Искусственный интеллект (ИИ) больше не является развивающимся технологическим сегментом. Существует целый набор передовых технологий больших данных, которые привели к четвертой промышленной революции, и, что неизбежно, ИИ получил распространение, как никакой другой, чтобы заявить о себе в авангарде. Согласно отчету MarketsandMarkets, размер мирового рынка искусственного интеллекта должен вырасти до 309,6 млрд долларов США к 2026 году с 58,3 млрд долларов США в 2021 году при совокупном годовом темпе роста (CAGR) в ошеломляющие 39,7 процента.

1. Введение

Искусственный интеллект (ИИ) стал настолько актуальным и неотъемлемым элементом нашей экосистемы, что ниша ИИ есть на каждом возможном рынке, что означает его присутствие во всех возможных отраслях. Он трансформирует как стратегический, так и операционный ландшафт предприятий в различных отраслях. Модели ИИ объединяют информацию (или точки данных) из различных источников, анализируют данные и предоставляют информацию на основе данных — и все это в режиме реального времени. От крупных конгломератов до стартапов и государственных учреждений, от сельского хозяйства до производства и BSFI — функции обработки данных, такие как искусственный интеллект и машинное обучение, постепенно меняют способ ведения бизнеса.

В 2016 году компьютерная программа AlphaGo привлекла внимание всего мира, победив 18-кратного чемпиона мира, легендарного игрока в го Ли Седоля. Древняя настольная игра Го — одна из самых сложных когда-либо придуманных настольных игр, требующая стратегического мышления, творчества, интуиции и воображения — способностей, которые долгое время считались исключительно человеческими. С тех пор технологии, основанные на больших данных, такие как AL и ML, получили дальнейшее развитие, и их революционное влияние становится все более очевидным во всех отраслях.

Отрасль банковских, финансовых услуг и страхования (BFSI) является одной из первых, кто освоил потенциал революций в области больших данных и волны новых технологий, которые пришли с ними. Поскольку финансовые учреждения продолжают внедрять технологии следующего поколения, они стремятся упорядочить и оптимизировать процессы, начиная от принятия кредитных решений и заканчивая количественной торговлей, помогать клиентам с персонализированными финансовыми услугами, а также обеспечивать высокий уровень безопасности. Искусственный интеллект имеет приложения для всего спектра этих функций и позволяет этим финансовым учреждениям предоставлять оптимальные возможности для своих технически подкованных клиентов.

Хотя инновации в финансовой отрасли не новы, внимание к технологическим инновациям и их скорость значительно возросли. Решения Fintech, использующие аналитику больших данных, искусственный интеллект и технологии Blockchain, в настоящее время внедряются на рынок беспрецедентными темпами. Эти новые технологии меняют то, как функционирует финансовая индустрия, тем самым создавая новые возможности для финансовых учреждений, предлагая более инклюзивный доступ к финансовым услугам. Успешно раскрывая эти возможности, McKinsey в отчете подсчитала, что технологии искусственного интеллекта потенциально могут ежегодно приносить до 1 триллиона долларов США дополнительной ценности миру банковского дела и финансовой индустрии.

В этой статье мы собираемся изучить:

  • Текущее состояние BFSI в индийской финансовой экосистеме,
  • Влияние ИИ на индийский финансовый ландшафт и его потенциальные варианты использования,
  • Основные игроки, использующие возможности ИИ в индустрии BFSI, и
  • Проблемы внедрения ИИ в индийскую финансовую систему.

2. Обзор рынка искусственного интеллекта в Индии

Будучи самым быстрорастущим деловым центром в мире со вторым по величине населением, момент искусственного интеллекта в Индии действительно наступил здесь и сейчас. Индийский рынок ИИ вступает в новую фазу, когда повествование смещается от вопроса о том, жизнеспособен ли ИИ, к заявлению о том, что ИИ теперь является требованием для большинства организаций, пытающихся конкурировать на глобальном уровне. Индийский рынок искусственного интеллекта быстро адаптируется к этому меняющемуся нарративу и стимулирует жизненно важные инициативы в области исследований и разработок технологий, интегрированных с искусственным интеллектом, в нескольких отраслях и сегментах.

С этим изменением в бизнес-мышлении доходы от индустрии искусственного интеллекта в Индии за последние несколько лет росли здоровыми ежегодными темпами. Согласно The Hitchhikers Guide to Artificial Intelligence 2019–20, выручка, полученная в 2019 году от индустрии искусственного интеллекта в Индии, выросла на 80% по сравнению с прошлым годом, увеличив только доходы на колоссальные 415 миллионов долларов США.

Поскольку пандемия COVID-19 ускорила внедрение цифровых технологий и помогла преодолеть разрыв в принятии, ожидается, что в ближайшие годы эти цифры будут расти еще больше. Согласно отчету ИИ: возможность в условиях кризиса, опубликованному PWC, Индия зафиксировала самый высокий рост внедрения ИИ в условиях пандемии по сравнению с другими крупными экономиками, такими как США, Великобритания и Япония. В связи с внезапным ростом числа потребителей, переходящих на цифровые платформы для удовлетворения своих повседневных потребностей, все больше компаний начали внедрять цифровую трансформацию и генерировать значительный объем данных через различные точки соприкосновения в цифровом путешествии клиента. Это изменение поможет индустрии искусственного интеллекта в быстром исполнении.

Признавая потенциал ИИ для преобразования экономики в обозримом будущем и потребность Индии в стратегическом подходе, NITI Aayog, аналитический центр Индии, принял трехсторонний подход — предприняв исследовательские проекты по проверке концепции ИИ в различных области, разрабатывая национальную стратегию создания динамичной экосистемы ИИ в Индии и сотрудничая с различными экспертами и заинтересованными сторонами. Таким образом, повышая состояние технологий искусственного интеллекта в индийской экосистеме.

По мере того, как появлялись частные инвестиции, а правительство раскрывало реальный потенциал ИИ, обеспечивая надлежащее управление, все больше и больше организаций начали использовать ИИ для улучшения существующих процессов и получения более высоких результатов.

Согласно последнему отчету International Data Corporation (IDC) об искусственном интеллекте, ожидается, что искусственный интеллект (ИИ) в Индии будет расти со среднегодовым темпом роста 20,2 % и к 2025 году достигнет 7,8 млрд долларов США.

3. Состояние BFSI в Индии

Индийская экономика, традиционно ориентированная на наличные деньги, хорошо отреагировала на возможности финтеха, в первую очередь вызванные ростом электронной коммерции, проникновением смартфонов и доступной стоимостью данных. Следовательно, Индия в настоящее время является одним из самых быстрорастущих рынков финансовых технологий в мире с объемом рынка 2,4 миллиарда долларов США.

Поскольку продолжающаяся пандемия COVID-19 продолжает вызывать изменения в бизнесе, а также в поведении конечных потребителей; заинтересованные стороны в платежной экосистеме, такие как банки, продавцы и посредники, быстро реагируют, уделяя приоритетное внимание переходу на цифровые технологии для поддержания текущих потоков доходов, а также ищут новые за счет полностью оцифрованного обслуживания клиентов. Таким образом, технологии на базе ИИ неизбежно изменят работу банковских, страховых и других финансовых услуг.

Согласно статье, опубликованной в The Week, Индия обработала платежи в режиме реального времени на общую сумму 25,5 млрд долларов США по сравнению с 15,7 млрд долларов США в Китае. Кроме того, поскольку скорость цифровых платежей, как ожидается, вырастет на 20% в год, Индия занимает первое место в мире по уровню внедрения финансовых технологий, уступая только Китаю.

Сектор BFSI в настоящее время использует ИИ для различных функций, таких как повышение качества обслуживания и удовлетворенности клиентов, отношения с клиентами и их удержание, оценка финансовых рисков, push-уведомления и обнаружение транзакций мошенничества и отмывания денег. Кроме того, распределение доходов от ИИ в секторе BFSI на индийском рынке входит в тройку ведущих секторов, около 9,6 процента, что эквивалентно 615,3 миллионам долларов США в рыночной стоимости.

Ключевыми игроками в этом секторе, обеспечивающими максимальные доходы от ИИ, являются банки государственного и частного секторов, такие как HDFC Bank, Axis Bank, State Bank of India, ICICI Bank и т. д.; небанковские финансовые компании, такие как Aditya Birla Finance Limited, Bajaj Finance и т. д.; и многие новые финтех-стартапы, такие как Capital Float, Coverfox, Creditmate, Flexiloans, Shubh Loans и другие. Эти корпорации используют ИИ преимущественно в:

  • Повышение качества обслуживания и удовлетворенности клиентов за счет использования робототехники и обработки естественного языка (NLP)
  • Оптимизация портфеля для институциональных и розничных инвесторов путем внедрения алгоритмов в инвестиционные исследования.
  • Услуги по управлению финансами для предоставления персонализированных советов по управлению финансами и оповещения клиентов в режиме реального времени.
  • Умные программы анализа транзакций и инструменты для обнаружения мошенничества и операций по отмыванию денег.

Эти примеры — лишь несколько случаев, когда ИИ обеспечивает инновации в области инвестиций, финансовых консультаций и общих операций BFSI. Теперь давайте посмотрим, как ИИ становится неотъемлемой частью индустрии BFSI.

4. Почему индустрия BFSI должна стать ИИ в первую очередь?

На протяжении нескольких десятилетий финансовые учреждения, такие как банки, страховые компании, кредитные союзы и т. д., регулярно адаптировали последние технологические инновации, чтобы изменить взаимодействие клиентов с ними. Банки представили банкоматы в конце 1980-х, а электронные платежи по картам — в 90-х. В 2000-е годы широкое распространение получил круглосуточный онлайн-банкинг, за которым последовало распространение мобильного «банкинга на ходу» в последнее десятилетие. С развитием технологий эти финансовые учреждения могут улучшить свои возможности для достижения четырех ключевых результатов: более высокой прибыли, масштабной персонализации, уникального многоканального опыта и быстрых инновационных циклов. Учреждения, которые не смогут сделать ИИ центральным элементом своей основной стратегии и операций — то, что мы называем «прежде всего ИИ», — рискуют быть обойденными конкуренцией и покинутыми своими клиентами.

Чтобы оправдать растущие ожидания клиентов и противостоять конкурентным угрозам в цифровую эпоху, основанную на ИИ, финансовые учреждения, ориентированные на ИИ, расширяют использование технологий ИИ, чтобы обеспечить бесперебойное многоканальное обслуживание клиентов и улучшить свои серверные процессы. Таким образом, происходит очевидный переход от финансовой доступности к расширению финансовых возможностей.

Вот возможные варианты использования ИИ, преобразующие индустрию BFSI:

4.1. Персонализированный маркетинг и поддержка

4.1.1 Соответствующее взаимодействие с клиентами с помощью чат-ботов и голосовых ботов

Первое поколение чат-ботов для индустрии BFSI подтвердило гипотезу об удобстве клиентов при снижении затрат при круглосуточном обслуживании без каких-либо задержек. С появлением разговорного ИИ и НЛП чаты и голосовые боты на основе ИИ улучшают качество обслуживания клиентов за счет гиперперсонализации, имитируя работу отделения с возможностью общаться на предпочитаемом клиентом языке, обеспечивая знакомство и комфорт со сложными банковскими услугами.

Финансовые учреждения имеют потенциальную возможность перекрестных и дополнительных продаж большому сегменту банковского населения. Голосовые решения устраняют барьеры, с которыми сталкиваются конечные потребители, связанные со знанием устройства, возможностями текстовых сообщений и, что более важно, языковым барьером. Сегодня голосовые боты общаются и общаются на региональных диалектах и ​​языках, расширяя возможности миллионов людей, живущих между городскими и сельскими районами. Используя диалоговые платформы искусственного интеллекта, банки могут развертывать ботов, поддерживающих более 100 языков и диалектов, с анализом настроений и интеллектуальной аналитикой. Виртуальные банковские помощники с голосовой поддержкой могут обрабатывать платежи, переводы, активацию кредитных карт, сброс паролей, а также оповещения и напоминания об оплате для клиентов из любого места, освобождая группы обслуживания клиентов, чтобы сосредоточиться на более сложных запросах клиентов и повышать производительность.

Согласно Исследованию стратегий развития искусственного интеллекта и машинного обучения, проведенному Gartner, к 2023 году 80% потребительских приложений будут разрабатываться с использованием философии голос в первую очередь. Финансовые учреждения пересматривают свою цифровую стратегию и внедряют банковские услуги, основанные на разговорах, чтобы углубить взаимодействие с клиентами и дифференцировать услуги.

4.1.2. Умные кошельки

Еще одной областью интересов банков являются умные кошельки, где они будут предоставлять своим клиентам цифровые кошельки с поддержкой искусственного интеллекта. Эти кошельки будут анализировать покупательские привычки клиентов и учиться на их поведении, чтобы давать компетентные советы и рекомендации по будущим расходам. Это будет поощрять сбережения и ответственные расходы по их кредитным и дебетовым картам в виде предупредительных предупреждений и рекомендаций. Кроме того, ИИ также может определить, может ли клиент переключиться на свои продукты или услуги в зависимости от своей деятельности. Этот ранний сигнал поможет банкам предложить им более подходящие продукты, что поможет удержать клиента.

4.1.3. Советник по финансовым продуктам

Онлайн-платформы, поддерживаемые набором технологий искусственного интеллекта, требуют от своих клиентов минимального или нулевого вмешательства в предоставление финансовых консультаций, реинвестирование дивидендов, автоматическое создание/ребалансировку портфеля и т. д. Следовательно, финансовые учреждения постоянно вынуждены снижать свои комиссионные ставки по отдельным инвестициям, поскольку машины/алгоритмы могут выполнять ту же работу за один первоначальный взнос.

4.1.4. Персонализированные финансовые услуги

Платформы на базе искусственного интеллекта отслеживают цели клиентов, дают им персонализированные предложения и советуют, какие акции или облигации покупать или продавать, независимо от их аппетита к риску. Эти интеллектуальные системы отслеживают доходы, основные текущие расходы и привычки к расходам и предлагают оптимизированный план и финансовые советы. На современном рынке несколько мобильных банковских приложений помогают клиентам планировать свои расходы, высылают настраиваемые напоминания о своевременной оплате счетов, оптимизируют способ взаимодействия со своим банком, от получения информации до совершения транзакций.

4.1.5. Оптимизация портфеля

Искусственный интеллект коренным образом меняет распределение активов, торговые процессы, управление рисками и другие области управления портфелем. На самом деле, многие роботы-консультанты уже используют технологии с поддержкой ИИ, чтобы предоставлять инвесторам портфели с лучшими показателями вне выборки, проводя текстовый анализ годовых отчетов, экономических отчетов и другой значимой информации. ИИ теперь используется для выявления скрытых корреляций между классами активов, а затем для определения акций, которые могут быть лучше или хуже на основе этих корреляций.

4.2. Автоматизированное управление бизнес-процессами

4.2.1. Торговля с поддержкой ИИ

Приложение на базе ИИ имеет множество вариантов использования в высокочастотной торговле, где для принятия инвестиционного решения в режиме реального времени берутся данные с нескольких финансовых рынков. Согласно отчету MarketandMarket, прогнозируется, что размер мирового рынка алгоритмической торговли достигнет 18,1 миллиарда долларов США к 2024 году при среднегодовом темпе роста в 11,1 процента в течение прогнозируемого периода с 2019 по 2024 год.

Финансовые учреждения полагаются на специалистов по данным и алгоритмы для прогнозирования будущих моделей и результатов на рынке. Как область, торговля и инвестиции сильно зависят от точности этих прогнозов. Технологии с поддержкой искусственного интеллекта отлично справляются с этой задачей, поскольку они могут быстро обрабатывать огромные объемы данных. Эти модели на основе ИИ могут анализировать исторические данные, чтобы находить финансовые закономерности и прогнозировать, как и когда такие закономерности могут повториться в будущем. Хотя такие выбросы, как Великая экономическая депрессия 2008 года, действительно существуют в исторических данных, когнитивные системы на основе ИИ можно обучить изучать данные, чтобы находить триггеры для таких выбросов и планировать их в будущих прогнозах. В зависимости от индивидуальной склонности к риску ИИ может предложить персонализированные портфельные решения для достижения целей каждого клиента.

4.2.2. Роботизированная автоматизация процессов

Финансовые учреждения, особенно банки, используют машины с искусственным интеллектом, чтобы взять на себя большие объемы, бэк-офисные процессы и трудоемкие повторяющиеся задачи. Программное обеспечение с искусственным интеллектом может проверять данные и формировать отчеты по заданным параметрам, просматривать документы и извлекать информацию из форм (заявлений, договоров и т. д.) в любом масштабе. Таким образом, экономия времени за счет повышения точности, снижения эксплуатационных расходов и эффективности вождения.

4.2.3. Кредитные решения на основе данных

Исторически сложилось так, что заявки на получение кредита и займа обрабатывались людьми, что создавало риск преднамеренной и непреднамеренной предвзятости. Поскольку кредитование становится все более цифровым, финансовые учреждения обращаются к технологиям на основе ИИ, чтобы помочь принимать кредитные решения на основе исторических данных. Помимо простого анализа данных, искусственный интеллект и алгоритмы машинного обучения используются для принятия более быстрых и эффективных кредитных решений. Включая альтернативные данные, устраняя человеческие предубеждения и обучая модели в режиме реального времени, алгоритмы с поддержкой ИИ могут более точно прогнозировать кредитоспособность потребителей, независимо от таких факторов, как раса, пол, религия или сексуальная ориентация.

4.2.4. Поиск талантов

ИИ внедряется, чтобы сэкономить время менеджера по найму в различных процессах привлечения талантов. Например, технологический стек на основе ИИ может анализировать предыдущие данные конвейера для определенной роли и прогнозировать правильные каналы, ключевые слова и персоны для этой роли. Эти системы также можно использовать для составления коротких списков резюме с сайтов социальных сетей, предварительной проверки кандидатов в чате, определения шансов отсева кандидатов и т. д.

4.2.5. Инвестиционные исследования

Синтез информации из нескольких источников данных и построение собственных количественных моделей требует огромных человеческих усилий и времени. С расширением приложений ИИ и постоянно растущим количеством источников данных методы инвестиционных исследований и анализа быстро развиваются. Инструменты искусственного интеллекта позволяют быстро обрабатывать крупномасштабные данные и интегрировать традиционные источники данных с новыми, такими как тенденции веб-поиска, онлайн-трафик и взаимодействие с социальными сетями. Менеджеры портфелей и аналитики экономят время и выявляют скрытые сигналы, быстро обрабатывая огромное количество финансовых отчетов, расшифровок телефонных разговоров, пресс-релизов, презентаций для инвесторов, блогов, новостных статей и отчетов продавцов для инвестиционных исследований, способствуя улучшению прогнозирования, инвестиций. принятие решений и генерация идей.

4.3. Безопасность и соответствие

4.3.1. Обнаружение мошенничества с помощью машинного обучения и распознавания образов в масштабе

Традиционные предприятия полагались на человеческие ресурсы для обнаружения и блокировки мошеннических платежей. Но эти операции часто приводили к ложным срабатываниям, имели ограниченные результаты, были неэффективны и очень трудно масштабировались. В связи с массовым распространением электронной коммерции и онлайн-транзакций в последнее время полезность систем на основе ИИ в борьбе с финансовым мошенничеством имеет решающее значение. Эти системы обнаружения мошенничества анализируют поведение клиентов, покупательские привычки, местоположение и запускают механизм безопасности, когда что-то противоречит установленной схеме расходов — и все это в режиме реального времени.

4.3.2. Биометрическая идентификация посредством распознавания речи и изображений

Традиционно банки использовали методы аутентификации на основе знаний, такие как одноразовые пароли (OTP), PIN-коды и пароли. Эти методы аутентификации доказали свою эффективность при правильном применении, но в значительной степени зависят от бдительности клиентов. Клиенты должны приложить дополнительные усилия, чтобы выбрать надежные учетные данные для входа, предпочтительно уникальные для каждой учетной записи, и часто обновлять их. Это вызывает у клиентов чувство разочарования и оставляет им плохое впечатление от онлайн-банкинга, особенно когда им приходится часто придумывать пароли, отвечающие критериям безопасности. Следовательно, спрос на бесконтактные и бесшовные технологии проник даже в банковскую безопасность, особенно после воздействия пандемии COVID-19. Голосовая и графическая биометрия в банковской сфере — это многообещающее решение для онлайн-банкинга, выходящее за рамки сканеров сетчатки глаза и отпечатков пальцев, которые требуют физического присутствия людей. Таким образом, снижается вероятность мошенничества и улучшается качество обслуживания клиентов.

4.3.3. Мониторинг соответствия

Хотя соблюдение требований — это бизнес-функция, относительно не затронутая цифровыми технологиями, вычислительная мощность ИИ для быстрой и точной обработки огромных объемов данных может изменить соблюдение нормативных требований. ИИ и машинное обучение можно использовать для сбора, извлечения и анализа нескольких ключевых элементов данных, чтобы отметить потенциальные проблемы и помочь сократить расходы в современной среде, основанной на данных.

5. Препятствия на пути внедрения ИИ в индийскую финансовую экосистему

5.1. Интерпретируемость модели

Нейронные сети на основе ИИ и другие модели машинного обучения довольно сложны, что делает их более сложными для понимания и объяснения, чем традиционные. Это неизбежно приводит к определенному уровню риска и требует повышенного уровня управления. Финансовые учреждения должны иметь возможность подробно объяснить свои модели и их обоснование, чтобы обеспечить плавный переход, обеспечить соблюдение нормативных требований и свести к минимуму риск принятия неправильных бизнес-решений из-за этих передовых технологий.

5.2. Отсутствие достоверных и качественных данных

Модели AI и ML собирают точки данных из различных источников, анализируют данные, а затем предоставляют информацию на основе данных — и все это в режиме реального времени. Благодаря этому процессу эти модели автоматически становятся более эффективными и, следовательно, со временем обеспечивают большую точность и предсказуемость. Но отсутствие надежных источников данных и данных хорошего качества может негативно сказаться на способности этих моделей улучшать процесс принятия решений и предоставлять более качественные услуги всем участникам.

5.3. Устаревшая ИТ-инфраструктура и основные технологии

ИТ-инфраструктура финансовых учреждений, таких как государственные банки, кредитно-кредитные ассоциации и т. д., нуждается в реконструкции, поскольку технологии центров обработки данных финансовых организаций плохо работают с технологическими инструментами типа быстрых данных / больших данных, разработанными для крупномасштабных стандартных систем. . Их ИТ-команды обычно борются с негибкой технической инфраструктурой. Кроме того, сложные процессы, связанные с ИИ, такие как прием данных, анализ, преобразование и проверка, разработка моделей, проверка и мониторинг, а также регистрация и обучение, среди прочего, приводят к задержкам внедрения ИИ в масштабе, что, в свою очередь, увеличивает время между внедрением и надежным ROI.

5.4. Неквалифицированная существующая рабочая сила

Интересно, что инвестиционные затраты и убеждение высшего руководства в развертывании ИИ, по-видимому, имеют меньшее значение, поскольку могут значительно повысить ценность бизнеса. Но, поскольку это новая технология, на рынке по-прежнему ощущается нехватка доступных наборов навыков, и большинство респондентов сталкиваются с проблемой поиска качественного кадрового резерва с опытом работы с когнитивными системами.

5.5. Узкий фокус и варианты использования

Благодаря своему устройству когнитивные системы лучше всего подходят для решения конкретной проблемы и не могут отклоняться от того, для чего они были созданы. Алгоритм, предназначенный для обнаружения мошеннических платежей, не обязательно поможет обнаружить любую другую подозрительную деятельность, связанную с торговлей. В большинстве случаев для решения разных задач требуются отдельные алгоритмы. Это, в свою очередь, ставит перед финансовыми учреждениями задачу создать более общий ИИ, который может решать не только конкретные задачи.

5.6. Несколько заинтересованных сторон

Поскольку когнитивные системы обучены быстро принимать несколько масштабных решений в режиме реального времени, отсутствует ответственность за решения, принимаемые этими моделями ИИ. Когда дело доходит до крупных финансовых организаций, приступающих к внедрению ИИ, нет недостатка в лидерах, готовых принять участие в проекте. На самом деле слишком много лидеров со слишком разными мнениями, что часто оборачивается большей проблемой, чем отсутствие лидерства. У этих лидеров пересекающиеся обязанности, разные долгосрочные взгляды на ИИ и области работы, а это означает, что часто нет единого владельца проектов ИИ. Это может привести к неравномерному внедрению технологий, что со временем может привести к увеличению затрат и может противоречить общей стратегии внедрения ИИ.

5.7. Регуляторные препятствия

Чтобы добиться признания со стороны клиентов, необходимы правила и соответствие требованиям для обеспечения прозрачности финансовых услуг и того, какие конфиденциальные данные пользователей передаются в когнитивные системы на основе ИИ. Однако ужесточение правил может поставить под угрозу индийскую финансовую экосистему, задушив инновации и повысив операционные расходы. Таким образом, регулирующие органы несут важнейшую ответственность за создание благоприятной для инноваций среды при соблюдении требований защиты клиентов, безопасности данных и конфиденциальности.

6. Использует случаи ИИ в действии

Известные игроки индийского происхождения используют платформы на базе ИИ для концептуализации, проектирования и предоставления комплексных цифровых финансовых услуг. Благодаря развитию технологий и их внедрению эти когнитивные системы на основе искусственного интеллекта теперь могут управлять такими функциями, как оценка финансовых рисков, мониторинг соответствия, push-уведомления для клиентов, расширение портфеля и обнаружение транзакций мошенничества и отмывания денег.

Организации, использующие решения на основе ИИ в секторе BFSI, включают:

6.1. Razorpay Software Private Limited

6.1.1. Предотвращение мошенничества

Razorpay использует ThirdWatch, чтобы уменьшить количество мошеннических транзакций благодаря решению для анализа мошенничества на основе искусственного интеллекта. Он собирает и анализирует сотни параметров, таких как адрес электронной почты покупателя, адрес доставки, пин-код и, среди прочего, сколько времени покупатель потратил на выбор продукта. Это решение на основе искусственного интеллекта сравнивает эти фрагменты информации с обычными точками данных о поведении покупателей. Если что-то выглядит как выброс, он немедленно помечает покупателя и продавца как возможную мошенническую транзакцию.

6.1.2. Определить кредитоспособность

Кроме того, Razorpay также использует модели на основе искусственного интеллекта для определения кредитоспособности и помощи предприятиям в получении кредитов. Стандартные данные кредитного бюро недостаточны для получения целостной картины кредитоспособности МСП (МСП). В результате большинству МСП не удается получить кредит от традиционных финансовых учреждений. Razorpay использует модели машинного обучения для сбора и анализа транзакционных данных, генерируемых на его платформе такими малыми и средними предприятиями, и прогнозирует денежные потоки бизнеса на ближайшие годы. Основываясь на этих оценках, Razorpay предлагает кредиты или займы для МСП.

6.2. HDFC Bank — Электронный виртуальный помощник [Ева]

EVA от HDFC Bank стал крупнейшим банковским чат-ботом в Индии. EVA — это чат-бот, созданный senseforth.ai с использованием диалогового искусственного интеллекта и помогающий пользователям получать доступ к правильной информации, очищая информацию о доступе, обычно облачную для банковских веб-сайтов, и перемещая их на нужную страницу. Развернутая в марте 2017 года, система EVA успешно обработала более 2,7 миллиона запросов клиентов в течение шести месяцев после развертывания. Он доступен на всех цифровых платформах банка, включая веб-сайт, мобильный сайт и специализированный клиентский портал.

6.3. Mswipe Technologies Pvt Ltd.

Чтобы сделать регистрацию продавца простой и быстрой, Mswipe использует решение F2A2 на основе ИИ (разработанное Signzy). Он записывает информацию профиля продавца и документы KYC и мгновенно аутентифицирует их, используя более 40 государственных баз данных, что делает его одним из уникальных решений в этой области.

6.4. ICICI Ломбард

ICICI Lombard использует роботизированную автоматизацию процессов на основе искусственного интеллекта для автоматизации рутинных и трудоемких внутренних задач, что делает ее безошибочной и более эффективной. По мере увеличения объемов транзакций эти процессы автоматизации помогли сократить время ответа на запросы управления пользователями, улучшить индекс удовлетворенности клиентов и увеличить количество перекрестных продаж.

6.5. Cognext Analytics Private Limited

Cognext — один из самых быстрорастущих финтех-стартапов в Индии, базирующийся в Мумбаи, штат Махарастра. Компания разработала технологическую платформу Platform X на основе искусственного интеллекта и машинного обучения для предоставления настраиваемых, масштабируемых и экономичных решений для соблюдения нормативных требований. Он помогает финансовым учреждениям, таким как банки, небанковские финансовые компании и необанки, сохранять контроль над рисками, финансами и соблюдением нормативных требований, обеспечивать целостность и прозрачность результатов, а также быстро адаптироваться и реагировать на нормативные изменения с помощью полностью декларативного, настраиваемого и масштабируемого технологический каркас.

6.6. Страхование жизни HDFC

Ведущая индийская компания по страхованию жизни в частном секторе HDFC Life в 2017 году запустила страхового почтового бота под названием SPOK. SPOK использует методологии искусственного интеллекта и НЛП, чтобы имитировать когнитивные способности человека при чтении, понимании, интерпретации и общении. Помимо быстрого ответа на запросы, это также помогает более глубоко понять потребности клиентов, выявляя закономерности в их взаимодействиях по электронной почте.

6.7. Политикабазар

PolicyBazaar, один из самых известных онлайн-агрегаторов страхования жизни и общего страхования в Индии, запустил на своей платформе чат-бота с искусственным интеллектом под названием PBee, основанный на DialogFlow от Google, для обеспечения беспрепятственного взаимодействия с клиентами и продажи страховок в Интернете. Благодаря запуску на платформе PolicyBazaar время разговора по каждому звонку сократилось на 50 процентов, что привело к повышению уровня производительности звонящих до 200 процентов. В то же время коэффициент конверсии их абонентов вырос на 25 процентов благодаря более плавному взаимодействию с клиентами в чате.

6.8. Капитал Плавающий

Capital Float — ведущий финтех-стартап из Бангалора, штат Карнатака, который предоставляет МСП финансирование оборотного капитала. Он широко использует модели AI и ML для определения кредитного риска в своем продукте, таком как система управления кредитами (LMS), система выдачи кредитов (LOS) и механизм принятия решений (DE). Его небольшие кредиты полностью автоматизированы и построены с использованием моделей искусственного интеллекта. Кроме того, функция управления личными финансами Capital Float алгоритмически разработана для получения финансовой информации о своих пользователях, что помогает их маркетинговой команде заблаговременно предоставлять персонализированные кредитные предложения клиентам.

7. Что дальше?

Технологии нового века, такие как искусственный интеллект, машинное обучение, глубокое обучение, обработка естественного языкаи т. д., уже начали менять индустрию BFSI. Первые пользователи получают конкурентное преимущество и увеличивают разрыв с теми, кто все еще сомневается в возможностях ИИ. Необходимость технологической эволюции в отрасли послужила катализатором для индийских финансовых учреждений в поиске и внедрении технологий следующего поколения. Эти технологии позволили сектору BFSI создать восхитительный цифровой путь пользователя на протяжении всего жизненного цикла клиента, обеспечив персонализированное взаимодействие с клиентом, повысив безопасность и соответствие требованиям, а также автоматизировав внутренние процессы в масштабе.

Для многих индийских финансовых учреждений внедрение технологий искусственного интеллекта больше не является выбором, а является стратегическим императивом. Однако было бы недальновидно рассматривать внедрение ИИ как простое обновление технологии по сравнению с существующей ИТ-инфраструктурой. Финансовые организации должны использовать искусственный интеллект, чтобы переосмыслить цепочку создания стоимости бизнеса посредством правильного взаимодействия человека и машины. И путь к тому, чтобы эти организации стали первыми в мире ИИ, начинается с оценки того, как их краткосрочные и долгосрочные стратегические цели (например, рост, привлечение клиентов, удержание клиентов, прибыльность, инновации) могут быть существенно обеспечены набором возможностей ИИ.