Как ИИ меняет банки, финтех и безопасность клиентов
Я часто думаю о том, как незаметно технологии становятся частью нашей повседневности. Мы больше не воспринимаем банковское приложение как что-то сложное: открыть счет, перевести деньги, оплатить покупку, получить уведомление — все это происходит почти автоматически. Но за привычным экраном давно работает другой мир: данные, алгоритмы, системы оценки риска и искусственный интеллект.
Для тех, кто здесь впервые: «Голос за кадром» — мой авторский цикл разговоров с людьми из разных профессий в рамках моего блога. До этого выходили разговоры с тревел-блогером Акбаром Арыковым, графическим дизайнером Вероникой Кузякиной,PR-специалистами Анной Шаверни и Ксенией Шаверской, IT-инженером Артёмом Кузнецовым, influence-маркетологом Алёной Фроловой, основателем строительной компании Ярославом Никитиным, психологом Катей Сокол, хореографом Умаром Суриевым, бренд-маркетологом Софьей Арцер и экспертом по экологии и нефтегазовому делу Зульфией Жумашевой.
Я — Анна Громова, редактор и журналист, в прошлом продюсер Первого канала, номинант ТЭФИ. Мне интересно говорить с людьми, чья работа часто остается невидимой, но влияет на то, как мы живем, выбираем, строим карьеру и смотрим на мир.
Сегодня мой собеседник — Михаил Матвеев, Chief Data Officer финтех-компании B9 в Майами.
У него более 15 лет опыта в банковской аналитике, риск-менеджменте и data-направлениях: от российских банков до проектов в Юго-Восточной Азии и США. Мы поговорили о том, как искусственный интеллект меняет банки изнутри, почему антифрод — это не только борьба с мошенниками, чем отличаются финтех-рынки разных стран и каким может стать банковское приложение будущего.
Про банки и искусственный интеллект
Михаил, вы руководили технологическим и data-направлением в американском финтехе с 1,6 миллиона клиентов. Как ИИ и анализ данных помогают банкам принимать решения?
Большинство людей думает, что банк принимает решение по одному признаку: паролю, SMS-коду, уровню дохода или кредитной истории.
На самом деле современная система анализирует десятки, а иногда и сотни факторов одновременно.
ИИ помогает банкам в нескольких направлениях. Первое — оценка риска: насколько вероятно, что клиент вернет кредит или что операция может быть мошеннической. Второе — персонализация: банк понимает, какой продукт человеку действительно актуален, а какой будет просто раздражающей рекламой. Третье — безопасность и клиентский сервис: где нужно запросить дополнительную проверку, а где, наоборот, убрать лишний шаг.
Можете объяснить это на простом примере — например, как банк понимает, что в аккаунт пытается войти мошенник?
Представьте: обычно вы входите в приложение вечером со своего iPhone из Майами. А сегодня кто-то пытается зайти в три часа ночи с нового Android-устройства из другой страны, вводит пароль со второй попытки и сразу после входа хочет изменить номер телефона или вывести деньги.
Каждый признак сам по себе еще не означает мошенничество.
Люди путешествуют, меняют телефоны, ошибаются при вводе пароля. Но вместе эти признаки складываются в картину риска. Главная задача — не просто поймать мошенника, а сделать это так, чтобы обычный клиент почти не замечал работы системы.
Про мошенников, ошибки и дипфейки
Бывали ли случаи, когда система ошибалась: блокировала честного человека или, наоборот, пропускала мошенника?
Абсолютно идеальных систем не существует. Если кто-то говорит обратное, скорее всего, скрывает правду. Любая антифрод-система ищет баланс между безопасностью и удобством. Если сделать ее слишком строгой, она начнет мешать обычным пользователям. Если слишком мягкой — увеличится риск мошенничества.
Можно ли вообще создать идеальную систему защиты?
Можно остановить 100% мошенничества, если отклонять все заявки и блокировать все подозрительные действия. Но тогда не останется клиентов.
Реальное мастерство — останавливать преступников и при этом пропускать честных людей без лишних барьеров.
Поэтому модели постоянно переобучаются на новых данных. Борьба с мошенниками — это гонка вооружений: они придумывают новые схемы, а банки адаптируют модели. Победителей здесь не бывает, есть только те, кто быстрее учится.
Еще несколько лет назад фраза «я же слышал голос своего сына» была серьезным аргументом. Сегодня это уже не гарантия. Голос можно подделать, видео можно сгенерировать, переписку — имитировать.
Что делать, если звонят с просьбой срочно перевести деньги или назвать код из SMS?
Самый важный совет — не доверять всему, что вы видите или слышите, особенно если от вас требуют срочного действия. Остановитесь хотя бы на минуту. Перезвоните человеку сами по привычному номеру, задайте вопрос, ответ на который знаете только вы, или заранее договоритесь с близкими о кодовой фразе.
ИИ делает мошенников сильнее, но он же помогает банкам быстрее их обнаруживать.
Поэтому главным навыком станет не техническая грамотность сама по себе, а привычка проверять информацию, даже если она выглядит абсолютно убедительно.
Про Россию, Азию и США
Вы работали в России, Юго-Восточной Азии и США. Есть ли у вас профессиональная ностальгия по российскому финтеху?
Российский финтех всегда был очень сильным с точки зрения скорости внедрения новых продуктов и удобства пользовательского опыта. Многие решения появлялись там раньше, чем на других рынках.
Мне кажется, интереснее не сравнивать рынки в логике «кто лучше», а смотреть, чему они могут научиться друг у друга. Лучшие продукты появляются там, где скорость инноваций сочетается с надежностью.
А чем отличаются рынки, если смотреть на них изнутри — через данные, риски и пользовательский опыт?
В Юго-Восточной Азии другой контекст: разные страны, разные уровни зрелости финансовой инфраструктуры, разные пользовательские привычки. Это учит гибкости.
Нельзя взять модель, которая работает в одной стране, и просто перенести ее в другую.
Работая в США, я увидел еще одну сторону. Здесь огромное внимание уделяется безопасности, требованиям регуляторов, защите персональных данных и устойчивости инфраструктуры. Иногда это делает развитие менее быстрым, но позволяет масштабировать решения на миллионы пользователей с высоким уровнем доверия.
Вы участвовали в наставнических программах для специалистов, которые развиваются в технологиях и data science. Почему для вас это важно?
Мне нравится помогать людям, которые действительно хотят развиваться. Иногда талантливым специалистам не хватает не знаний, а уверенности или понятных примеров перед глазами. Если мой опыт помогает кому-то сделать первый шаг, подготовиться к собеседованию, разобраться в профессии или поверить в свои силы, значит, это время потрачено не зря.
Технологии становятся лучше тогда, когда их создают команды с разным опытом, взглядами и подходами. Data science — это не только про математику и код. Это еще и про то, какие вопросы мы задаем и какие решения считаем важными.
Про банк будущего
Каким вы видите банковское приложение через десять лет? Мы вообще будем что-то вводить руками?
Я думаю, само понятие банковского приложения постепенно изменится, а возможно, частично исчезнет. Сегодня мы открываем приложение, чтобы проверить баланс, оплатить счет, перевести деньги или получить кредит. Через десять лет большую часть этих задач будет выполнять персональный AI-ассистент.
Что этот AI-ассистент будет делать для клиента?
Он будет понимать ваши финансовые привычки, знать, когда приходят доходы, какие счета нужно оплатить, когда лучше инвестировать свободные средства или когда стоит предупредить о необычной операции.
При этом последнее слово всегда должно оставаться за человеком.
Искусственный интеллект должен быть помощником, а не тем, кто принимает решения вместо владельца денег.
За что банки будут конкурировать в будущем?
Раньше банки конкурировали количеством отделений. Потом — качеством мобильного приложения. В ближайшие годы они будут конкурировать своими AI-системами. Победит не тот банк, где больше кнопок, а тот, который лучше понимает клиента и помогает ему принимать правильные финансовые решения.