Финтех в вопросах и ответах

Наряду с ИИ и машинным обучением, финтех — одно из модных слов в ИТ-индустрии. Что такое финтех, кому будет интересно работать в этой области и какое будущее ее ждет? Об этом мы поговорили с Алексеем Масютиным, руководителем центра искусственного интеллекта НИУ ВШЭ и академическим руководителем магистратуры «Финансовые технологии и анализ данных».

Чаще всего в понятие «финтех» входят разработка и внедрение в финансовую отрасль технологий, связанных с обработкой данных, принятием решений на основе машинного обучения и применением новых моделей участия в финансовом рынке.

Возьмём, к примеру, децентрализованные финансы. Они возникают благодаря технологии распределенных реестров.

На традиционном рынке есть центральный контрагент (например, биржа), который выступает гарантом определенных условий сделок. В децентрализованных финансах задачи гарантирования (например, обеспечения сделки) можно решать уже без центрального посредника, а алгоритмически, на основе программного обеспечения и оборудования. Это отчасти устраняет риск контрагента.

Еще одним примером внедрения финтеха является взаимодействие компаний при экспорте и импорте. Сейчас, как правило, применяются классические продукты, такие как банковские гарантии и аккредитивы, которые определяют, когда банк или контрагент платит другому контрагенту. Когда мы используем так называемые смарт-контракты, это можно зафиксировать алгоритмически, упростить документооборот и снизить транзакционные издержки.

Для нас уже не новинка то, что для физических лиц кредитный рейтинг вычисляется автоматически — за несколько минут в приложении можно получить кредит. Для юридических лиц эта процедура гораздо сложнее — это связано с большим количеством параметров в корпоративном кредитовании.

Но даже здесь есть прогресс: ведущие банки сокращают время выдачи кредитов до минут для большого количества клиентов. Это происходит за счет внедрения моделей, которые анализируют различные источники информации. Компания выигрывает в скорости, а банк выигрывает потому, что ему не нужно держать штат людей на сбор и обработку данных. Более того, банк будет лучше понимать, какие компании смогут вернуть кредит, и прокредитует только их.

Применение методов машинного обучения ускорили создание новых продуктов и даже бизнес-моделей. Примерами таких моделей могут служить необанки и peer-to-peer площадки. Внедрение этих технологий приводит, с одной стороны, к сокращению сроков предоставления услуги, с другой — к повышению качества услуг. Появляется персонализация продуктов и сервисов — банк может «нарезать» продукты не по каким-то широким категориям клиентов, а под каждого клиента предлагать свою конфигурацию.

Если вам нравится математика и программирование, лучшей сферы, чем финтех, нет. Именно здесь есть шанс стать разноплановым ИТ-специалистом: дата-инженером, специалистом по анализу данных или инженером машинного обучения.

Машинное обучение. Финтех охватывает все классы задач машинного обучения и все типы данных:

Быстрый результат. В финтехе ты, как правило, сразу видишь результат своей работы. Здесь, когда ты разрабатываешь новый алгоритм обработки данных, он проходит валидацию и внедряется. Ты сразу видишь свою инновацию, свою модель, новый источник данных, который ты подключил. Более того, в финтехе почти всегда можно измерить, удалось ли тебе решить задачу, так как здесь есть объективные метрики.

Навыки, которые нужны в финтехе — это, конечно, математика, машинное обучение и программирование. Чтобы идти в разработку финансовых технологий, нужно прежде всего себе знать классическую линейку банковских и страховых продуктов, производные финансовые инструменты и регулирование банкинга и страхования.

Безусловно, нужно системное мышление, которое позволяет из отдельных вводных составить полную картину и сделать единое решение. Еще я бы особо выделил soft skills и коммуникационные навыки. Цель индустрии — в том, чтобы оперативно делать новые классные сервисы. Для этого нужно уметь слышать клиента — то есть нужна эмпатия. Чтобы создать хороший сервис необходимо представить себя на месте клиента и почувствовать, что его тревожит, какие у него сложности, какие издержки он несет. Также нужно уметь сформулировать задачу для разработчика — поставить ТЗ, собрать дополнительные данные, а самое главное — замотивировать разработчика на участие в проекте.

В будущем на финтех, как мне кажется, будут влиять два фактора.

Государство. Поскольку технологии распределенных реестров меняют возможности контроля за движением финансовых потоков, важно смотреть на опыт государственного финансирования сферы. С одной стороны, технологии распределенных реестров появились, чтобы уйти от центрального контролирующего агента, которым является государство. Но с другой, одновременно они дали большие возможности для контроля. Усиление контроля за новыми финансовыми инструментами сейчас происходит по всему миру.

Возможно, что в будущем у нас будут деньги разных «цветов». Каждый «цвет» можно будет потратить только определенным образом. Например, пособие на ребенка, выплаченное деньгами правильного «цвета», можно будет потратить только на детские товары.

Риск. Также будут влиять вопросы модельного риска и, кроме того, этики искусственного интеллекта. Модельный риск — это когда модель машинного обучения начинает работать не так, как ожидалось, когда ее свойства и качество работы сильно меняются.

Раньше не так много процессов были завязаны на алгоритмы и рекомендательные системы, поэтому ситуацию можно было решить вручную. Сейчас нужны принципиально новые инструменты управления портфелем моделей машинного обучения. Из-за этого возникнет тренд на стандартизацию методов применения искусственного интеллекта. Такая работа уже ведется — в том числе, у нас в Вышке.