттің бұған дейінгі жасаған транзакцияларына анализ жасау арқылы банкке клириңнің қашан өтетініне болжам дайындап береді. Осылайша банктер өзіндегі ақша ағынын жақсырақ басқарады. Smarter settlement forecast деген бар. Ірі банктер есеп жасай алуы үшін сатып алуы керек валютаны нақты есептеуі керек. Сол процестерді ертерек жасап, курсты да дұрыс болжай алу үшін жоғарыда айтқан Smarter settlement forecast жүйесін қолданады. Болжам жасау арқылы қаншама қаражат үнемделеді.
Сонымен бірге Smarter stand-in processing (STIP) туралы да айта кету керек. Бұл шешімнің мынадай пайдасы бар. Айталық, банк өз хостында жоспарланған профилактика шараларын жасап жатыр. Сондықтан белгілі бір уақыт ішінде транзакция өткізе алмайды. Мұндайда бұл процеске Visa араласады да, банктің атынан төлемдерді өткізіп, қолданушылар жұмыс барысындағы осы кедергіні байқамауына күш саламыз. Яғни банкіңіз қазір техникалық жұмыс істеп жатқанын сіз тіпті сезбей қаласыз. Бұрын бұл жүйе ережелер мен шектеулерден тұратын. Егер әлдебір транзакция сол шектеу мен ережеден тыс бола қалса, транзакция жасалмайтын. Мәселен бұрын-соңды Америкаға бармаған мен аяқ-асты сол жаққа аттанып, төлем жасағым келсе, жүйенің шектеуі мен ережесінде менің АҚШ-тан төлеуім мүмкін деген тұс болмағандықтан, процесс бұғатталатын. Өйткені транзакцияны алаяқ жасап отыр деген күдік болады. Ал енді Smarter stand-in processing (STIP) шешімі арқылы ережелер мен шектеулер жүйесінен аналитика жүйесіне ауысады. Бұған сәйкес, менің барлық төлем тарихыма талдау жасай отырып, әлдебір транзакциялардың болу не болмау ықтималы анықталады. Айталық, бұрын-соңды мен әуежайда транзакциялар жасап жүрген болсам, демек мен саяхатқа шығып жүрген адам ретінде басқа елден төлем жасауым әбден мүмкін. Мұндайда транзакция өтеді. Жүйе оны түсінеді. Міне, осындай шешімдер арқылы банктерге көмектесеміз».
Роботтар — байланыс орталығының 24/7 істейтін қызметкерлері
Ләззат Сатиева, Еуразиялық банктің басқарма төрайымы:
«Қаржы индустриясының өкілі болғандықтан, біз жасанды интеллектінің маңызы зор екенін жақсы түсінеміз. Мұны құдды адамдардың от жағуды үйренгені секілді басты оқиғалардың бірі деп бағаласақ болады. Өзім қаржы саласынан болғандықтан, мұнда технологиядағы ең соңғы, жаңа дүниелердің регламенттелетінін жақсы білемін. Жасанды интеллект туралы да дәл солай. Қазіргі уақытта банктер мен қаржы ұйымдарына шексіз мүмкіндіктер сыйлап, ландшафтын толықтай жаңартуға септігін тигізіп отыр. Мысалы банктер қазір чат-ботты белсенді пайдаланады. Одан қала берді әлдебір өнім мен қызметке қатысты көмек көрсететін ассистент-роботтар бар. Сонымен бірге алгоритм рейтиңін де қоса кету керек. Ал енді Еуразиялық банкте нақты қалай қолданыста екеніне тоқталсақ, банк ретінде біз кредиттік скориңді жеделдету үшін қолданудан бастағанбыз. Себебі тұрғындарға кредит беруге қатысты шешімді жасанды интеллект дұрысырақ шешім қабылдайды.
Инновациялар мен жаңа өнімдердің пайда болуы үшін бірінші кезекте жасанды интеллект керегі белгілі. Бізде клиент саны өте көп болғандықтан, шығын да көп. Одан қала берді, клиенттер тарапынан да қызмет көрсету сапасына қатысты сын жиі айтылатын. Осындай мәселеге тап болған соң, не істеуге болады деп ойландық. Ойлана келе дауысты роботтар енгізу керек деп шештік. Өйткені олар үзіліссіз жұмыс істей береді, ұйқысы келмейді, қарны ашпайды. Әрине, толыққанды диалог орната алмайды. Дегенмен күйбең тірліктің біразын атқаруда көмектеседі. Ол үшін машинаны үйрету яғни ML технологиялары пайдаланылады. Мәселен, сізге банктен робот хабарласып, кредит төлейтін күн болғанын ескертпек болды делік. Сіз оған қазақша жауап қайтарсаңыз, ол қазақша диалог құрады. Егер екі тілді араластырып сөйлесе, онда қолданып жатқан сөздердің жиілігіне анализ жасайды. Осылайша роботтың көмегімен шығындарды әжептәуір азайттық. Байланыс орталығындағы жұмыс жақсы жүргенін көріп, біз жасанды интеллект технологияларымен үйретілген роботтарды коллекшнде, HR-да да қолдана бастадық. Мысалы кандидаттың тұрғылық жеріне қарап, сәйкес жалақы ұсынып, сұхбат болатын мекенжайды дәл ұсына алады. Роботтар MPS-ты өте сапалы жасайды. Телемаркетиң болса, роботтардың көмегімен өнімдерді сатып отыр».
Сақтандыру полисіне қарап, клиентті таны
Линара Әнуарбекова, Мемлекеттік кредиттік бюро басқарма басшысы:
«Банктер әдетте өз кредит портфеліне анализ жасап, қарыз бермес бұрын клиентін зерттейді. Бірақ олар клиентін коллекторларға тапсырғаннан кейінгі жағдайдан бейхабар болады. Осы ретте клиенттердің кейінгі үш жылдағы әрекеттеріне анализ жасап көрдік. Келіп түскен өтінімдер саны бойынша 2023 жыл көш бастап тұр. Көлемі жөнінен — 2020 жылы. Коллекторлық агенттікке сатып жібергеннен кейін клиенттердің 62 пайызы одан кейін қарыз алмаған. 32 пайызы — алуды жалғастырған. Мұндай анализ не үшін керек? Бұл банктерге өте пайдалы. Яғни портфельді талдай отырып, клиентті түрлі сегментке бөлуге болады. Коллекторлық агенттікке сатып жібермес бұрын оның қарызын қалай жабатынын, қалай өтелетінін болжай алады.
Мемлекеттік кредиттік бюрода кредитке қатысты ғана емес, сақтандыру базасы да бар. Содан қарыз алушылардың кредит алған кезде сақтандыру төлемдері мен полистеріне қалай корреляция жасайтынына да анализ жасап көрдік. Жол-көлік оқиғалары кезінде кімнің қандай әрекет жасайтынына тоқталайық. «Кредитін уақытылы төлейтін адам жолда да сақ жүреді» деген гипотеза бар. Ал енді шын мәнінде қалай болып шыққанын айтайын. Тұрақты сақтандырылатын субъект қазіргі кезде бар қарыздарын кешіктірмей төлейді екен. Сәйкесінше, полис сыйақысы неғұрлым жоғары болған сайын, кешіктіріп төлеу де жиі кездеседі. Біз байқаған келесі гипотеза мынадай: жол-көлік оқиғасына тап болғаннан кейін үш ай көлемінде субъектілер төлемдерін орта есеппен 60 пайызға көбірек кешіктіреді. Сыйақы мөлшері жоғары болған сайын, кешіктірілетін қарыз да көбірек болады екен. Үшінші байқағанымыз: жол-көлік оқиғасына тап болғандар алдағы үш айда шамамен 30 пайызға көбірек жаңа кредит рәсімдейді.
Сақтандыру және кредит базаларын біріктіріп, осындай анализге қол жеткізіп отырмыз. Соның арқасында модельдің тиімділігі 20 пайызға артты. Қарыз алушының сапасын анықтауға қатысты модель тиімділігі болса, 70 пайызға өскен. Біз жасап жатқан скориң модельдердің ішінде ең жаңасы — көлік жүргізушісінің скориңі. Оны автокредит берумен айналысатын банктер мен сақтандыру саласындағы серіктестеріміз үшін жасадық. Сақтандыру тарихына қарап отырып, әмбебап коэффициент бойынша талдау жасайтын аналитикалық сервистер де бар. Соның арқасында нақты әрі тұшымды анализ дайындауға болады».
Бұған дейін Жасанды интеллект және FinTech: интеграция қалай жүреді? деген материалымызда қаржы саласындағы жасанды интеллектінің қолданылу аясы, мүмкіндіктері мен кедергілері жайлы айтқанбыз.
