Искусственный интеллект дает дорогу молодым

Сначала робот войдет в основную область традиционных финансов – кредитный рейтинг.

Во второй половине дня 18 июля 2016 года Baidu объявила об инвестировании в Zest Finance, финансовую компанию США. Год назад Zest Finance получила инвестиции от Jingdong Group. В то же время инвестирование было одобрено еще двумя китайскими интернет-гигантами. Американская финансовая компания обслуживала только 100 000 граждан своей страны и известна была больше китайцам.

Лос-анджелесская компания использует технологию глубокого обучения для оценки индекса кредитного риска по кредитам. Учредителями являются Дуглас Меррилл, бывший руководитель отдела информации Google, вице-президент по инженерным вопросам, и Шон Бадд, бывший глава американской Capital International Group.

В Соединенных Штатах Zest Finance является претендентом на лидерство у гиганта аналитики FICO, на долю которого приходится 99 % рынка кредитования США и большинство кредитных рейтингов развитых стран.

Zest Finance полагает, что «все данные являются кредитными». В отличие от оценки кредитоспособности FICO с десятками переменных от кредитора, модель Zest Finance основана на массивах неструктурированных данных из социальных сетей. Она содержит почти 10 000 переменных и формирует независимую кредитную оценку, в основе которой лежит интеллектуальный анализ. По сравнению с обычной системой кредитного рейтинга эффективность увеличивается примерно на 90 %. Компания утверждает, что способна анализировать более 10 000 параметров для каждого заемщика в течение 5 секунд и получить более 70 000 показателей, оценивающих его поведение.

Еще до инвестирования в Zest Finance на саммите Альянса Baidu объявила, что «искусственный интеллект будет оказывать преобразующее влияние на финансы и сможет расширить кредитную информацию». Мы акцентировали внимание на том, что «теперь вы за несколько секунд сможете решить, предоставить ли клиенту заем».

За «второй партией» ведется большой контроль над рисками, возможными при использовании технологии глубокого обучения. Это небольшой тест на повышение эффективности кредитных услуг и расширение охвата.

Результаты контроля больших данных – это два списка. Например, для традиционных финансовых учреждений – белый список из возможных заемщиков и черный список во избежание мошенничества. Последний тип списка часто казался таинственным из-за своей цели. Например, компания Palantir, созданная Peter Tire, является четвертой по величине в мире. Она не только помогает Министерству безопасности США бороться с терроризмом, но и объединяет 40-летние отчеты с массивами данных. После их исследований была открыта и предана огласке «схема Понци» Берни Мэдоффа.

Но мы охотнее рассказываем историю развития искусственного интеллекта в сфере управления финансовыми рисками из отечественной практики.

По данным Народного банка Китая, по состоянию на сентябрь 2015 года 870 миллионов физических лиц, включенных в кредитную систему Народного банка Китая, имели 370 миллионов кредитных записей. Они могли составить персональный кредитный отчет и личный кредитный рейтинг 275 миллионов человек.

Это означает, что в Китае около 500 миллионов человек не имеют кредитной истории. Они блокируются в традиционных учреждениях финансовых услуг.

Опираясь на огромный фундамент данных и технологию обработки изображений, реализованную искусственным интеллектом, Baidu Finance и другие предприятия решают проблему онлайн-контроля управления рисками и предоставляют финансовые услуги людям без кредитной истории, которым нужна помощь.

Например, Ли Лян, четыре года изучал дизайн интерьера в университете и недавно начал поиск учебных заведений в Интернете, чтобы изучить дизайн интерфейсов. Он надеется в будущем попасть на работу в крупную интернет-компанию. Однако плата за обучение, которая обычно невелика, стала для него препятствием.

Ли Лян не знает, что одновременно с ним множество людей набирают в поиске Baidu те же запросы. В настоящий момент они не связаны с Baidu Finance, но их групповые потребности основываются на данных. Система входит в программу управления рисками, создает групповой портрет посредством машинного обучения и выносит соответствующее кредитное суждение.

После сравнения нескольких учебных заведений Ли Лян выбирает подходящую школу. Он решил воспользоваться советом учителя и попробовать занять деньги на обучение в Baidu. Он подал заявку на кредит, заполнив личную информацию за несколько минут через мобильный телефон.

Система стратегии управления рисками Baidu среагировала моментально. Она собрала, обработала и проанализировала информацию о Ли Ляне, опираясь на портфолио группы и технологию распознавания изображений. Результат отправился на платформу управления рисками, чтобы завершить процесс кредитования.

После короткого ожидания Ли Лян получил сообщение с одобрением первого кредита в жизни.

После нескольких месяцев изучения курса UI-дизайна Ли Лян решил изучать визуальный дизайн и потом планировал выйти на работу. Он был приятно удивлен, когда обнаружил, что из-за хорошей записи о гашении кредита и стабильной записи доходов его кредитная квота и сценарии платежей расширяются и улучшаются.

Что еще более важно, первая кредитная история Ли Ляна может помочь ему выйти за рамки финансовой системы Baidu и получить более широкий спектр услуг в других учреждениях. Государство предоставит ему доступ к своей финансовой системе.

Чжу Гуан однажды сказал: «Кто в нашем обществе поддержит молодых людей без опыта на их пути подъема в жизни и даст первый кредит?» Теперь мы можем ответить – «машина».

Когда машина завершит изучение человеческих данных в сфере финансового обслуживания, не останется ничего, что могло бы стать препятствием для ее развития в финансовом королевстве.