Семь минут на решение: как ИИ выдает кредиты бизнесу в «Сбере»

Кредитование бизнеса — это ключевой продукт, который мы, как банк, предлагаем нашим корпоративным клиентам. Искусственный интеллект помогает делать процесс более эффективным и быстрым. Его внедрение мы начали несколько лет назад, выделив два основных направления. 

Модельные предложения

Первое, на котором мы фокусируемся в большей степени, — это процессы, где искусственный интеллект самостоятельно принимает решения, собирая необходимую информацию и проводя расчеты, — так называемый end-to-end процесс, который реализуется полностью онлайн, без участия человека. Одним из примеров такого решения является сервис «Онлайн-продукты для корпоративных клиентов». Искусственный интеллект в течение семи минут рассматривает заявку клиента, принимает решение, и, если оно положительное, клиенту направляется на подписание сформированная кредитная документация.

Как это работает? Модель собирает информацию из пяти основных источников. Первая группа — это трансакционные данные, то есть данные по оборотам компании, в том числе анализируется их структура. Вторая группа — финансовые показатели: балансовая отчетность, в том числе отчет о прибылях и убытках и др. Третье — это кредитная история. Большое количество клиентов имеет длительную кредитую историю в «Сбере», и мы можем посмотреть, как клиент обслуживал обязательства в течение нескольких лет. Помимо этого, с согласия клиентов мы обращаемся в бюро кредитных историй и получаем сведения оттуда. Четвертая группа — это аналитические показатели, касающиеся размеров бизнеса и сравнения различных качественных метрик по компании с другими игроками рынка той же отрасли. И пятая группа — данные из открытых источников и различных реестров внешних агрегаторов. Собрав информацию по этим пяти группам, модель с использованием ИИ определенным образом ее взвешивает и формирует, что важно, не одно предложение, а целую группу предложений. Это массив best offers, которые банк может предоставить клиенту на выбор с различными суммами в зависимости от срока или, например, обеспечения. При этом массив best offers формируется как для клиентов банка, так и для внешних клиентов, но с одним ограничением: воспользоваться предложениями можно при наличии договора банковского обслуживания и личного кабинета клиента в приложении «СберБизнес».

Бесчеловечная аналитика 

Вторая группа процессов — это пул задач, где искусственный интеллект ассистирует специалисту банка. Например, пять лет назад для рассмотрения кредитной заявки сотруднику нужно было собрать около 100 параметров из 10–20 источников, потом их взвесить, сравнить, построить финансовый прогноз, сделать вывод и на основе этого анализа принять решение о кредитовании. Сейчас эти функции выполняет искусственный интеллект, выступая в качестве так называемого lending assistant. ИИ собирает информацию о компании из внутренних и внешних источников, сравнивает ее метрики с метриками по другим компаниям, которые работают в той же самой отрасли, подсказывает сотруднику, какие детали необходимо запросить дополнительно у клиента, сам строит прогнозную финансовую модель. Затем алгоритм сравнивает метрики компании с нашей отраслевой стратегией и предоставляет специалисту банка итоговую аналитику. В 2022 году мы ставим себе цель — научить машину формировать предзаполненное заключение о том, насколько компания финансово устойчива, соответствует нашему аппетиту к риску и рыночным метрикам. Участие ИИ в этой группе процессов очень важно, поскольку позволяет экономить время и снижать риск операционных ошибок. 

Таким образом, оставшиеся 40% простых сделок и все сложные сделки пока принимаются человеком, но ИИ помогает делать это быстро и четко, перенимая на себя аналитику и подготовку. Это важное достижение, и на следующий год мы поставили еще более амбициозную цель — довести этот показатель до 80%. 

Эти процессы мы применяем сейчас для компаний с выручкой от 70 млн рублей. Но примерно месяц назад мы начали пилотировать эту технологию уже и на крупнейшем бизнесе. Пока мы тестируем сервис на разовых сделках отдельных клиентов, оцениваем, насколько клиентам это удобно, меняем настройки, чтобы сделать процесс максимально комфортным для крупнейших компаний. Поэтому в планах на 2022 год не только увеличение доли кредитных процессов с применением ИИ, но и масштабирование сервиса на сегмент крупнейшего бизнеса. 

Сфера применения

В целом надо отметить, что ИИ-модели применяются не только в рамках финансирования или в рамках кредитования. Есть несколько других направлений применения — это кампании продаж, ценообразование, мониторинг, комплаенс и продукты, которые основаны на больших данных. В настоящее время для клиентов блока «Корпоративно-инвестиционный бизнес» «Сбера» разработано и внедрено уже более 280 ИИ-моделей. 

Так, мы развиваем электронные налоговые гарантии через оферту с применением ИИ. Сам по себе инструмент оферты не уникален и давно применяется в сегменте микро- и малого бизнеса. Но в сегменте крупных корпоративных клиентов для нас это новое решение. Мы все понимаем, что с марта 2020 года резко возросла потребность дистанционного обслуживания и взаимодействия без посещения офиса банка и налоговых органов. И именно тогда банковские электронные гарантии стали активно развиваться. 

Сейчас мы к этому продукту добавили механизм оферты. Есть определенные общие условия, опубликованные на сайте банка, клиент присоединяется к ним, направляя необходимые параметры сделки в виде оферты в банк. За счет этого объем документации, которую получает и обрабатывает клиент, сокращается в пять раз. И самое главное, сокращается срок одобрения и выпуска гарантии до одного дня. Но это промежуточный результат.

Еще одно направление, в котором мы активно внедряем искусственный интеллект, — это финансирование жилой застройки. В апреле 2022 года мы планируем запустить онлайн-кредитование застройщиков по жилым проектам, которое позволит в восемь раз сократить сроки принятия решений. Этот процесс базируется на ML-модели прогноза доходной части. Данная модель пилотируется с февраля 2021 года, и в декабре мы уже подвели итоги. Пилот показывает, что модель успешно работает — она точнее в сравнении с экспертом предсказывает темпы и цены продаж жилья в проекте. Так, в 70% случаев ML-модель ближе к факту, чем человек. Это говорит о целесообразности применения модели. Мы продолжаем калибровать данные результаты, чтобы минимизировать вероятность ошибки прогноза.

С января 2022 года мы будем внедрять эту модель в промышленную эксплуатацию и в течение первого квартала будем смотреть, как она работает в самостоятельном режиме. А уже с апреля планируем внедрение сервиса, частью которого как раз станет ML. В рамках него же AI и алгоритм будут анализировать заявки, поступающие от клиента, и принимать решение, — совпадает это с нашим аппетитом к риску или нет.

Отдельная тема в недвижимости — это использование BIM-технологий и моделей. Сейчас мы присматриваемся к этому рынку, который пока только начинает развиваться.

Мы сейчас накапливаем статистику по тому, насколько применение BIM-технологий снижает кредитные риски. По сути, если вы применяете BIM на всех этапах жизненного цикла проекта от проектирования до строительства и далее ввода в эксплуатацию, то вы более четко понимаете бюджет проекта и сроки его реализации. Это приводит к тому, что у застройщика значительно снижаются риски выхода за рамки бюджета и несоблюдения первоначальных сроков проекта. Естественно, это снижает и риски банка, поэтому и процентная ставка по кредиту может быть ниже. Пока у нас нет подобного продукта. Одновременно мы накапливаем статистику по проектам с применением BIM и проверяем, действительно ли они менее рискованные. И в течение 2022 года мы планируем предложить рынку кредитный продукт, условия которого будут зависеть от применения BIM-модели. 

Кроме того, мы, конечно, внедряем технологии и в компаниях нашей экосистемы. Так, например, в интересах нашей дочерней компании «СберФакторинг» мы в банке применяем ИИ для поиска и определения вероятности покупки нашими клиентами факторинговых услуг. Все клиенты по-разному выстраивают отношения с покупателями. Для поставщиков, работающих на условиях контрактной отсрочки с покупателем, факторинг наиболее интересен, так как позволяет получить деньги сразу после поставки. Используемая нами модель на основании ИИ анализирует трансакции клиента и оценивает, может ли факторинг улучшить его финансовые метрики и восполнить потребность в оборотном капитале. Если это так, мы начинаем проактивно предлагать клиентам продукт. 

У другой компании нашей экосистемы, «СберЛизинга», также есть несколько направлений использования ИИ. Во-первых, в продажах: мы анализируем, каким организациям с точки зрения их инвестиционной активности актуальны лизинговые услуги. Второе важное направление — разработка ИИ-моделей, помогающих «СберЛизингу» формировать ценообразование, управлять персоналом и поддерживать продажи. Есть и еще одно направление: применение ML-моделей для определения остаточной стоимости имущества, что актуально в первую очередь для операционного лизинга. Когда мы начинаем входить в арендную сделку, нам важно не только договориться об условиях, но и понимать, сколько это имущество будет стоить через несколько лет. Ведь когда договор закончится, принимается решение: предоставлять это имущество другому контрагенту или продавать на рынке без использования схемы лизинга.

На кого работает ИИ

Важный вопрос — в чем ценность применения искусственного интеллекта и кто главный бенефициар от его внедрения. Я бы разделил это на несколько направлений. Первое — это та ценность, которую получают наши клиенты. В данном случае это существенное снижение сроков получения финансирования: банк может четко прогнозировать срок получения решений (не неделю или месяц, а семь минут), клиент может получать финансирование, не занимаясь длительной работой по предоставлению большого количества документов и организации большого количества встреч с банком. Все это экономит время клиента и делает получение финансирования более предсказуемым. 

Второе — мы планируем предлагать более либеральные условия своим клиентам за счет того, что онлайн-продукты дешевле для банка. Так, в рамках стандартного кредитного процесса может быть задействовано от пяти до 10 ролей: это клиентский менеджер, инспектор, юрист и другие специалисты. Если мы заменяем человеческий труд на искусственный интеллект, то, помимо эффекта снижения сроков, мы получаем экономический эффект снижения затрат, так как оптимизируем себестоимость рассмотрения кредитной заявки. 

Безусловно, с развитием искусственного интеллекта встает вопрос, а не вытеснит ли он людей и в каком направлении развиваться специалистам, чтобы оставаться востребованными. Искусственный интеллект — это не то, что нас ждет в будущем, а это уже наша реальность, и доля ИИ повышается с каждым годом. Заменит ли нас ИИ через два-три года? Нет, но он заменит рутинные или стандартные операции, которые выполняются в банках. С каждым годом растет объем бизнеса и количество сделок, и если бы мы не применяли ИИ, то были бы вынуждены дополнительно наращивать количество сотрудников и увеличивать бюджет. 

С развитием технологии ИИ мы сохраняем примерно одинаковую численность персонала, обходясь без существенных сокращений, так как сотрудники начинают специализироваться на более сложных продуктах и процессах — тех, где сегодня и завтра ИИ не сможет заменить человека в принятии решения, а будет только выполнять роль ассистента. То есть если вы выполняете стандартные рутинные операции, то искусственный интеллект рано или поздно вас заменит. Если вы выполняете сложные операции, то ИИ для вас не угроза, а наоборот, помощник.