Искусственный интеллект станет точнее в понимании человеческих потребностей

Новый подход к анализу цифровых поведенческих данных — FinTRACE — позволит искусственному интеллекту эффективнее распознавать потребности пользователей, повышать качество финансовых сервисов и быстрее выявлять потенциальные риски. Технология также поможет сделать автоматические решения более прозрачными и персонализированными.

Разработкой FinTRACE занимались специалисты Центра практического искусственного интеллекта Сбербанка совместно с командой Sber AI. Исследование, подготовленное под руководством исполнительного директора по исследованию данных Центра Максима Макаренко, было принято к участию в 49-й международной конференции ACM SIGIR, посвящённой вопросам информационного поиска и обработки данных.

В основе технологии лежит механизм преобразования разрозненных финансовых операций в структурированную систему знаний о поведении человека, его привычках и устойчивых моделях действий. Полученная база затем используется для анализа большой языковой моделью. Такой подход даёт ИИ возможность лучше интерпретировать длинные и нерегулярные цепочки событий, в которых важную роль играют временные интервалы, суммы операций, категории расходов и другие параметры.

Директор Центра практического искусственного интеллекта Сбербанка Николай Тиден отметил, что ключевой задачей проекта стало стремление видеть за массивами данных самого человека, а не только цифры. По его словам, разработчики пришли к выводу, что передавать искусственному интеллекту огромные массивы транзакций в виде хаотичного текста неэффективно, поскольку за каждой финансовой операцией стоят реальные жизненные сценарии и потребности.

Он также пояснил, что технология FinTRACE сначала формирует общую картину поведения пользователя — его финансовые привычки, стратегии и повторяющиеся паттерны, — а уже затем помогает ИИ принимать решения. Благодаря этому пользователи смогут получать более точные персональные предложения и объективную оценку рисков даже при ограниченном количестве схожих примеров. Кроме того, банки смогут быстрее замечать признаки возможных трудностей у клиентов и своевременно предлагать поддержку. Отдельное внимание, по словам Тидена, уделяется объяснимости решений, чтобы человек не воспринимал работу ИИ как «чёрный ящик».

Предполагается, что FinTRACE смогут применять банки, финтех-компании и платёжные сервисы как универсальную надстройку для анализа событийных данных. Это позволит использовать технологию для кредитного скоринга, прогнозирования оттока клиентов, маркетинговых задач, комплаенс-контроля и персонализации сервисов без необходимости каждый раз заново перестраивать систему.

Для крупных банковских экосистем новый подход открывает возможность создавать более гибкие и экономически эффективные ИИ-модели, адаптирующиеся под различные сценарии работы с клиентскими данными. Аналогичные принципы могут использоваться и за пределами финансовой сферы — например, в медицине. Анализ информации о посещениях врачей и результатах обследований способен помочь в более раннем выявлении заболеваний и повышении эффективности лечения.

Авторы исследования считают, что работа также представляет интерес для научного сообщества, поскольку объединяет методы информационного поиска, объяснимые модели принятия решений и возможности больших языковых моделей при работе со структурированными временными данными.