Цифровой рубль вместо наличных: как он защитит от мошенников и когда ждать?
К 2025 году Россия планирует перейти на цифровую валюту, которая, как прогнозируют эксперты, со временем вытеснит наличные деньги и станет альтернативой при осуществлении безналичных операций. Уже сейчас система расчетов цифровым рублем тестируется российскими банками в работе с юридическими лицами, а вскоре будет доступна и для физических лиц. Перспективы цифровизации, использования искусственного интеллекта и развития банковского сектора в условиях наращивания оборота электронных денег стали ключевыми темами на XII форуме финансовых инноваций FinNEXT.
Цифровой рубль не представляет угрозы для банковской системы
По мнению старшего вице-президента банка ВТБ Вадима Изотова, цифровой рубль является логическим продолжением развития денежной системы. Российские банки, в отличие от европейских и американских, смотрят на такой прогресс как на возможность предоставить клиентам более высокий уровень сервиса. Плюс – это возможность для заработка самих банков, а никак не угроза их финансовому благополучию. Топ-менеджер банка ВТБ подчеркнул, что цифровой рубль очень важен для государства в части распределения финансовых потоков и субсидирования.
– Мы понимаем, что проще выдать субсидии в цифровых рублях, чтобы контролировать их расход. Это не угроза финансовому рынку, а дополнительная возможность для банков стать частью жизни страны и каждого из нас, – отметил Вадим Изотов.
Банк ВТБ стал одним из первых, кто начал внедрять digital технологии в России и протестировал систему расчетов цифровым рублем через мобильное приложение. По мнению спикера, этот опыт позволил сделать определенные выводы в вопросах, касающихся защиты банковских клиентов от мошенников.
– Когда у вас есть наличные деньги, вы тяжело с ними расстаетесь. Поэтому мошенникам психологически легче забрать деньги с карты. Но цифровой рубль трудно украсть. А если это произошло, то легко найти, кто это сделал.
При этом Вадим Изотов отметил, что не стоит создавать централизованную систему борьбы с цифровыми мошенниками – банки на местах неплохо справятся с этой задачей.
– Опыт говорит, что если мы что-то где-то централизуем, то это не всегда хорошо работает, Сетевая структура банка в этом плане будет более эффективной. Все, что централизованно, то довольно уязвимо.
- потребительские кредиты
- кредиты на авто
- бизнес-кредиты
- кредиты на жилье
- вклады
- займы
- продукты РКО
- кредитные карты
- дебетовые карты
- услуги лизинга новых авто
- услуги лизинга авто с пробегом
- услуги лизинга авто для бизнеса
Как можно использовать искусственный интеллект в банковском секторе?
Участники форума обсудили вопросы применения ИИ в работе банков. Нейросети, по мнению представителей финансовых учреждений, сегодня не только помогают ускорить и упростить процесс выдачи кредитов. Искусственный интеллект уже научился распознавать мошенников, которые постоянно изобретают новые схемы обмана как клиентов, так и банков в целом. Но это лишь первые шаги по использованию ИИ в банковской системе, которая не приспособлена для сквозного внедрения ИИ.
Спикеры форума отметили, что сейчас ИИ приходится «прикручивать» к действующим банковским процессам. Если найдется банк, который рискнет полностью изменить свою структуру и выстроить ее вокруг нейросетей, он, по мнению банкиров, «снимет все сливки» в финансовом сегменте.
В перспективе ИИ будет управлять многими банковскими процессами. Но сейчас специалисты лишь изучают его возможности. Во время своего выступления первый вице-президент Газпромбанка Адель Валиуллин представил различные кейсы использования большой языковой модели (large language model) в бизнесе, в том числе для организации внутренних рабочих процессов. Он отметил, что LLM пока еще представляет обширную область для исследований. В настоящее время Газпромбанк видит для себя возможность работы с большой языковой моделью в двух направлениях.
– Во-первых, это рекомендации для сотрудников. Приходит новый человек на вакансию, у нас есть его резюме и результаты тестирования, на основе которых мы можем давать ему какие-то советы. Второе – исследования, позволяющие понять, как сделать языковые модели более легковесными. Ведь для мощностей многих банков использование LLM – серьезный технический вызов.
Адель Валиуллин рассказал о чат-ботах, которые используют сотрудники, подробно остановился на методе «облегчения» структуры LLM, именуемом квантизация, который сегодня используется в Газпромбанке. С его помощью можно фактически в четыре раза сжать применяемые технические решения без потери качества ответов языковой модели.
Время инвестировать в ИИ
Исполняющий обязанности руководителя центра AI-трансформации СберБанка Никита Худов отметил, что, согласно статистике, период знакомства бизнеса с возможностями искусственного интеллекта на уровне чата GPT благополучно пройден. Сейчас началась фаза активного инвестирования средств в нейросети. Основные кейсы использования LLM связаны с организацией взаимодействия сотрудников компаний. В СберБанке, который несколько лет назад вложился в создание собственной нейросети под названием GigaChat, на ее основе реализуется уже более 70 инициатив.
– Основные из них также направлены на улучшение взаимодействия с сотрудниками, второе место занимают процессы по организации взаимоотношений банка с клиентами, третий сегмент – это b2b, – рассказал Никита Худов.
По его словам, с помощью искусственного интеллекта в банке сегодня оптимизируются процессы, связанные с тайм-менеджментом (например, сокращается время на принятие решения по выдаче кредитов), с помощью искусственного интеллекта создаются скрипты ответов клиентам в чате, внедряются продукты, позволяющие повысить уровень удовлетворенности клиентов. Очень хорошо работают саммаризация писем, протоколирование встреч, система поиска данных.
– У нас есть внутренние помощники для юристов, которые позволяют искать необходимую документацию, и теперь сотрудники тратят на это гораздо меньше времени. То есть, они задают вопросы и получают ссылки на нужные документы.
Никита Худов рассказал, как в СберБанке происходит отбор кейсов с использованием ИИ для внедрения в рабочие процессы, на какие критерии в первую очередь обращается внимание. При этом тестируется сразу несколько моделей LLM, оценивается экономический эффект от их использования. Затем начинается процесс обучения нейросетей.
– Все идет к тому, что наши модели искусственного интеллекта становятся все более способными и могут охватить больше кейсов без обучения. Во-вторых, они подстраиваются под пользователей. Перспектива ИИ в мультимодальности, когда нейросети будут работать не только с текстами и фото, но и с видео, возможно, с запахами и другими опциями, которые можно будет встраивать в бизнес-кейсы, – отметил Никита Худов.