В Альфа-Банке создали нейросеть, которая превзошла человека

Чем ещё занимается Лаборатория машинного обучения.

В колл-центре любого банка работают разные по уровню сотрудники. Опытные операторы быстро решают вопросы клиентов. Но есть и новички — они только учатся использовать максимально эффективные сценарии. На службе у Альфа-Банка с недавних пор есть еще и нейросеть, обученная с помощью операторов-экспертов на десятках тысячах клиентских обращений. Теперь часть рабочих задач берёт на себя ИИ.

За создание и интеграцию этой и других нейросетей отвечает Лаборатория машинного обучения. Благодаря её усилиям Альфа уже автоматизировала несколько важных, но рутинных процессов и избавила множество сотрудников от монотонной ручной работы. Рассказываем, как устроена и чем живёт Лаборатория в стенах банка.

Альфа-Банк очень ценит своих клиентов и сотрудников. Поэтому старается максимально быстро и качественно обслуживать первых и значительно облегчить жизнь (а точнее рабочие процессы) вторым. С обеими задачами банку здорово помогает искусственный интеллект. Но чтобы он идеально справлялся, его сначала нужно создать и обучить.

Этим и занимается Лаборатория машинного обучения, которая входит в структуру Центра продвинутой аналитики. У лаборатории есть три ключевых направления с общей задачей — автоматизировать процессы, влияя на качество банковских сервисов и услуг, и упростить работу сотрудников Альфа-Банка, избавив их от рутины. Вот эти направления:

Формально Лаборатория начала работу в 2019 году, хотя ранее она носила другое название и состояла всего лишь из одного сотрудника. И нет, вопреки ожиданиям, главный «лаборант» Альфы не ходил по офису в белом халате со стеклянными колбами и микроскопом в руках. Новой структуре предстояло изучить возможности применения нейронных сетей, чтобы упростить процессы внутри банка, и в первую очередь — усовершенствовать систему оценки кредитоспособности клиентов (или просто кредитного скоринга).

В то время для этой задачи использовали классические модели, такие как логистическая регрессия и градиентный бустинг. Это одни из наиболее популярных алгоритмов машинного обучения и анализа данных. Чтобы с их помощью оценить риски, приходилось вручную создавать тысячи признаков для оценки кредитоспособности.

Единственному на тот момент «лаборанту» Альфы Евгению Смирнову всего за месяц удалось найти способ упростить эту задачу с помощью нейросети. Она самостоятельно формировала признаки, избавив сотрудников от ручной работы — нужно было только правильно предоставить ей исходные данные и продумать архитектуру их использования. Но была ещё одна задачка, которая на тот момент казалась посложнее. А именно — побороть недоверие сотрудников бизнес-подразделений банка, которые встретили идею Смирнова без энтузиазма. Так часто бывает, когда люди сталкиваются с чем-то новым.

Побороть скепсис коллег удалось, когда те увидели реальный финансовый эффект от новой технологии. Теперь команда лаборатории применяет единый подход перед тем, как взяться за новый проект. Она сама оценивает возможный заработок банка от интегрируемого решения и только после этого понимает, стоит ли тратить ресурсы на задачу.

Департамент кредитных рисков, который оценивал результат, остался доволен. В результате новая структура окончательно оформилась как лаборатория. Она приступила к доработке, масштабированию и переносу созданных моделей на новые направления бизнеса.

Параллельно с этим лаборатория начала выступать в роли амбассадора нейронных сетей в финтехе, рассказывая рынку на профильных конференциях о преимуществах их применения. Со временем эта активность трансформировалась в бесплатный образовательный курс Deep Learning in Finance. С его помощью можно научиться улучшать метрики в классических банковских задачах: кредитном скоринге, склонности к продуктам и предсказании оттока.

Сейчас в лаборатории работает 25 дата-сайентистов, большинство — выпускники ведущих технических вузов страны. Средний возраст команды — 23-24 года, некоторые из сотрудников еще учатся в магистратуре. У лаборатории есть два подразделения: Отдел монетизации нейронных сетей, который отвечает за core-бизнес процессы банка, и Центр компетенций по обработке естественного языка — его сотрудники занимаются улучшением клиентского опыта.

Одна из особенностей управленческой структуры заключается в том, что команда растит собственные ценные кадры внутри лаборатории — по сути у каждого лаборанта есть хорошие шансы стремительно подняться по карьерной лестнице. Например, бывший глава Отдела монетизации нейронных сетей Дмитрий Коптелов пришел рядовым сотрудником в 2020 году и достиг руководящей должности за 2,5 года благодаря собственной продуктивной работе.

Сотрудники команды активно занимаются менторством на профильных факультетах МФТИ. Это, в том числе, позволяет привлекать талантливых студентов — менторы постоянно находятся на виду и могут предложить им доступ к самым современным технологиям.

Лаборатория началась с оценки кредитоспособности клиентов — и сейчас над этой задачей работают уже четыре нейросети. Они, среди прочего, обрабатывают историю транзакций по картам, переводы на расчетные счета по банковским реквизитам и данные бюро кредитных историй. Это плюс для платежеспособных клиентов: они с большей вероятностью получают кредит и по лучшей кредитной ставке.

Выгода для банка, как несложно предположить, измеряется в деньгах — после внедрения новой модели чистый операционный доход за год работы увеличился более чем на 1 миллиард рублей. Возможно, сумма в масштабах всего банка не столь впечатляющая. Но до начала работы модели система кредитного скоринга улучшалась и оптимизировалась на протяжении 18 лет, и казалось бы, к 2022 году достигла своего потолка. Но появились нейросети — и финансовый эффект стал ещё заметнее.

Нейронные сети сами по себе не создают ничего нового, они лишь учатся повторять за человеком. Так что во многом дальнейшие успехи зависят от того, какие учителя будут их направлять.

За прошедший год лаборатория внедрила порядка 30 нейронных сетей, а также начала автоматизировать собственные процессы, чтобы избавить ключевых сотрудников от большого объема ручной работы.

Возможно, в будущем автоматизация процессов внутри лаборатории позволит трансформировать и саму роль дата-сайентиста в Альфа-Банке. Сейчас дата-сайенс — это профессия на стыке разработки и исследований, но не исключено, что в дальнейшем произойдет разделение на специалистов, сфокусированных на каждом из этих конкретных направлений.

Бизнесу в целом тоже придется трансформироваться, так как дата-сайентисты, оптимизировав свою работу, рано или поздно начнут автоматизацию и в других отделах. И здесь руководителям нужно понять, как работают эти специалисты, что может машинное обучение и какова роль бизнеса в том, чтобы модели внедрялись наиболее эффективно.

Чтобы помочь ускорить процесс трансформации компаний, лаборатория создала отдельный курс для руководителей под названием «Принятие решений на основе данных». С его помощью далекие от машинного обучения люди смогут научиться разговаривать с дата-сайентистами на одном языке и, самое главное, зарабатывать больше денег с помощью новых технологий.

Узнать больше о деятельности лаборатории и следить за актуальными вакансиями можно в телегам-канале «Alfa Advanced Analytics».