Искусственный интеллект поможет сократить время рассмотрения заявок по кредитам в Бинбанке

Один из  крупнейших банков страны - Бинбанк - нашел способ в три раза сократить максимальное время принятия решения о выдаче потребительских кредитов. Планируется, что в 2018 году эта процедура будет занимать уже не три дня, как ранее, а всего лишь один. 

Причем по большинству стандартных заявок клиенты смогут узнать ответ банка за считанные минуты. По словам пресс-службы банка, такой экономии времени кредитная организация добьется за счет перевода процесса принятия решений на самообучающиеся модели, основанные на машинных алгоритмах обучения.

Стоит отметить, что Бинбанк одним из первых на рынке внедряет технологии машинного обучения. В банке отмечают, что высокая скорость принятия решений будет сочетаться с качественной и эффективной оценкой платежеспособности. Потенциальных заемщиков будут оценивать с помощью новейших инструментов управления рисками. Именно поэтому уровень кредитных потерь в портфеле банка будет оставаться на очень низком уровне, а сам банк оптимизирует операционные расходы.

По словам экспертов отрасли, перспективы использования искусственного интеллекта в банковском деле оцениваются очень высоко.

- Подобный алгоритм может принимать решение по запросу на кредит, ориентируясь на статистику по аналогичным клиентам и анализируя, как клиенты с такими же параметрами возвращали кредиты. Для банков - это фактически перевод скоринговых моделей на самообучающиеся системы, которые анализируют базу клиентов, базу должников, и то, как они себя ведут в свете выплат по своим обязательствам. При этом работа алгоритмов должна привести к существенному сокращению времени принятия решения по кредиту, за счет того, что алгоритм просматривает все необходимые параметры клиента и на их основе делает вывод, насколько высок уровень кредитоспособности конкретного заемщика, - считает старший аналитик ИК «ФридомФинанс» Богдан Зварич.

Специалисты же самого ПАО «Бинбанк» уверены, что разрабатываемые им модели оценки платежеспособности клиентов позволят оперативно проанализировать максимально широкий поток информации из внешних и внутренних источников. «Число вводных в модели значительно больше, чем в классических методах скоринга, а сама модель самообучаема, – говорит начальник отдела скоринговых моделей и информационных источников данных Бинбанка Дмитрий Герасимов. – Наш банк получит качественное  распределение клиентов по уровню риска, при этом мы сохраним возможность проводить необходимую ручную верификацию в заданных конкретных  случаях. Предварительные результаты также показывают, что мы сможем увеличить коэффициент Gini (универсальная скоринговая метрика для оценки качества) в 1,5 раза по сравнению с показателями по классическим методам».