Укротители данных: зачем Альфа-Банку лаборатория машинного обучения

Редакция спецпроектов Автор

Лаборатория машинного обучения Альфа-Банка внедрила нейронные сети в работу колл-центра. Автоматизация рутинных процессов полностью изменила процесс обработки клиентских обращений: новшество освободило сотрудников от монотонной работы и повысило их продуктивность. Одновременно с этим выросло качество обслуживания и удовлетворенность клиентов банка. Это только один из примеров того, как современные технологии меняют банковский бизнес. Как работает лаборатория — в нашем материале.

Чем занимается лаборатория

Лаборатория машинного обучения — неотъемлемая часть Центра продвинутой аналитики Альфа-Банка. Ее основная задача — использование искусственного интеллекта для улучшения качества обслуживания клиентов и оптимизации рабочих процессов сотрудников.

Среди ключевых направлений лаборатории:

Улучшение клиентского опыта через разработку и совершенствование инновационных инструментов взаимодействия, таких как чат-боты, голосовые помощники и ассистенты операторов. Эти технологии направлены на повышение удовлетворенности клиентов и предоставляют оперативные и точные решения их запросов.
Оптимизация основных бизнес-процессов включает в себя применение передовых данных и аналитических методов для решения стратегических задач банка. Примеры включают улучшение систем оценки кредитоспособности, автоматизацию отбора кандидатов и анализ потребительского спроса на банковские продукты.
Автоматизация процессов в области данных представляет собой разработку алгоритмов и инструментов для ускорения и оптимизации работы с данными внутри банка, минимизируя тем самым ручной труд.

Как появилась лаборатория

Лаборатория машинного обучения Альфа-Банка начала работать в 2019 году, преобразовавшись из предшествующей структуры с одним-единственным сотрудником. Основная миссия новообразованной структуры заключалась в изучении и применении нейронных сетей для автоматизации и упрощения внутренних процессов банка, в частности для усовершенствования системы оценки кредитоспособности клиентов.

Традиционно для оценки кредитоспособности использовались методы, требующие трудоемкого ручного формирования тысяч признаков, основанных на алгоритмах логистической регрессии и градиентного бустинга. Революционный переход к использованию нейронных сетей позволил автоматизировать этот процесс, значительно упростив задачу создания и интерпретации признаков.

Впрочем, введение новаторских технологий не было встречено с энтузиазмом во всех отделах банка. Скепсис и недоверие к новым методам были значительными препятствиями на пути внедрения нейронных сетей в кредитный скоринг. Евгению Смирнову, руководителю лаборатории, и его команде пришлось доказывать бизнес-подразделениям ценность и эффективность нового подхода, который воспринимался как «черный ящик».

*Евгений Смирнов, руководитель лаборатории машинного обучения Альфа-Банка*

Однако, увидев реальные финансовые результаты применения нейронных сетей, скепсис сменился признанием их эффективности. Лаборатория теперь внедряет единый подход к оценке потенциальной прибыльности проектов, что позволяет рационально распределять ресурсы на наиболее перспективные направления.

Что представляет собой лаборатория сейчас

В лаборатории машинного обучения Альфа-Банка трудятся 25 высококвалифицированных дата-сайентистов, большинство из которых являются выпускниками престижных технических вузов России. Средний возраст команды составляет 23–24 года, причем некоторые сотрудники продолжают обучение в магистратуре. Лаборатория подразделяется на два ключевых отдела: отдел монетизации нейронных сетей, занимающийся основными бизнес-процессами банка, и центр компетенций по обработке естественного языка, фокусирующийся на улучшении клиентского опыта.

Евгений Смирнов подчеркивает важность трех основополагающих принципов в культуре команды: свободы, ответственности и признания.

Каждый член команды, уже доказавший свою компетентность и мотивацию на предыдущих этапах обучения, получает возможность принимать ответственность за предложение и реализацию новых решений, а также делиться достигнутыми результатами как внутри компании, так и на международных платформах.

Активное менторство в ведущих технических университетах, включая МФТИ, позволяет не только делиться знаниями и опытом, но и привлекать новые таланты в лабораторию, предлагая им доступ к передовым технологиям. С начала своей работы лаборатория значительно расширила область применения нейронных сетей, включая четыре модели, способные анализировать транзакционные данные, что улучшает условия кредитования для клиентов и одновременно увеличивает операционный доход банка. В результате введение новых моделей привело к увеличению чистого операционного дохода более чем на 1 млрд рублей за год, что является значительным достижением для банка, ранее считавшего, что система кредитного скоринга достигла своего потолка эффективности.

Что дальше

Перспективы и дальнейшее развитие направления дата-сайенса в Альфа-Банке могут привести к значительным трансформациям как внутри лаборатории, так и во всем банковском бизнесе. Разделение профессии дата-сайентиста на более узкоспециализированные направления отражает тенденцию к глубокой специализации и эффективности в области разработки и исследований.

Автоматизация процессов, инициированная лабораторией, скорее всего распространится и на другие подразделения банка, что потребует от руководства нового уровня понимания возможностей машинного обучения и взаимодействия с дата-сайентистами. Чтобы облегчить этот переход, лаборатория разработала специальный образовательный курс для руководителей, нацеленный на освоение принципов принятия решений на основе данных. Этот курс позволит не только лучше понимать возможности современных технологий, но и максимально эффективно их использовать для повышения доходности бизнеса.