Использование технологий искусственного интеллекта при формировании базы данных корпоративных заемщиков банка

батывать значительные объемы данных, автоматизировать многие процессы, особенно при решении стандартизированных задач, и за счет этого снижать издержки и сокращать роль человеческого фактора (Uddin, Mollah, Ali, 2020). По оценкам McKinsey, в глобальном банковском секторе технологии искусственного интеллекта потенциально могут приносить до $1 трлн дополнительной стоимости каждый год1. По данным исследования, проведенного ассоциацией «Финтех», пять крупнейших российских банков инвестировали в развитие ИИ более $10 млрд за последние 10 лет, при этом прибыль от вложений достигает $3 млрд в год2.

В научной литературе сегодня широко обсуждаются различные аспекты использования ИИ в банковской деятельности и выявляются его отличительные особенности. В частности, рассматриваются возможности технологий ИИ для развития дистанционного банкинга, потенциально способствующие повышению точности, скорости, качества предоставляемых услуг, а также совершенствованию банковских бизнес-процессов (Ледяйкина, Чугунов, 2021). Анализируются преимущества и недостатки популярных систем ИИ, использующихся в банках в настоящее время. Освещаются перспективы его развития в будущем, которые могут быть связаны с еще более быстрой обработкой больших массивов данных, построением более точных моделей и прогнозов, возможностями предвосхищения потребностей клиентов, формированием персональных предложений и автоматизацией их обслуживания (Соколова, Мелехова, Редкокашина, 2019). Изучается роль ИИ как фактора повышения эффективности работы банка, в частности, за счет автоматизации большинства процессов и сокращения штата сотрудников, а также путем повышения уровня обслуживания клиентов (Зиниша, Роман, Кизогян, 2019). Исследуется использование искусственного интеллекта в риск-менеджменте банка (Ломарев, 2021), в обеспечении кибербезопасности. Рассматриваются правовые аспекты применения технологий искусственного интеллекта в банковском секторе (Крусс, 2022).

Проводятся исследования по выявлению барьеров, которые могут затруднять внедрение технологий ИИ в банках, связанных с материальными и нематериальными факторами. При этом показывается, что наиболее существенными являются препятствия, связанные с профессиональными компетенциями банковских работников и сдерживающими факторами развития цифровой инфраструктуры, включая проблемы с качеством и разнородностью используемых информационных систем, а также причины, связанные с высокой стоимостью внедрения ИИ. Обсуждаются меры и мероприятия, способствующие решению данных вопросов (Лотош, Платонов, Ткалич, 2021).

В целом, исследователи уделяют внимание нескольким основным направлениям, где банки могут использовать ИИ для оптимизации расходов. Это, прежде всего, сфера разговорного банкинга, область предупреждения мошенничества и управления рисками, а также организация бэк-офиса (андеррайтинг).

Однако важный вопрос – использование ИИ при формировании кредитной базы данных корпоративных заемщиков – пока исследован не в полной мере. В результате применение технологий ИИ для оптимизации данных процессов недостаточно позиционируется в качестве перспективного направления цифровизации банковского корпоративного кредитования. В то же время необходимость совершенствования автоматизации процессов формирования кредитной базы данных юридических лиц на основе передовых цифровых технологий достаточно велика (Камалян, 2021). Данный процесс является одним из самых трудоемких с точки зрения рутинной работы банковских специалистов. Например, чтобы подготовить кредитную заявку к рассмотрению, сотрудникам банка нужно вручную собрать информацию приблизительно по 100 параметрам из 10–20 источников и систематизировать ее для анализа. На это может потребоваться несколько недель (Городецкая, Гобарева, 2022).

Трудовые функции формирования и ведения автоматизированной базы данных заемщиков определены в профессиональном стандарте специалиста по корпоративному кредитованию, который был утвержден Министерством труда и социальной защиты РФ еще в 2018 г.3 Однако уровень развития технологий ИИ, достигнутый с того времени, позволяет существенно повысить автоматизацию данных функций и действий, высвободив в этих процессах значительный объем рутинного человеческого труда.

В настоящее время технологии ИИ позволяют банкам создавать базы данных, которые могут содержать информацию о корпоративных клиентах: их ожиданиях, финансовых потребностях, совершенных сделках, а также о потенциальных клиентах, заинтересованных в новых финансовых продуктах (Зорин, 2020) и т. д.

Целью настоящей статьи является рассмотрение возможностей использования технологий искусственного интеллекта при формировании кредитной базы корпоративных заемщиков, что может приносить существенные экономические выгоды банку и влиять на цифровизацию банковской деятельности в целом.

При осуществлении исследования использовались методы содержательного анализа теоретических источников, обобщения и классификации аналитических и фактологических материалов.

Кредитная база данных корпоративных заемщиков банка и этапы ее формирования . Кредитную базу данных корпоративных заемщиков можно определить как совокупность систематизированной по определенным параметрам информации о компаниях, которые обращались, обращаются или потенциально могут обратиться за кредитом в банк. Как правило, такая база данных содержит сведения о характеристиках компании, необходимых для принятия решения о выдаче кредита. Поэтому она включает в себя как официальные данные юридического лица, так и показатели финансового положения компании (отчеты о прибылях и убытках, балансы и другие релевантные данные), информацию об истории кредитования компании, ее кредитных предпочтениях и потребностях, предоставленных лимитах и исполнении платежей, о макроэкономических показателях и отраслевых тенденциях и др.

Такая база данных обычно аккумулирует большой объем сведений о клиентах и является основным информационным массивом сведений, которые необходимы при осуществлении кредитной деятельности банка. Особенностью подобной базы данных является формирование, хранение и представление информации о клиентах в систематизированном и структурированном виде.

Процесс формирования кредитной базы данных корпоративных заемщиков включает в себя несколько этапов: определение основных задач базы данных; выбор системы управления базами данных (СУБД); проектирование структурной схемы базы данных, которая складывается из совокупности таблиц, хранящих различные категории данных о клиентах; непосредственное наращивание базы данных; обеспечение ее безопасности и ограничения доступа. По завершению всех этапов кредитная база данных может быть сформирована в виде базы электронных досье заемщиков-юридических лиц.

Примерная структурная схема базы данных корпоративных заемщиков представлена в таблице 1. Ее конкретная структура будет зависеть от требований и особенностей банка.

Таблица 1 – Примерная структурная схема кредитной базы данных корпоративных заемщиков ¹

Table 1 – An Approximate Block Diagram of the Credit Database of Corporate Borrowers

Таблицы	Категории данных
1	2
Таблица «Клиенты»	– ID клиента – название компании; – контактная информация (адрес, телефон, электронная почта); – ИНН; – основной вид деятельности; – рейтинг кредитоспособности; – история кредитных операций
Таблица «Кредитные продукты»	– ID продукта; – название продукта; – описание продукта; – условия кредита (сумма, срок, процентная ставка и т. д.); – доступность продукта для каждого клиента (да/нет)
Таблица «Кредитные заявки»	– ID заявки; – ID клиента; – ID продукта; – статус заявки (ожидание, одобрено, отклонено и т. д.); – дата подачи заявки; – решение по заявке (одобрено/отклонено); – дата решения по заявке; – сумма одобренного кредита
Таблица «Кредитные операции»	– ID операции; – ID клиента; – ID продукта; – дата операции; – сумма операции; – тип операции (выдача кредита, погашение кредита и т. д.)

1 Источник: составлено автором.

Продолжение таблицы 1

1	2
Таблица «Платежи»	– ID платежа; – ID операции; – дата платежа; – сумма платежа; – статус платежа (оплачено, просрочено и т. д.)
Таблица «История платежей»	– ID платежа; – ID клиента; – дата платежа; – сумма платежа; – статус платежа (оплачено, просрочено и т. д.)
Таблица «Аналитика»	– ID клиента; – общая сумма выданных кредитов; – общая сумма погашенных кредитов; – остаток задолженности по каждому клиенту; – средний срок погашения кредитов

Возможности использования искусственного интеллекта при формировании кредитной базы данных корпоративных заемщиков . Использование конкретных технологий ИИ при формировании базы данных корпоративных заемщиков связано с этапами данного процесса. Так, на стадии проектирования базы данных могут быть использованы модели генеративного искусственного интеллекта (ГИИ), с помощью которых можно сгенерировать структурную схему кредитной базы данных, задав соответствующие параметры. Особенностью таких интеллектуальных моделей нового класса является способность создавать оригинальный контент различного типа в ответ на сформированные запросы человека. Поэтому, если чётко сформулировать задачи, ГИИ может стать полезным инструментом для банковских специалистов при создании таблиц под определённые категории данных. Он может автоматически сгенерировать список необходимых параметров для сбора информации о корпоративных заёмщиках.

Технологии прикладного ИИ, основанные на машинном обучении, распознавании письма и речи, компьютерном зрении, могут быть задействованы на этапах наращивания кредитной базы данных для сбора информации о заемщиках из различных источников и в разных форматах, ее структурирования под конкретные задачи банка и внесения в сформированные таблицы. Для распознавания неструктурированной информации, текстов, обработки естественного языка и извлечения из этой информации необходимых сведений для базы данных корпоративных заемщиков могут быть использованы более сильные модели ИИ.

Алгоритм работы ИИ при создании базы данных следующий. Механизмы ИИ: 1) определяют вид или категорию документа/источника информации; 2) распознают в нем определенные данные, тексты или изображения; 3) извлекают из массива фактические данные, которые заданы структурной схемой кредитной базы данных; 4) при необходимости структурируют данные; 5) вносят извлеченные структурированные данные в соответствующие таблицы по установленным в них параметрам. Таким образом, данные, извлеченные из разных информационных источников в автоматизированном режиме, заносятся в информационную систему банка, при этом происходит автоматическое заполнение таблиц базы данных по установленным категориям. То есть осуществляется автоматическое формирование базы данных необходимыми сведениями о корпоративных заемщиках. В этом случае сотрудникам банка нужно лишь проверить, корректно и полностью ли внесены данные, при необходимости внести исправления или дополнить таблицы базы данных.

Экономические выгоды банка от использования искусственного интеллекта при формировании баз данных корпоративных заемщиков . Использование современных технологий ИИ для автоматизации процессов формирования кредитной базы корпоративных заемщиков может приносить банку существенные экономические выгоды, в частности, способствовать сокращению времени и ресурсов, затрачиваемых на ручную обработку заявок, повышению точности оценки кредитоспособности заемщиков и финансовых прогнозов, улучшению клиентского опыта.

Цифровые решения на основе ИИ могут заменить собой отдельных специалистов и целые подразделения банков, занимающихся формированием клиентских баз данных, тем самым способствуя сокращению расходов на персонал. В результате внутренняя структурная организация банка может быть оптимизирована для обеспечения операционной эффективности за счет предельной автоматизации ручных задач и замены или дополнения человеческих решений передовыми интеллектуальными механизмами. При этом рост операционной эффективности может быть обусловлен широким применением традиционных и передовых технологий искусственного интеллекта для анализа больших и сложных массивов данных о клиентах почти в реальном времени1.

В результате автоматизация процесса создания кредитной базы данных корпоративных заемщиков с использованием технологий ИИ может позитивно влиять на повышение эффективности всего процесса выдачи кредита, способствовать снижению затрат на управление кредитным портфелем банка и уменьшать риски потерь от невозвратов.

Заключение . Результаты проведенного анализа позволяют сделать ряд выводов:

• 1.    В кредитной базе данных корпоративных заемщиков содержится систематизированная и структурированная информация о клиентах, которая необходима банку для реализации основных этапов процесса кредитования. Ее структурная схема может состоять из таблиц, содержащих различные категории данных о заемщике и его кредитоспособности. Формирование кредитной базы данных для банка является многоэтапной задачей, включающей проектирование ее структуры и параметров, выбор СУБД, наращивание данных, создание механизмов безопасности, авторизации и резервного копирования.

• 2.    При формировании кредитной базы данных корпоративных заемщиков технологии ИИ могут быть использованы как на этапе проектирования ее структуры, так и на этапе наращивания данных. Наращивание данных может осуществляться с помощью различных методов сбора и агрегации информации о заемщиках из различных источников в формируемую банком кредитную базу данных. При этом ИИ позволяет не только собирать и анализировать огромный массив данных о клиентах, но и классифицировать информацию, находить взаимосвязи и совпадения.

• 3.    Внедрение технологий ИИ способствует снижению затрат банка на сбор, хранение, обработку, анализ данных, расширяет доступ к информации и продуцирует новые возможности ее использования. Рост операционной эффективности при формировании баз данных с использованием ИИ может приводить к повышению эффективности всего процесса банковского корпоративного кредитования.

В целом можно заключить, что в настоящее время имеется большой потенциал для использования технологий ИИ при формировании кредитной базы данных корпоративных заемщиков, что является важным этапом процесса корпоративного банковского кредитования.

С учетом современных тенденций развития цифровых технологий можно допустить, что в перспективе цифровая трансформация в сфере процессов банковского корпоративного кредитования будет осуществляться в направлении дальнейшего расширения возможностей использования технологий ИИ, его новых, в том числе генеративных моделей. Такой сценарий в качестве важной задачи для банков ставит более глубокое изучение данных процессов, в особенности с точки зрения перехода на новый уровень взаимодействия человека и искусственного интеллекта, и с учетом этого – планирование и осуществление мероприятий на опережение.