Клиент может увидеть суммаризацию любого диалога с банком
GPT в банках: как ИИ трансформирует финансовую сферу
Клиентский сервис, анализ данных, управление рисками и интеллектуальный поиск — рассказываем о возможностях генеративного ИИ в банках и страховых компаниях.
28 января 2025 г.
15 минут чтения
Финансовые организации по всему миру исследуют возможности генеративных нейросетей. Deutsche Bank использует GPT‑модели для управления рисками, MasterCard — для предотвращения фрода, Goldman Sachs — для помощи разработчикам. По данным исследования Juniper Research, расходы банков на генеративный искусственный интеллект уже составляют $6 млрд в год и к 2030‑му вырастут в 14 раз, до $85 млрд.
При этом участники рынка считают, что инвестиции окупятся и помогут оптимизировать затраты. Так, 79% респондентов, опрошенных Ассоциацией ФинТех (АФТ) в России, рассчитывают снизить расходы за счёт внедрения GPT.
По данным аналитиков Yandex Cloud, компании из финтеха и страхования составляют 9% от всех клиентов, при этом они отвечают почти за треть выручки облачной платформы.
Самые популярные сценарии среди клиентов Yandex Cloud:
-
Аналитика коммуникаций. Суммаризация чатов и общения в голосовых каналах для быстрого погружения в историю клиента. Информация сохраняется в CRM.
-
Обработка текстовых документов. Выделение именованных сущностей, например фамилии, даты, адреса, названия организации, и заполнение внутренних систем: CRM, сервисов финансового учёта и управления финансами.
-
Интеллектуальные помощники, которые помогают операторам отвечать на вопросы, опираясь на внутреннюю базу знаний.
-
Чат‑боты, которые консультируют пользователей по услугам банков.
-
Анализ новостного поля и поиск рисков. Банк может проверять как собственные упоминания, так и заметки про потенциальных клиентов и партнёров. Эти данные можно использовать, например, для принятия решения о выдаче кредита компании.
Расскажем подробнее об основных сценариях применения GPT‑моделей в банковском секторе.
Банковская поддержка
Чат‑боты на основе генеративного ИИ уже умеют естественно поддерживать диалог. Они могут помочь клиентам с вопросами по операциям, предложить банковские услуги, подсказать, где ближайший офис.
Например, ВТБ интегрирует в свой чат‑бот LLM. Ожидается, что алгоритмы ИИ смогут обрабатывать 1700 клиентских сценариев.
Райффайзен Банк в 2020 году создал виртуального ассистента Рэю, которая обрабатывала 90% звонков в банк, успешно отвечая на треть поступающих вопросов. В качестве сервиса синтеза и распознавания речи компания выбрала Yandex SpeechKit.
После внедрения системы для входящих звонков банк начал использовать её и для исходящих вызовов. Это позволило автоматически обрабатывать до миллиона звонков в год. Команда разработала 20 сценариев взаимодействия с клиентами. Они охватывают как продажи продуктов, так и техническую поддержку.
К 2023 году основным каналом связи с поддержкой Райффайзен Банка стали чаты: через них поступало 65% запросов от клиентов, и 45% обращений бот закрывал без привлечения оператора. Но нагрузка на поддержку росла, и нужно было увеличивать автоматизацию без потери качества. На тот момент доля положительных оценок чат‑бота составляла 90%. Когда компания пыталась перевести больше сценариев на чат‑бота, этот показатель падал.
Тогда Райффайзен Банк начал искать решения и остановился на YandexGPT. Внедрить технологию можно было быстро и бюджетно. Сейчас компания готовит обновление для ассистента Рэи: её научат работать с большими языковыми моделями YandexGPT.
Суммаризация диалогов
Генеративные нейросети за секунды обобщают большие объёмы информации. Они могут суммаризировать телефонные разговоры, переписки и любые текстовые данные.
Например, нидерландский банк ABN Amro с помощью GPT составляет выводы из разговоров между сотрудниками и клиентами.
Управляющий директор по IT и цифровой трансформации ДОМ.РФ Николай Козак сообщал «Ведомостям», что компания тестирует технологию GPT для суммаризации и классификации запросов в диалогах с клиентами.
Райффайзен Банк интегрировал YandexGPT с голосовым ботом, чат‑платформой, CRM и собственным универсальным сервисом по суммаризации диалогов. ИИ‑помощник отправляет операторам краткое содержание разговора с клиентом, помогая быстрее понять суть запроса.
Поиск по сайту и базе знаний
Генеративный ИИ выдаёт более релевантные ответы, чем обычный поиск по странице. Поэтому банки внедряют технологию и для клиентов, и для сотрудников.
Например, в 2023 году ДОМ.РФ подключил генеративный ИИ, чтобы сотрудники могли искать информацию в электронной почте, документах, базе знаний и мессенджерах. Пилотный проект дал старт разработке собственной платформы интеллектуальной обработки документов. Она сочетает в себе классические подходы машинного обучения в работе с естественным языком (NLP) и генеративный ИИ, который позволяет извлекать информацию с помощью технологии генерации дополненного контекста (RAG).
Банк «Точка» интегрировал генеративную модель в поисковик интернет‑банка. Теперь вместо ссылок с информацией пользователи получают готовые ответы в одном окне.
Сингапурский банк OCBC для помощи сотрудникам использует генеративную модель Microsoft Azure OpenAI. Шестимесячный тестовый период показал, что специалисты стали справляться с задачами в среднем на 50% быстрее. После этого банк предоставил доступ к технологии 30 тысячам сотрудников по всему миру.
Американский банк Morgan Stanley внедрил LLM для поиска по базе знаний в партнёрстве с OpenAI. Более 98% финансовых советников в подразделении по управлению капиталом Morgan Stanley Wealth Management используют чат‑бот AI @ Morgan Stanley Assistant, чтобы быстрее искать информацию в базе знаний и, соответственно, оперативнее отвечать клиентам. Доступность документов выросла с 20 до 80%.
Управление рисками
Способность LLM быстро и качественно анализировать информацию помогает в управлении рисками. Так, Банк ДОМ.РФ протестировал модель для анализа новостей в процессе мониторинга проектного финансирования. Такой подход позволяет распознавать негативный новостной фон с точностью более 90%. Этот результат сопоставим с тем, что получают при использовании специализированных моделей.
Компания анализировала заметки по инвестиционно‑строительной тематике с помощью LLM. Модель собирала новости по заданным источникам и автоматически анализировала их тональность, выделяя позитивную, негативную и нейтральную.
В рамках пилотного проекта технологию проверили на нескольких сотнях новостных источников. Точность выявления негативных сообщений составила 93%. В дальнейшем решение планируют масштабировать, постепенно увеличивая количество информационных ресурсов.
В этой статье расскажем о сценариях применения GPT в финансовых компаниях:
«Объёмы информации сейчас значительно выросли, поэтому использование интеллектуальных алгоритмов для анализа больших массивов текста может стать эффективным способом упорядочить разрозненные сведения и получить от них пользу. Это показал и наш пилотный проект. ИИ‑алгоритмы оказались способны быстро и точно анализировать большие объёмы информации, автоматизировать процесс анализа, обеспечивать точность и релевантность результатов, быть гибкими и адаптивными инструментами и в конечном счёте упрощать работу наших подразделений и снижать бизнес‑риски».
Анализ данных
GPT‑модели ускоряют анализ информации. Так, в Группе «Ренессанс страхование» решение на базе YandexGPT используют, чтобы быстрее согласовывать клиентам медицинские услуги по полисам ДМС в мобильном приложении компании.
По данным компании, при получении медицинской помощи согласование дополнительных назначений и анализов требуется менее чем в 30% случаев. Клиенты могут получить его за пару минут в мобильном приложении «Ренессанс здоровье». Для этого достаточно отправить назначение врача: нейросеть сравнит его с программой страхования и одобрит или отклонит расходы. Раньше клиент мог ждать согласования пару часов, поскольку медицинские эксперты занимались этим вручную. Сейчас процесс занимает от двух до пяти минут.
В компании «Ренессанс Жизнь» LLM применяют для первичной обработки документов. Файлы приходят в разных форматах, поэтому их сложно структурировать.
Система анализа документов использует две модели: YandexGPT Pro и YandexGPT Lite. Если данные подсвечены цветом, значит, при кросс‑валидации модели дали разный результат. Тогда нужна ручная проверка. Подобные случаи встречались в 26% документов за последние два месяца.
Что ждёт LLM в финансовой сфере
В 2024 году на площадке Ассоциации ФинТех прошло два этапа пилотного проекта по применению больших языковых моделей в финансовых организациях. В пилоте приняли участие 10 компаний, а также три ИИ‑платформы: GigaChat, YandexGPT и Cotype.
Банки применяли генеративный ИИ для обслуживания клиентов, маркетинга, продаж, HR‑процессов, документооборота и других задач. Например, один из участников пилота полностью автоматизировал обработку запросов по десяти популярным темам поддержки, включая кредитные и дебетовые карты, а также программы лояльности. А другой успешно внедрил суммаризацию звонков, что позволило эффективнее выявлять проблемы клиентов и оценивать, помогла ли поддержка.
«Большие языковые модели активно применяются во фронт- и бэк‑офисных процессах финансовых организаций. Наибольший эффект мы видим в направлениях автоматизации обслуживания, помощи разработчикам, массового подбора специалистов, PR и маркетинга, а также документооборота.
Мы ожидаем, что в следующем году будет появляться больше специфических отраслевых решений, в том числе сфокусированных на основном бизнесе финансовых организаций. Компании будут формировать доверие к LLM, повышая их безопасность и надёжность. Дополнительно будут развиваться платформенные решения и сервисы по оптимизации разработки, внедрения и эксплуатации больших языковых моделей (LLMOps)».
