— За это время мы в банковской сфере полностью ушли в цифру. Мы настолько привыкли сегодня, что у нас все удаленно, что если мы просим частного клиента зайти в офис, это какие-то очень исключительные случаи. Мы стали более зависимы от девайсов, от приложений, радикально изменилась ситуация с тем, как происходит клиентское обслуживание и как мы, банки, доносим до наших клиентов свои продуктовые новации или рекомендации. Если раньше новые продукты разрабатывали люди, то сейчас это во многом модели, искусственный интеллект.

Сейчас появляются электронные советники в самых разных областях финансов. Мы несколько лет назад сделали инвестиционного советника для частных лиц, который проводит анализ индивидуального клиентского портфеля и дает рекомендации. На фоне этой автоматизации и удаленной работы сейчас еще более актуальными становятся вопросы, связанные с мошенничеством. Той же самой социальной инженерии не было десять лет назад. Существенно изменился банковский маркетинг — банки уже не делают массовых рассылок, а стараются подобрать предложение, максимально подходящее конкретному клиенту, и это все делается на основе обработки больших объемов данных.

— Да, некоторое время назад была запущена первая кредитная фабрика на основе моделей, и тогда это была новация для рынка, а сейчас эти кредитные фабрики есть у всех, и они работают практически без участия человека. Сегодня мы много документов подписываем электронной подписью, кредиты получаем онлайн, вклады открываем в приложении. Если брать корпоративный сегмент, здесь тоже произошли достаточно большие изменения в банковском обслуживании. Все ушло в удаленку, малый бизнес работает на планшетах и телефонах, а более крупный использует сложные решения, часто выстроенные непосредственно под него.

Если раньше аналитика была привязана к оценке финансовой отчетности и требовала получения документов в достаточно больших объемах, то теперь огромный пласт информации собирается без участия клиента, из открытых источников. У нас есть продукты для среднего и малого бизнеса, которые мы выдаем очень быстро. Они базируются на истории взаимоотношений с банком, данных кредитных бюро, публикаций в прессе, информации в интернете. Поэтому радикальное изменение — это автоматизация всех процессов при банковском обслуживании.

— Да, приложения — это прорыв, но с ними тоже интересная история. Мы все стали зависимыми от этих приложений, и когда случился 2022 год, нас от этих возможностей фактически отключили. По крайней мере, у всех санкционных банков приложения стали пропадать из онлайн-магазинов, перестали обновляться, они какое-то время пожили еще, потом начали устаревать. Сейчас всякими разными ухищрениями банки пытаются эти приложения восстановить, но в конечном счете мы вышли в то, что пользователям Apple доступно единственное стабильно работающее приложение через интернет.

То есть приложения действительно меняют историю, но и нас привязывают к определенным поставщикам и девайсам. Если говорить о том, что на стороне банка происходит,— у нас бэк-офис стал электронным, снижается количество ручной работы. У нас есть возможность автоматизировать весь процесс целиком, включая всю бэк-офисную часть и отчетность, которую мы отправляем регуляторам. Все в цифре, и это для банка большой шаг вперед. И тот персонал, который высвобождается, мы переквалифицируем, поскольку банк растет.

Вместо перекладывания бумажек они уже думают о процессах, о том, как построить работу с клиентами, что клиенту на самом деле требуется. Вторая тема, которая здесь тоже важна, люди в бэк-офисе не штампуют непрерывно рутинные операции, а включаются тогда, когда что-то идет не так. Это тоже такой кардинальный сдвиг. Мы стремимся к тому, чтобы люди включались тогда, когда нужно принять решение, которое нельзя алгоритмизировать, запрограммировать.

— Технологии, которые связаны с анализом больших данных, получаемых из разных источников, различного рода скоринги,— это то, что последние десять лет постоянно совершенствуется. Сейчас генеративный искусственный интеллект — тема, которая пока, скажем так, не изведана и никто ее нормально не коммерциализировал, но наработки есть. И все сейчас стремятся к тому, чтобы делать модели, в которых генеративный ИИ будет давать нам экономическую выгоду.

Поэтому с точки зрения внутренней кухни мы приходим к тому, что рутинные операции у нас делает машина, а в общении с клиентом мы анализируем его поведение через модели. Огромные массивы данных, которые мы получаем из разных источников в обезличенном виде, помогают настраивать модели, и это все работает на тот искусственный интеллект, который крутится внутри банка.

— Очень большой потенциал у генеративного искусственного интеллекта, и кажется, что мы сможем его обуздать, так сказать, приручить в мирных целях. Мы сейчас прокачиваем через нейронные сети огромные массивы данных, обучаем их. Следующий шаг — это генеративный искусственный интеллект, когда мы начинаем эти сетки использовать в больших языковых моделях. Биометрические технологии — это скорее сопутствующая история, поскольку для распознавания используется тот же ИИ.

Эти модели нужно правильно обучать, с тем чтобы наши биометрические данные превратились в цифру и дальше помогали идентифицировать человека по голосу, лицу и так далее. Эти технологии будут входить в нашу жизнь и уже входят, но пока люди все-таки опасаются. Биометрия — это не пин-код, это последний уникальный ID у каждого человека, и когда он его куда-то сдает, тут всегда присутствует внутреннее сомнение и опасение его утери. Скорее всего, широкое распространение получат различные цифровые консультанты.

Я думаю, что в будущем в нашей жизни появится много советников как по финансовой, так и по нефинансовой тематике. Они будут анализировать наше поведение, различные данные из открытых источников и предлагать индивидуальные рекомендации для покупок, для решений по построению карьеры или даже семьи. Такие сервисы, базирующиеся на больших данных и на ИИ,— это то, с чем мы столкнемся в ближайшие годы. Наши исследования показывают, люди в целом уже готовы к этому — где-то две трети наших респондентов сказали, что могут довериться ИИ в ряде достаточно критичных вопросов.

— Мне кажется, что автоматизация финансов будет делать банк все более естественным и незаметным спутником человека. Мы сейчас не сильно задумываемся, когда прикладываем телефон на кассе, что за этим всем стоит большая система и банк делает массу различных операций, чтобы оплата прошла. Тот же предодобренный кредит в мобильном приложении — для нас он просто есть, а банк просчитал ваш профиль, провел анализ трат, поступлений и так далее.

Поэтому банк будет помогать решать какие-то нетривиальные вопросы, требующие серьезной экспертизы. Где кончается финансовая сфера и начинается нефинансовая сфера — это, по большому счету, философский вопрос, но мы стараемся их разделять. Все-таки когда мы обращаемся в банк, мы ожидаем, что нам не будут советовать выставки или предлагать билеты в театр, а предложат именно финансовый сервис. Хотя многие сейчас пытаются строить экосистемы, в которых клиенту предлагается весь набор услуг, от ипотечного кредита до подбора штор в новую квартиру. Другой вопрос, если мы объединим данные, будем обмениваться ими как между финансовыми сервисами, так и с нефинансовыми сервисами, это будет полезно для всех?

— В том числе и открытые API. Сейчас идут первые эксперименты в этом направлении. Со Сбером мы тестируем сервис открытого банкинга для корпоративных клиентов, с Альфа-банком — для клиентов—физических лиц. В рамках эксперимента Сбербанк также обменивается данными с Т-банком, Т-банк с Альфа-банком. Пока все делается постепенно, потому что все опасаются переманивания клиентов, но в интересах этих самых клиентов это надо делать. Но кроме открытых API между банками есть еще большие массивы данных у ритейла, телекомов, у государства, наконец.

Тут важный момент, что для построения правильной модели не надо знать имя, фамилию и паспортные данные человека, но надо понимать, что вот эта операция в банке, покупка в магазине и этот счет от телеоператора принадлежат одному и тому же человеку. Построив достоверную модель, можно применять ее уже к конкретному клиенту, предлагая ему продукт, настроенный под него. Это важный момент, потому что все мы не любим спам, а любим, когда нам дают то предложение, которое наилучшим образом подходит.

Возможно, со временем получится реализовать использование и переиспользование данных через специальную биржу. В Китае такие биржи данных набирают обороты, компании предоставляют туда массивы сведений о клиентах в обезличенном виде, которые можно использовать другим участникам, для того чтобы строить свои модели. Я думаю, что рынок данных — это тоже перспектива ближайших десяти лет, и я верю в то, что данные модели будут более точными и менее навязчивыми.

— Квантовый компьютер на сегодня — это радикально другая производительность с точки зрения операций в секунду. Другое дело, что они требуют специальной алгоритмики, и пока только специальные вычисления можно на квантовых компьютерах делать. Сейчас основная тема, с моей точки зрения, которая вокруг квантовых компьютеров крутится, это то, что они позволяют расшифровать за часы то, на что до сих пор требовались бы столетия.

— Это угроза приватности в широком смысле этого слова. Пока это не так, но в целом сейчас есть разговоры относительно того, что квантовые компьютеры в состоянии по своей производительности вскрывать те ключи, которыми зашифровано сейчас большинство данных. Пока для этого нет алгоритмов, но есть потенциальная возможность их создать. Нужно будет, видимо, делать другие ключи, более длинные, с другими алгоритмами. Это гонка щита и меча, которая присутствует всегда. А с точки зрения банковской я не думаю, что квантовые компьютеры совершат какой-то глобальный прорыв. Возможно, какие-то сервисы станут быстрее, какие-то более сложные прогнозные модели появятся, более сложные нейронные сети, но пока до этого достаточно далеко.

— Тут мы сейчас наблюдаем интересный феномен и в банковской среде, и в целом по стране. Приведу простой пример: каждая операция по карте должна отметиться в большой системе, которая должна ее учесть. Как вы понимаете, карточных операций на десятки миллионов клиентов, их получается довольно много, несколько тысяч в секунду. И это, во-первых, требует мощных компьютеров, во-вторых, надежных и мощных баз данных, которые в состоянии переварить такую нагрузку.

Раньше никто не задумывался о том, что можно это сделать как-то по-другому, кроме как купить большой компьютер IBM и поставить систему управления базами данных Oracle. Сейчас у нас нет ни IBM, ни Oracle, поэтому мы со всех точек зрения переходим на российское и находим другие IT-архитектурные решения, которые позволяют получать на доступных технологиях ту же производительность, и я уверен, что мы достигнем той же надежности. Потому что в эту архитектуру изначально закладывается правильное горизонтальное масштабирование.

Получается, что для нас ситуация, которая случилась, обрезав доступ к каким-то западным технологиям, заставляет думать, как решить эти задачи теми технологиями, которые нам либо доступны сейчас, либо будут доступны в ближайшее время. С этой точки зрения банковский мир не остановился, он продолжает развиваться. Да, есть отдельные вещи, на самом деле требующие высоковычислительных процессоров, видеопроцессов, которые пока негде взять. Но мне кажется, что мы и здесь найдем способы, для того чтобы решать те задачи, которые перед нами стоят.

— Кадры действительно сейчас в дефиците, и то, что говорит Минцифры, на самом деле в определенной степени справедливо, но кажется, что мы сейчас будем переходить из состояния экстенсивного роста, когда просто много людей занимаются программированием, к более индивидуальному подходу. Сейчас если брать разработку программного обеспечения, то туда тоже интенсивно заходит ИИ. Потому что ряд вещей и достаточно серьезный объем можно делать автоматически.

Рутинные вещи, связанные с тестированием, с подготовкой каких-то пакетов, с настройкой, будем отдавать на откуп ИИ все больше и больше. А люди будут заниматься новой алгоритмикой, поэтому если говорить о кадрах, то, конечно, сейчас не хватает программистов, не хватает инженеров. Но в целом надо переходить к тому, что от этих инженеров и программистов будет требоваться решать другие задачи — более творческие, нетривиальные. Нам нужны люди, которые умеют обучать ИИ.

— Мы стремимся к тому, чтобы рутинные операции из организаций, не только банковских, уходили. Все, что можно превратить в цифру и передать машине, надо отдать машине. Оставлять людям только аналитическую работу, постановку задачи и ее приемку. Кстати говоря, тема с интерпретацией результата, выданного ИИ, на здравый смысл — это большая и очень небанальная история. Потому что машина просто принимает данные, которые мы в нее вложили, и работает с ними, а положить в нее могли не то, не все или, еще хуже того, тенденциозный подбор материалов, соответственно, и результат на выходе окажется некорректный. Экспертиза — насколько полученный от ИИ результат применим в работе, — это как раз профессия будущего.

— Человек отличается от машины способностью выдавать нетривиальные и неожиданные решения, которые не базируются напрямую на логике. Машина все равно внутри себя имеет довольно жесткую логику, она может быть разнообразной, обучаться разным алгоритмам, которых у нее могут быть миллионы, но все равно это алгоритмы.