​​Искусственный интеллект как технология появился в 1950-х годах. Тогда он требовал недоступных для человека вычислительных мощностей. Сейчас при населении планеты в 7,5 млрд людей, в мире есть 22,2 млрд подключенных к интернету устройств. Обычный смартфон обладает вычислительной мощностью больше, чем было у NASA, когда они отправляли Нила Армстронга на луну. Второй фактор, повлиявший на быстрое развитие ИИ за последние годы - свободный доступ к знаниям. В интернете доступно более 1,3 млн научных публикаций и более 100 млн строк OpenSource кода, связанных с ИИ.

В 2010 году в развитие ИИ было вложено $324 млн венчурных инвестиций в 71 сделке, в 2017 - $11,4 млрд в 2095 сделках. Ожидаемая экономия от применения ИИ в финансовом секторе США составляет $1,04 трлн к 2030 году. Из них в банкинге - $447 млрд, в страховании - $392 млрд, в управлении инвестициями - $199 млрд. Операционная эффективность (читай "безработица") финансового сектора вырастет на 20-40%.

Какие у ИИ кейсы применения в финансах?

Фронт

Чатботы и голосовые ассистенты. ИИ умеет синтезировать голос из текста, наоборот, превращать голос в текст и понимать текст как человек. Это может быть использовано в автоматизации поддержки пользователей. Также ИИ применим в идентификации клиентов - по фото\видео, по голосу, по метаданным, быстрый анализ и сопоставление которых недоступны живому операционисту.

Мидл

Мониторинг транзакций и бизнес-процессов для выявления необычной активности. Мониторинг биометрических показателей сотрудников для предоставления или отказа в доступе к совершению определенных операций. Особенно релевантно будет для трейдеров - словил большой убыток с утра и сильно нервничаешь? ИИ заблокирует доступ к терминалу пока пульс не снизится до нормального. Антифрод и риск комплаенс перейдет от проверок выборочных транзакций к сплошному анализу. KYC / AML процедуры тоже изменятся - больше не нужны будут раздутые штаты контролеров, вычитывающих тонны однообразных документов и сверяющих их с правилами. И это касается не только бизнеса - регуляторам тоже выгоднее будет разработать / купить алгоритмы, чем содержать сотрудников.

Бэк

ИИ хорош там, где есть большой набор неструктурированных данных и четкая цель их обработки. Идеальный кейс - анализ всевозможных метаданных из большого количества разрозненных источников для составления кредитного скоринга. И это касается как частных клиентов, так и бизнес-заемщиков. То же самое применимо и для расчета страховой премии, оценки страхового ущерба и определения размера выплат. В инвестициях ИИ поможет сформировать наиболее полную оценку компании, анализируя не только ее финансовую отчетность, но и внешние данные, включая оценку операционной деятельности, общественное мнение о компании и удовлетворенность собственной жизнью членов исполнительных комитетов.

Источник.