Новый подход FinTRACE поможет технологиям работать с историей финансовых операций
Искусственный интеллект может применяться для анализа финансовых сервисов, выявления рисков, персонализации услуг и объяснения автоматических решений. Это станет возможно благодаря новому подходу к работе с цифровыми поведенческими следами — FinTRACE. Его разработали учёные Центра практического искусственного интеллекта Сбербанка совместно с командой Sber AI.
Научная статья, подготовленная под руководством исполнительного директора по исследованию данных Центра практического искусственного интеллекта Сбербанка Максима Макаренко, принята на 49-ю международную конференцию ACM SIGIR по исследованиям и разработке в области информационного поиска.
В основе решения лежит новая технология, которая превращает произвольные истории финансовых операций в структурированную базу знаний о поведении человека, его паттернах и правилах. Затем эту базу используют для рассуждений большой языковой модели. Такой слой интерпретируемых поведенческих привычек помогает ИИ работать с длинными и нерегулярными последовательностями событий, где смысл распределён во времени, суммах, категориях покупок и множестве других признаков.
Николай Тиден, директор Центра практического искусственного интеллекта Сбербанка:
«Для нас было принципиально важно обратиться к человеку, а не просто к цифрам. Увидеть его потребности за огромным массивом информации. Для этого нужно по-новому выстроить общение с искусственным интеллектом — не пытаться скармливать ему горы транзакций как бессвязный текст, ведь за каждой операцией стоит живой человек.
Новый подход FinTRACE помогает искусственному интеллекту сначала увидеть целостную картину — устойчивые паттерны, привычки, финансовые стратегии — и только потом принимать решение. Это значит, что человек сможет получить более персонализированное предложение или оценку рисков даже в тех случаях, когда данных о похожих людях очень мало. Объяснимость решений становится неотъемлемой частью технологии».
Банки, финтех-компании и платёжные сервисы смогут использовать FinTRACE как слой поверх событийных данных. Прогнозирование оттока, кредитный скоринг, персонализация предложений и комплаенс-контроль — для этих задач не нужно будет перестраивать систему с нуля. Подобные подходы можно применять и в других сферах, где используются структурированные временные данные.
Для научного сообщества работа открывает новые возможности в соединении информационного поиска, объяснимых правил и рассуждений больших языковых моделей применительно к структурированным временным данным.