Екатеринбург, Свердловская область, Россия
сотрудник
Россия
Статья посвящена исследованию развития цифровых финансовых ассистентов на основе современных возможностей и интеграции технологий искусственного интеллекта в современные бизнес-процессы. Представлена характеристика цифровых финансовых ассистентов, их классификация, а также риски и возможности для государства, населения и бизнеса, связанные с их применением. По результатам авторами дан ответ на вопрос относительно возможности технологии искусственного интеллекта полностью заменить живых помощников в бизнес-процессах и предлагается ряд мер, направленных на повышение эффективности внедрения и функционирования цифровых финансовых ассистентов.
цифровой финансовый ассистент, искусственный интеллект, бизнес-процессы, API, IoT, чат-бот, риски и возможности, конкурентоспособность
Введение. Современные бизнес-процессы и повседневная жизнь общества очень тесно переплетены с цифровыми технологиями. С одной стороны, цифровые ассистенты снижают нагрузку, забирая на себя часть рутинных задач, но в то же самое время возникает достаточно много вопросов относительно конфиденциальности и защиты данных (Verkhovskaya, Bogatyreva, Borovitskaya, Quansah, 2024; Баландин, Башарина, Курзыбова, 2023; Ковалев, Антинескул, Соларева, 2024). К примеру, к преимуществам использования цифровых финансовых ассистентов (DFA) относятся:
- Персонализация финансовых услуг, выражающаяся, как в анализе доходов, расходов и привычек пользователя с последующим предоставлением индивидуальных рекомендаций относительно кредитных, инвестиционных и страховых продуктов, так и в автоматическом управлении бюджетом с рекомендациями по оптимизации расходов.
- Возможность круглосуточно без очередей и привязки к режиму работы отделений банка/офиса решать финансовые вопросы и получать ответы на запросы относительно баланса, переводов и истории операций.
- Повышение финансовой грамотности пользователей путем объяснения терминов и процессов понятным языком пользователям, а также предупреждая о рисках, связанных с высокими процентными ставками и мошенническими схемами.
- Снижение затрат для бизнеса путем автоматизации таких рутинных операций как осуществление платежей или проверка баланса, сокращения нагрузки на кол-центры и отделения банков, а также улучшения кросс-продаж за счёт AI-рекомендаций.
- Обеспечение безопасности и контроля на основе проведения мониторинга подозрительных операций в реальном времени с мгновенными уведомлениями, а также применения биометрии и голосовой аутентификации для защиты от мошенников.
На российском рынке существуют следующие проблемы использования DFA.
Во-первых, нормативно-правовые барьеры, обусловленные достаточно жёстким регулированием со стороны ЦБ РФ и действующими законами о персональных данных и о противодействии легализации доходов, полученных преступным путем и финансированию терроризма; требованиями лицензирования финансовых советников и наличием ограничений на автоматизированные инвестиционные рекомендации.
Во-вторых, у пользователей существует недоверие к автоматизированным решениям. Так присутствуют страхи мошеннических действий против пользователей и утечки финансовых данных, а также скептицизм к точности ИИ-советов, что особенно ярко выражено в вопросах инвестирования и кредитования (Stavniychuk, Markova, 2023).
В-третьих, наличие технологических и инфраструктурных ограничений. К примеру, особенно после ухода зарубежных сервисов более четко стала просматриваться проблема слабой интеграции с российскими банковскими API. Также можно отметить низкое качество AI-моделей из-за дефицита данных на русском языке.
В-четвертых, усиливается конкурентная борьба с традиционными финансовыми сервисами.
В-пятых, наблюдается достаточно ограниченная финансовая грамотность населения, что приводит к низкому уровню спроса на сложные ИИ-инструменты и, в связи с недоверием к полностью автоматизированным советам, усиливается потребность в так называемых «гибридных», решениях, когда наряду с ИИ-технологиями присутствует и поддержка человека.
Также немаловажную роль играют санкционные риски, связанные с ограничениями на зарубежные технологии AI/ML, а также достаточно высокие затраты на разработку и адаптацию DFA под меняющиеся регуляторные требования (Acar, Orman, 2023).
Данное исследование направлено на систематизацию ключевых аспектов DFA и идентификацию перспектив полной замены цифровыми ассистентами на основе ИИ живых помощников в бизнес-процессах.
Материалы и методы. Анализируя степень научной разработанности необходимо отметить наличие исследований различных аспектов цифровых ассистентов, в том числе в финансовой сфере. Так Городнова Н. В. придерживается точки зрения что роботизированные комплексы и алгоритмы ИИ должны стать партнерами для человека, а не его оппонентами (Городнова, 2021). Вопросы правового регулирования применения цифровых ассистентов рассмотрел Курысев К. Н. (Курысев, 2022). Также были представлены результаты сравнительного анализа наиболее популярных цифровых ассистентов в РФ (Пчелинцева, Ворошилова, Пчелинцев, 2023).
Применительно к финансовой сфере отметим работу Филиппова И. М., в которой автор рассмотрел направления развития финансовых технологий, в том числе технологии ИИ и виртуальных помощников (Филиппов, 2024). Магомаева Л. Р. и Галазова С. С. представили результаты исследования ключевых инструментов ИИ в финансовой сфере в том числе виртуальных помощников (Магомаева, Галазова, 2024).
Опираясь на обзор отечественных трудов, отметим, что сейчас в научном сообществе, а также в студенческой науке усиливается интерес к исследованию цифровых технологий в финансовой сфере, внедрению технологий ИИ, а также развитие DFA.
Результаты и обсуждение. Современный финансовый рынок входит в число наиболее готовых к цифровой трансформации и применению технологий искусственного интеллекта.
DFA представляют собой автоматизированные системы, использующие технологии ИИ и машинного обучения для предоставления консультаций и поддержки пользователей в вопросах, связанных с управлением финансами. Для людей обращение к DFA позволяет проводить анализ своего финансового положения, планировать бюджет, а также заниматься инвестиционной деятельностью и получать рекомендации относительно оптимального использования финансовых ресурсов.
В целом можно выделить несколько основных направлений применения DFA.
Во-первых, это проведение анализа текущего финансово состояния на основе сведений о доходах, расходах, активах и обязательствах пользователя. В совокупности это позволяет сформировать представление о финансовом положении пользователя и, соответственно эффективно контролировать финансы и избегать перерасхода;
Во-вторых, предоставление рекомендаций относительно инвестиционных инструментов с целью выбора наиболее подходящего и управление портфелем активов для повышения доходности вложений.
В-третьих, проведение анализа текущей задолженности по кредитам и займам и предложение стратегий их погашения с целью снижения долговой нагрузки и минимизации расходов, связанных с их обслуживанием.
При этом цифровые финансовые ассистенты отличаются от банковских приложений, универсальных голосовых ассистентов и чат-ботов кол-центров.
Для начала выделим отличия DFA от банковских приложений. Так цифровые финансовые ассистенты активно дают рекомендации, применяют ИИ для анализа поведения и прогнозирования потребностей, а также имеют возможность агрегировать информацию из разных банков и сервисов. В свою очередь банковские мобильные приложения функционируют только в рамках одного банка, в основном предоставляют статичную информацию относительно баланса и истории операций, а их автоматизация ограничена шаблонными сценариями, связанными с платежами и переводами.
Если сравнивать DFA и универсальные голосовые помощники, такие как Алиса (Яндекс) или Siri (Apple), то отметим следующие отличия.
DFA сфокусированы только на финансах (инвестиции, платежи, кредитные продукты), поддерживают сложные сценарии и интегрированы с банковскими API и финтех-сервисами. Универсальные голосовые помощники наоборотрешают широкий спектр задач, но при этом имеют ограниченный доступ к финансовым данным и могут выполнять только базовые запросы. К примеру, могут осуществлять перевод определенной суммы денежный средств на конкретный номер.
И в заключении сравним DFA с чат-ботами кол-центров. В отличие от чат-ботов DFA объясняют термины и риски, т. е. обучают финансовой грамотности, прогнозируют возникновение проблем и дают советы без запроса, т. е. работают на proactive-модели. В свою очередь чат-боты реагируют только на запросы, дают только шаблонные ответы в соответствии с инструкцией и отвечают только после обращения».
Таблица 1 Классификация DFA.
Table 1 DFA classification.
|
Вид DFA |
Характеристика |
|
По функциональному назначению |
|
|
Бюджетные ассистенты |
Осуществляют анализ расходов, планирует бюджет и уведомляет о перерасходе. Например, ZenMoney. |
|
Кредитные ассистенты |
Осуществляют автоматизированный подбор кредитов, помощь в оформлении заявки, soft-скоринг, улучшение кредитного рейтинга. Например, Сбер, Тинькофф, Сравни.ру |
|
Инвестиционные ассистенты |
Предоставляют рекомендации по инвестиционному портфелю, автонвестированию и прогнозируют доходность. Например, Ассистент Тинькофф Инвестиций. |
|
Платежные ассистенты |
Осуществляют автоплатежи и голосовые переводы, а также напоминают о регулярных платежах. Например, SberPay. |
|
Налоговые ассистенты |
Осуществляют расчет налогов, подготовку деклараций и интеграцию с ФНС. Например, Контур.Эльба и Налогия. |
|
Страховые ассистенты |
Реализуют подбор полисов страхования, расчет страховой суммы и урегулирование убытков. Например, СберСтрахование. |
|
Технологическая платформа |
|
|
Голосовые ассистенты |
Удобство hands-free управления, но ограниченная сложность запросов. Например, Салют от Сбера. |
|
Чат-боты |
Простота интеграции в мессенджеры, но ответы даются шаблонные без глубокого анализа. Например, Тинькофф-бот. |
|
Мобильные приложения |
Имеют богатый функционал с визуализацией данных, но необходим ручной ввод данных. Например, ZenMoney. |
|
Веб-плагины |
Обеспечивают интеграцию с кредитными агрегаторами, осуществляют автозаполнение форм и отправку заявок в банк, отслеживают кредитную нагрузку, защищают от фишинговых сайтов, синхронизируются с мобильными приложениями банков. Например, Тинькофф Плагин |
|
API-решения |
Характеризуется глубокой интеграцией с банковскими системами и требуют технической экспертизы для подключения. Например, Tinkoff Invest API. |
|
Степень автономности |
|
|
Реактивные |
Выполняют действия только по запросу пользователя. Например, Чат-боты поддержки. |
|
Прогнозирующие |
Проводят анализ данных и дают рекомендации, но не принимают никаких решений. Например, СберИнвестор. |
|
Автономные |
Самостоятельно выполняют операции, но необходимо подтверждение действия пользователем. Например, автоплатежи в мобильном приложении. |
|
Полностью автономные |
Самостоятельно принимают решения и участие человека не имеет необходимости. Например, Cryptohopper. |
|
Целевая аудитория |
|
|
Физические лица |
Применяются для управления личными финансами, кредитными и инвестиционными продуктами. Например, Робот-советник Тинькофф Инвестиции. |
|
Малый бизнес (МСБ) |
Позволяют автоматизировать бухгалтерию, начисление и уплату налогов, обслуживание кредитов. Например, Т-Бизнес. |
|
Корпорации |
Управление cash-flow и прогнозирование рисков. Например, Oracle Financial Cloud. |
|
Госсектор |
Направлен на контроль исполнения бюджета, а также борьбу с мошенничеством. Например, AI-модули в Госуслугах. |
|
Модель интеграции |
|
|
Станд-алон решения |
Самостоятельные приложения, не имеющие привязки к конкретному банку, но синхронизируются с ними. Например, ZenMoney. |
|
Встроенные в банк-приложения |
Обладают глубокой интеграцией так как являются частью экосистемы банка. Например, Робот-советник Тинькофф Инвестиции |
|
Агрегаторы |
Мультибанковские решения, характеризующиеся проведением анализа данных из нескольких источников. Например EasyFinance.ru. |
|
Корпоративные системы |
Характерны для бизнеса и встроены в ERP/CRM-системы. Например, SAP Financial Expert и 1C:AI-ассистент. |
Таким образом, мы видим, что существует достаточно широкая палитра классификационных признаков и видов DFA. Причем многие такие ассистенты пользуются достаточно высоким спросом со стороны потребителей.
В связи с этим выделим риски и возможности для населения, банков, предпринимательского сектора государства, связанные с использованием DFA (таблица 2).
Таблица 2 Риски и возможности применения DFA для населения, бизнеса, финансовой сферы и государства.
Table 2 Risks and opportunities of using DFA for the population, business, the financial sector and the state.
|
Риски |
Возможности |
|
Государство |
|
|
|
|
Организации финансовой сферы |
|
|
|
|
Предпринимательский сектор |
|
|
|
|
Население |
|
|
|
Оценивая перспективность использования DFA отметим, что на национальном уровне наиболее перспективными являются голосовые ассистенты с поддержкой русского языка (Сбер, ВТБ), автономные DFA для инвестиций и кредитов, а для госсектора это интеграция с ФНС и Госуслугами.
Заключение. По результатам проведенного исследования отметим следующее. DFA являются полноправным элементом финансового сферы благодаря своей способности оптимизировать множество процессов в ней. В дальнейшем для ускорения процесса внедрения и повышения их эффективности на российском рынке, необходимы меры по пяти ключевым направлениям, представленным ниже.
В плане улучшения технологической составляющей отметим:
- Развитие технологии обработки естественного языка для русского языка; инвестирование в обучение ИИ-моделей на разговорном русском языке с учетом диалектов, сленга и самих финансовых терминов; создание открытых дата-сетов для тренировки DFA с учетом соблюдения анонимности данных;
- Глубокую интеграцию с банковскими API на основе разработки единого стандарта API для DFA и внедрения с согласия пользователей Open Banking для доступа к данным из разных банков;
- Добавление оффлайн-функционала, выражающегося в возможности локальной без интернета обработки запросов для таких базовых операций как проверка баланса и просмотр истории транзакций.
Применительно к вопросам регулирования нами предлагается:
- Определение границ ответственности для DFA и упрощение процедуры лицензирования для небанковских DFA;
- Реализация пилотных проектов для тестирования DFA в реальных условиях;
- Обеспечение хранения и обработки персональных данных пользователей только на территории России в соответствии с действующим законодательством.
Для повышения уровня безопасности и доверия необходимо:
- Внедрить биометрию для подтверждения операций и автоматический мониторинг подозрительных действий;
- Обеспечить страхование рисков в случае, если DFA управляет депозитами;
- Проведение разъяснительной работы среди пользователей относительно того на основе каких данных DFA дает рекомендации.
Применительно к образовательным и маркетинговым мерам отнесем повышение финансовой грамотности через DFA благодаря геймификации и персонализированным советам для разных групп пользователей; интеграция DFA с Госуслугами и тестирование DFA в малообеспеченных и сельских районах.
Для развития экосистемы необходимо создание единой платформы для DFA, интеграция с IoT и умными устройствами, предоставление налоговых льгот для компаний, внедряющих DFA.
При реализации предложенных мер в России может быть создан конкурентоспособный рынок цифровых финансовых помощников, который позволит упростить финансовую жизнь для населения и бизнеса.
1. Verkhovskaya O. R., Bogatyreva K. A., Borovitskaya P. S., Quansah E. M. Determinants of entrepreneurial intention towards digital adoption during crisis // The Manager.2024;4-15:2-15. (In Eng.) https://doi.org/10.29141/2218-5003-2024-15-4-1 EDN: https://elibrary.ru/EMEZKI
2. Баландин М. А., Башарина О. Ю., Курзыбова Я. В. Анализ и оценка ИТ-рынка России инструментами бизнес-аналитики // Цифровые Модели и Решения. – 2023. – № 4–2. – С. 30–39. – DOI:https://doi.org/10.29141/2949-477X-2023-2-4-3. EDN: https://elibrary.ru/NURXZM
3. Ковалев В. Е., Антинескул Е. А., Соларева А. И. Выстраивание цифровой архитектуры консалтинга для малого и среднего бизнеса в России // Цифровые Модели и Решения. – 2024. – № 4–3. – С. 47–68. – DOI:https://doi.org/10.29141/2949-477X-2024-3-4-3. EDN: https://elibrary.ru/MZKCZE
4. Stavniychuk A. Y., Markova O. A. “Acquire and leave”: effects of startups acquisitions by digital ecosystems // The Manager.2023;5-14:83-105. (In Eng.) https://doi.org/10.29141/2218-5003-2023-14-5-6
5. Acar K. T., Orman F. Research trends in digital marketing and data-driven marketing: a bibliometric analysis // The Manager.2024;6-15:48-59. (In Eng.) https://doi.org/10.29141/2218-5003-2024-15-6-4 EDN: https://elibrary.ru/OWWAAG
6. Городнова Н. В. Применение искусственного интеллекта в бизнес-сфере: современное состояние и перспективы // Вопросы Инновационной Экономики. – 2021. – № 4–11. – С. 1473–1492. – DOI:https://doi.org/10.18334/vinec.11.4.112249. EDN: https://elibrary.ru/MGHEPK
7. Курысев К. Н. Правовые вопросы ответственности цифровых ассистентов (помощников) организаций: проблемы и пути решения // Вестник Владимирского Юридического Института. – 2022. – № 2(63). – С. 42–47. EDN: https://elibrary.ru/HLZXDN
8. Пчелинцева Н. В., Ворошилова В. М., Пчелинцев С. А. Интеллектуальные ассистенты на российском рынке // Наука и Образование. – 2023. – № 2–6. – №:356. – EDN: https://elibrary.ru/GFTKBQ DOI: https://doi.org/10.6060/ivecofin.2024613.687
9. Филиппов И. М. Наиболее перспективные направления развития финансовых технологий // Известия высших учебных заведений. Серия: экономика, финансы и управление производством. – 2024. – № 3(61). – С. 33–43. – DOI:https://doi.org/10.6060/ivecofin.2024613.687. EDN: https://elibrary.ru/LAZQJU
10. Магомаева Л. Р., Галазова С. С. Искусственный интеллект в финансовом секторе: обзор основных инструментов и их применение // Банковские Услуги. – 2024. – № 12. – С. 12–22. – DOI:https://doi.org/10.36992/2075-1915_2024_12_12. EDN: https://elibrary.ru/LCPFXA
