Научно-методический журнал спецвыпуск №1 2021

Применение искусственного интеллекта 
в дистанционном банковском обслуживании
В современных условиях происходят глобальные 
технологические трансформации, обусловленные раз-
витием информационно-коммуникационных техноло-
Таблица
Этапы развития дистанционных банковских услуг
№ 
п/п
Год
Мероприятия
1
1951—1970
Для автоматической проверки транзакций были проведены мероприятия по автоматизации 
банковских услуг с использованием таких технологий, как MICR, Magnetic Ink Character Recognition 
и ERMA
2
1971—1980
Банковские услуги полностью автоматизированы с помощью компьютеров. Используя экранные 
терминалы, клиенты банка смогли войти в свои счета в режиме реального времени и управлять 
ими. Также были проведены научные исследования и программные эксперименты по концепции 
Home Banking
3
1981—1990
Возник Home Banking. У клиентов появилась возможность использовать Home Banking в течение 
недели с 6:00 до полуночи. В Великобритании впервые была предложена услуга интернет-банкинга, 
которая была названа Home-link. Банк First Direct впервые начал предоставлять банковские услуги 
по телефону 
4
1991—2000
В США появился первый онлайн-банкинг, который работал через веб-сайт bankofamerica. com 
и больше не нуждался в специальных банковских программах, предоставляя клиентам 
круглосуточный доступ к веб-сайту банка. Появился первый интернет-банк First Security Network 
Bank, в 1997 г. он стал полноценным виртуальным банком
5
2001—2010
В результате развития услуг в онлайн-режиме в США разработаны законы и правила The Federal 
Financial Institutions Examination Council. В этот период филиалы банка объединились и начали 
выполнять банковские операции потребителей через смартофисы и онлайн-сервисы. Появились 
мобильный банкинг и мобильное приложение по банковским операциям
6
2011 — 
настоящее 
время
Направления онлайн-банкинга продолжали развиваться. В частности, услуга «Мобильный банкинг» 
быстро стала популярной. Увеличилось количество Direct-банков, функционирующих без создания 
филиалов. Увеличилось количество каналов и типов дистанционного управления банковскими 
счетами, которые постоянно развиваются

---

П
148
гий. Ключевые технологии, под воздействием которых 
банковский сектор уже меняется и кардинально изме-
нится в ближайшее время, — это блокчейн, облачные 
вычисления и искусственный интеллект [4, с. 54].
Искусственный интеллект — это компьютерные 
системы, обладающие такими ключевыми навыками 
человеческого разума, как понимание языка, способ-
ность общаться, рассуждать, обучаться, решать про-
блемы, действовать, делать заключения и т. д. Ключевая 
особенность искусственного интеллекта — его способ-
ность к решению поставленных задач по алгоритму, 
подобному тому, который использует человеческий 
мозг. Основная цель искусственного интеллекта — на-
учиться понимать человека и на основе анализа полу-
ченных данных, сопоставления с результатами других 
людей и выявления закономерностей давать различ-
ные советы, после чего воспринимать обратную связь 
и обучаться в зависимости от ее результатов. Также 
разработки искусственного интеллекта используют 
для анализа больших данных, построения предиктив-
ных и других моделей. 
Ключевая технология искусственного интеллек-
та — машинное обучение, т. е. создание комплексного 
алгоритма для анализа больших объемов данных, их 
сопоставления, нахождения взаимосвязей, построения 
предиктивных моделей, а также обучения на основе 
анализа полученных результатов. Основной компонент 
машинного обучения — способность машины самосто-
ятельно обучаться и улучшать заложенный изначально 
алгоритм для получения наилучших результатов. Пер-
вая и самая простая форма машинного обучения — по-
строение регрессионных моделей, которые позволяют 
на основе имеющихся данных предсказывать значение 
переменной, например определить стоимость залога. 
Однако в условиях экспоненциального увеличения не-
структурированных данных появились более сложные 
методы машинного обучения, как, например, глубин-
ное машинное обучение, использующее в качестве вво-
дных данных результаты других алгоритмов машинного 
обучения, а также методы «случайный лес», «градиент-
ный бустинг», байесовские методы, нейронные сети и 
др. На современном уровне развития, помимо построе-
ния регрессионной модели, алгоритмы машинного обу-
чения позволяют классифицировать, кластеризировать 
и строить зависимости.
Один из крупнейших азиатских банков существенно 
отставал от конкурентов по показателю «количество 
продуктов на одного клиента». Банк разработал алго-
ритм глубинного машинного обучения, который обра-
батывал и искал взаимосвязи между такими массивами 
данных о клиентах, как демографические характери-
стики клиента, количество продуктов банка, выписки 
по счету, данные о транзакциях, мобильные платежи, 
переводы и данные кредитного бюро. Анализируя 
предоставленные большие данные, алгоритм выявил 
ранее не замечаемые сотрудниками банка сходства в 
поведении клиентов, что позволило выделить пятнад-
цать тысяч микросегментов в клиентской базе. После 
этого на основе данных алгоритма банк разработал 
предиктивную модель, позволяющую предсказывать, 
какой продукт банка может быть наиболее интересен 
клиенту. На основе предсказаний модели банк делал 
персонализированные предложения клиентам, что 
обеспечило ему трехкратное увеличение количества 
продуктов на одного клиента [5, с. 120].
Используя комбинацию технологий машинного 
обучения и инновационную технологию роботизации 
бизнес-процессов (Robotic Process Automation, RPA), 
банки могут серьезно повысить операционную про-
изводительность своих бизнес-процессов и снизить 
операционные расходы. Так, банк может доверить 
роботам обработку платежей юридических и физиче-
ских лиц (переводящих деньги внутри банка и за его 
пределы) и обработку неопознанных платежей (у ко-
торых не указано назначение), разбор внутренней 
входящей почты, изменение данных клиента по его 
заявлению, правки кредитных договоров физических 
и юридических лиц по их заявлениям, а также провод-
ки финансирования контрактов и ответы на типовые 
запросы.
В качестве примеров разработок искусственного 
интеллекта можно привести голосовых и текстовых 
помощников и связанные с ними технологии распоз-
навания речи и распознавания образов. Голосовые 
помощники — это программы-собеседники, пред-
назначенные для общения, помощи и консультаций. 
Наиболее известные в настоящее время голосовые 
помощники — Siri от Apple, GoogleAssistant, Alexa 
от Amazon. 
Накапливая информацию о пользователе, помощни-
ки постепенно создают его профиль и за несколько лет 
так называемого общения будут знать своего живого 
собеседника так, как знает близкий человек. Поэтому 
следующая стадия — диалоговый интерфейс и персо-
нальные ассистенты, которые, исходя из накопленной 
информации, смогут формировать персонализирован-
ные предложения финансовых услуг, учитывающие 
склонности человека к рискам и накоплениям, пред-
стоящие покупки и иные расходы, финансовое положе-
ние, структуру доходов и т. д. [6, с. 34].
В современных условиях финансовые чат-боты 
оказывают клиентам помощь в совершении покупок в 
сети Интернет, оплате счетов, управлении цифровым 
кошельком, а также на основе анализа предпочте-
ний и потребностей пользователя предоставляют ему 
рекомендации по управлению личными финансами, 
способствуют принятию финансовых решений. Так, 
виртуальные консультанты способны отслеживать ди-
намику цен на финансовые активы и предоставлять 
пользователям рекомендации по их приобретению 
или продаже. На пороговом уровне использования 
виртуальные консультанты обеспечивают пользовате-
лям возможность получения ответов на элементарные 
вопросы. 

---