Райффайзенбанк превращается из консервативного в инновационный, внедряя machine learning, открывая API и работая со стартапами. Почему время пришло именно сейчас, и как строится эта работа, FutureBanking рассказал Андрей Попов, IT-директор банка.
– Говорят, что сейчас в банковской сфере наступает переломный момент – приходmachine learning окажет эффект, сравнимый с внедрением IT в свое время. Только теперь автоматизируются уже не действия по алгоритмам, а даже принятие решений, в какой-то мере. Вы видите такое влияние?
– Ну, пока machine learning все же не принимает решения, а, скорее, помогает в их выборе – это все-таки не искусственный интеллект. Например, IBM позиционирует свое решение Watson не как замену доктора или финансового аналитика, а как инструмент, который позволяет расширить их возможности. Потому что, работая каждый день, человек использует какие-то паттерны, но ему тяжело держать все в голове в силу ограничений мозга. Поэтому и появился термин «дополненное мышление», который гораздо лучше описывает роль machine learning.
– Аналитическая компания Assent недавно выпустила отчет, говорящий, что machine learningзаменит 40% ролей банкинга, не уточняя, правда, каких именно. Как вы думаете, сбудется ли этот прогноз, и о каких ролях речь?
– Есть много разных нишевых секторов, в которых это уже происходит. Действительно, если рассматривать высокочастотный трейдинг, то ему уже не год и не два. Алгоритмизация, наверное, берет свое начало в торговле на финансовых рынках. К примеру, у нас команда электронного Forex-трейдинга уже почти год активно экспериментирует со стратегиями торговли, основанными на Big Data Analytics.
Другое все более популярное направление – чат-боты. Они, конечно, пока на разном уровне успешности. Но и они в интернет-чатах используются, наверное, уже лет 20?
– Да, но их «интеллект» растет.
– Конечно, но и тесты Тьюринга ранее проводились. И это действительно очень интересно, и стоит попытаться понять, где эти технологии наиболее применимы. Мы в моей команде посмотрели, и увидели, что даже внутри IT есть ряд областей, в которых сотрудники выполняют относительно механистическую функцию: например, обрабатывают заявки на изменение или инциденты. Эти заявки нужно дополнить информацией, скорректировать, смаршрутизировать и т.д. В принципе, это несложно, но просто взять и написать какую-то формулу, наверно, не получится.А вот «подучить» систему, мне кажется, можно. Другой вопрос, насколько это даст эффект в рамках одного проекта, потому что нужны, допустим, 2 человека, которые этим будут заниматься, и оправданы ли инвестиции в 15–20 миллионов рублей.
С другой стороны, может оказаться, что технология переносима на чат с клиентами, потому что в нем тоже можно выявить какие-то довольно стандартные запросы. С голоса, может быть, пока распознавать еще рано, но в электронной почте и чате точно можно выхватывать такие обращения и обрабатывать их автоматически. Причем можно все это оформить так, что человек даже не подумает, что с ним работает машина.
Нам интересен целый набор историй, лежащих в области как раз работы с внешними клиентами. Первые шаги, которые мы делаем: смотрим на компании, предлагающие решения для чат-ботов, нововведения, и выясняем, как можно семантически анализировать то, что приходит к нам по каналу чата. Естественно, для начала мы хотим посмотреть, правильными ли будут предлагаемые действия. Сейчас есть уже несколько стартапов с чат-ботами в Telegram, но это либо достаточно простые действия (как, например, у нашего Telegram-бота), либо какое-то шуточное общение. Мне не хотелось бы уходить просто в шутки – я хочу, чтобы машина, пусть сначала какими-то небольшими вкраплениями, но начинала ужедействительно помогать в работе с клиентами.
– То есть вы начали смотр стартапов?
– Да, весной этого года начали очень активно смотреть на ландшафт стартапов в России.
– Как зародилась эта инициатива? В IT или в бизнесе?
– Это идет и от IT, и от бизнеса. В начале этого года мой коллега по розничному направлению банка сказал: «Мне кажется, пришла пора добавить немного динамики в традиционную спокойную мантру Райффайзена, что мы надежный банк, который с клиентом уже много лет». Это необходимо, потому что иначе мы придем к стагнации. Ну а мы за последние 3–4 года очень хорошо перелопатили внутреннюю кухню IT. И если, скажем, такой запрос от бизнеса пришел 3 года назад, я бы сказал, что мы просто можем такое не потянуть. А сейчас команда IT к этому готова, более того она сама стала задаваться вопросами о том, что мы можем делать иначе, как мы можем сделать что-то инновационное для бизнеса.
– Поддерживает ли эту инициативу головной офис в Австрии?
– Специфика Райффайзенбанка – это заложенная, наверное, прямо при создании организации тяга к хорошей доле предпринимательства, независимости банков группы в разных странах, чтобы каждый банк мог ориентироваться на нужды и потребности своего рынка. В то же время, со стороны головного офиса есть интерес к новым подходам – в частности, к роботизации, как к программному решению механических задач. Как у организации, котораясуществует достаточно долго, у нас есть много разных приложений, которые очень часто, особенно при централизации операционных подразделений, оказываются экономически нецелесообразными. Вместо того чтобы автоматизировать те же действия людей, где они нажимают на кнопки, мы можем переосмыслить весь операционный процесс и сделать машину, которая работает 24 часа в сутки, не ходит на обед и т.д. Но с точки зрения прямой работы со стартапами Райффайзенбанк Россия – пионер в группе, и мои коллеги в других банках группы с интересом за нашим опытом следят.
– Стартапы на какой стадии вы рассматриваете?
– Мы не инвестируем в стартапы – по крайней мере, на текущем уровне,а смотрим на те, у которых есть уже какой-то продукт хотя бы в виде прототипа. При этом не обязательно у них должна быть клиентская база. У нас есть клиенты, процессы, платформа, мы создали набор API и «песочницу», в которой мы можем проводить тесты. Мы готовы дать стартапу 3 месяца для того, чтобы реализовать MVP на наших данных, в нашем окружении, оттестировать какую-то гипотезу. Если мы видим, что она срабатывает, то мы можем попробовать сделать из этого реальный продукт. При этом мы не ожидаем какого-то обязательного возврата инвестиций. Мы даже, скорее, ориентированы на то, что все гипотезы себя не оправдают. Но именно способность не бояться ошибок отличает инновационные банки от консервативных.
– Сколько таких проектов вы рассчитываете запустить?
– Мы рассчитываем запускать в каждый посев по три совместных проекта со стартапами, и производить 3–4 таких посева в течение года. Недавно мы завершили один, в начале года будет следующий.
– Сколько стартапов вы отсмотрели в этот посев?
– С весны мы отсмотрели порядка 600 стартапов.
– 600 стартапов!? Это в России еще поискать надо.
– У нас есть партнеры – мы активно работаем с РВК, Сколково, ФРИИ. Исходя из того, что я видел — есть на что посмотреть, хотя и уровень, если сравнивать с западным, другой. Так же, как если сравнивать Finovate и FinNext, – это все-таки разные форумы. Но эта разница совершенно естественна, потому что локальные больше заточены под нашу специфику.
– Стартапы в каких областях вам показались интересными?
– Из тех, что попали в первый раунд, около половины занимаются, скорее, аналитикой, а не активными операциями. Есть несколько лежащих на грани smart advising и machine learning. Некоторые предлагают обогащенную интеграцию с внешними сервисами, чтобысоздать для клиента более интересное предложение. У нас есть возможности для того, чтобы выделить API для Р2Р-платежей, но в этот посев с фокусом на какие-либо переводымы никого мы не выбрали – просто не увидели ничего интересного в этой области.
– Какие стартапы, в итоге, были выбраны для сотрудничества?
– В этот раз мы выбрали Yandex Data Factory, Double Data и Rubbles. Эти компании умеют строить прогнозные модели на основе больших данных, используя технологии машинного обучения. Мы видим их применимость как внутри банка, так и для улучшения сервиса для клиентов.
– Но все-таки банку требуются какие-то инвестиции для этой истории?
– Небольшие. Как минимум, нужно сделать какую-то инфраструктуру для подключения партнеров и описать, как это работает. И за счет того, что мы в последние года 3 очень активно вкладывались в то, чтобы упрощать и стабилизировать нашу инфраструктуру и IT-архитектуру, это дается нам легче. Если просто изолировать те инвестиции, которые были сделаны под этот конкретный посев на нашей стороне, они очень небольшие – порядка 5 млн рублей.
– Вы платите за создание этого MVP?
– Мы готовы, естественно, оплатить объем работ, который наши потенциальные партнеры сделают за это время. Но, с другой стороны, мы очень четко видим, что им мы тоже нужны, потому что это не какой-то гипотетический кейс, отработанный на каком-то словарном запасе, а совершенно реальные люди, клиенты, операционные сотрудники и т.д., что позволяет стартапу в значительной степени повысить свою оценку, улучшить свое решение и получить реально работающий кейс с крупным и стабильным игроком. Если мы увидим, что на этой основе можно построить промышленное мощное решение – например, полностью поддерживать информационный канал банка – обязательно будут вложения, потому что это будет совсем другая задача, нужно будет обеспечить отказоустойчивость, производительность и т.д.
– А если представить, что вы нашли какую-то технологию, стартап, который вам очень подошел – вы купите его для использования только внутри банка?
– Я считаю, что если мы действительно найдем что-то, что будет столь уникально и интересно с точки зрения стратегии развития, то такая возможность не исключена. Но мы не ставим это целью. Недавно я был на конференции, где обсуждались разные подходы к работе с финтех-стартапами. И в принципе их можно разделить, условно говоря, на несколько моделей. Первая – устроить в банке некую лабораторию, и такие примеры, в разной степени успешные, известны. Есть модель, похожая на нашу – стать партнерами, чтобы вместе делать какие-то проекты. Есть история, когда банквыдает какие-то небольшие деньгина какой-то реальный проект. А иногда банки решают создать для финтех-инвестиций венчурный фонд, потому это дает им возможность чуть лучше контролировать, куда идет проект.
– Некоторые банковские группы, как OTP Group, открывают свой параллельный основному банку финтех-проект. Группа Raiffeisen ведь тоже делала похожий в Австрии – Zuno. Не хотите ли вы и в России сделать такой «банк для молодежи». Все-таки Райффайзенбанк ассоциируется здесь с брендом, скорее, для консервативной аудитории.
– Гипотетически возможно всё, важно понимать – зачем, какую цель преследует. В Словакии, например, уже много лет работает банк, который полностью принадлежит Raiffeisen – Tatra Banka.Это один из крупнейших словацких банков, очень успешный, и один из наиболее технологически развитых внутри группы. При этом 2–3 года назад они запустили отдельный бренд, который называется Raiffeisen Slovakia, как раз, как «легкий». И коллеги говорят, что это было действительно успешно, потому что они попали в те сегменты рынка, которые в Tatra просто не идут.
– Но все же в России «Райффайзен» позиционируется как банк для премиальных клиентов, а это – публика, избалованная живым человеческим вниманием, им нужен персональный менеджер. Актуальны ли для нее сейчас боты?
– Во-первых, у нас есть не только премиальные клиенты. И даже у премиальных клиентов, есть ситуации, в которых не обязательно хочется напрямую общаться со своим персональным менеджером – например, необходимость перевыпустить карту. Сейчас люди все больше привыкают использовать мессенджеры – это для них удобный формат, который позволяет общаться асинхронно. Может быть, клиент вспомнил о чем-то в 11 часов вечера – не будет же он будить своего персонального менеджера. Но нужно понимать, как настроить триггер, который переведет на реального человека, причем так, чтобы переход был плавным, без потери контекста. И это много сложнее, чем просто перебросить на живого оператора информационного центра, который по новой начнет задавать вопросы. Для этого и важен machine learning – причем умеющий не только диалог с клиентом поддерживать, но и знающий, как дайджест для него подготовить.
– А если заглянуть в более отдаленное будущее – какой вы видите роль машинного обучения в банкинге? Компания МсКinsey, например, опубликовала статью для банковских топ-мендежеров, беспокоящихся о том, что их заменит искусственный интеллект. Стоит ли им беспокоиться, по-вашему?
– Да, я думаю, что в каком-то будущем не нужно будет правление банка, или оно будет в виде каких-то электронных сущностей.
– Что же тогда останется от банка как организации?
– Это еще более сложный вопрос. А не исчезнут ли вообще деньги в этом будущем? Случится это через сто или тысячу лет – кто его знает, но в промежутке между сейчас и этим прекрасным далеко все равно что-то должно происходить. Интеллектуально дополнять и обогащать управленческие решения на разных уровнях, я думаю, системы начнут все больше и больше.
Мы развиваем «умную» аналитику именно с целью помочь построить совсем иной взгляд на наш бизнес, сегменты, продукты, выявить новые тренды и паттерны поведения. Это означает изменения базы для принятия как тактических, так и стратегических решений. Пусть начнется все лишь с «дополненных» советов, но это гарантировано приведет к тому, что будут появляться все новые опции, и постепенно лишнюю работу можно будет убрать. Вопросы управления капиталом, например, очень алгоритмичны, и на основании стратегии развития бизнеса могут решаться автоматически – выпуск акций или облигаций, размер дивидендов и т.д.
Но я не считаю, что это означает конец банков как организаций. Это означает, что они станут другими, что они должны быть больше сфокусированы на том, что (пока?) дается машинам тяжело: эмоции, отношения. Это то, в чем люди преуспевают и то, что часто создает настоящую разницу
