Кто такая ANNA: как в Альфа-Банке автоматизировали создание нейросетей

В 2020 году в Альфа-Банке начали внедрять нейросети в бизнес-процессы. Первым стала оценка надежности заемщиков, затем решение масштабировали на предсказание оттока клиентов и определение их склонности к использованию банковских продуктов. Благодаря нейросетям банк начал быстро и точно анализировать активность клиентов и зарабатывать на этом сотни миллионов рублей в год. Поэтому количество бизнес-процессов, которые можно улучшить с помощью нейросетей, стало расти, однако их адаптация выполнялась вручную.

Для этого команде Лаборатории машинного обучения Альфа-Банка приходилось многократно выполнять одни и те же действия, что не оставляло времени на вдумчивую работу: проведение исследований, улучшение качества моделей и профессиональное развитие. Вместо расширения штата в банке решили автоматизировать процесс. «За полтора года работы по построению нейронных сетей вручную мы внутри команды поняли, что можно создавать эти модели автоматически, нажатием одной кнопки. Мы сами разработали проект при поддержке службы управления рисками и розничного бизнеса, защитили его перед нужными структурами банка, получили финансирование и собственными силами реализовали. Задача амбициозная и масштабная, но работу мы выполнили командой из всего четырех специалистов», — говорит Евгений Смирнов, руководитель Лаборатории машинного обучения Альфа-Банка и номинант ежегодного рейтинга Forbes «30 до 30».

Так появилась ANNA — сервис, который создает нейросети без помощи дата-сайентистов. Аналитики банка могут работать с ним самостоятельно. У сервиса интересная история названия. «В то время мы постоянно задерживались в офисе: бэклог был огромным. На свадьбе невеста нашего тимлида Димы — Аня — пожаловалась гостям, что жених постоянно работает и у них остается мало времени на совместный отдых. Тогда мы и решили назвать сервис ANNA. Шутка в том, что теперь Дима точно будет проводить с Анной больше времени. Но вообще ANNA — это аббревиатура от Auto Neural Network Analytics», — рассказывает Валерий Смирнов, руководитель команды монетизации нейронных сетей Альфа-Банка.

«Мы как розничный бизнес уделяем приоритетное внимание повышению эффективности бизнес-процессов и активно внедряем инновационные решения. Реализация проекта не только полностью оправдала возложенные ожидания, но и продемонстрировала существенный операционный эффект, подтвердив правильность выбранной стратегии развития», — добавляет Кирилл Смоленков, руководитель направления эффективности розничного бизнеса Альфа-Банка.

Как работает ANNA

Процесс создания нейросети с помощью ANNA состоит из трех этапов.

Подготовка данных. Аналитик загружает в интерфейсе ANNA исторические данные по бизнес-процессу, в который нужно внедрить нейросеть. Например, для автоматизации принятия решений по кредитам такой выборкой будет информация по кредитным историям. Но данные нельзя использовать «как есть» — их нужно обработать. Сложность в том, что массивы данных огромные. Чтобы экономить время на этой подготовке, в банке настроили ETL-процесс: данные по частям с определенной периодичностью поступают из хранилища, автоматически преобразуются в формат, пригодный для обучения, и помещаются обратно.

Создание модели. Чтобы по максимуму автоматизировать саму разработку моделей, в Лаборатории машинного обучения стандартизировали код и превратили его в сервис. Благодаря этому, чтобы создать нейросеть под новый бизнес-процесс, теперь не нужно дорабатывать или менять код. Достаточно передать в сервис необходимые параметры — те самые исторические данные.

Бэкенд. «Мозг» сервиса, который объединяет все его элементы в единую инфраструктуру и заставляет работать — от запуска кода до сбора аналитики по моделям.

Затем специалист нажимает кнопку «Обучить модель» и наблюдает за прогрессом. Когда модель будет готова, он сможет изучить подробную аналитику по ней, провести тесты и пилоты. Если нейросеть работает хорошо, ее запускают в работу. «Под капотом в ANNA четыре нейросети. Одна анализирует операции по карте за определенный отрезок времени, другая — по расчетному счету, третья — по кредитной истории. Четвертая нейросеть объединяет результаты работы первых трех», — объясняет Евгений Смирнов.

Планы по развитию ANNA

Специалисты Лаборатории машинного обучения благодаря ANNA почти полностью освободили время от рутинных ручных операций в построении нейросетей. К началу 2025 года сервис помог создать более 80 моделей, 10 из которых внедрены в бизнес-процессы банка. Кроме того, на основе инфраструктуры, разработанной для ANNA, вырос сервис AMELIA — проект для автоматического построения простых моделей.

В 2025 году команда банка собирается существенно расширить использование ANNA внутри банка — сделать сервисы доступными большему числу специалистов из разных подразделений, чтобы внедрять нейросети даже в небольшие локальные процессы и оптимизировать их.

«Когда бэклог большой, задачи надо решать автоматически при помощи таких сервисов, как ANNA. Если раньше множество маленьких задач могли долго ждать своей очереди и, возможно, никогда ее не дождаться, то теперь их решает ANNA — и бизнес получает дополнительный профит. Такой подход помогает банку зарабатывать примерно на 10% больше», — говорит Олег Сидоршин, руководитель направления автоматизации Лаборатории машинного обучения Альфа-Банка.

Также банк планирует предоставлять ANNA в пользование другим компаниям, а в будущем, возможно, сделает сервис Open Source решением. Пока же команда создала обучающие курсы о том, как создать аналог ANNA самостоятельно, — эти материалы доступны всем желающим.