Сбер внедрил собственные модели машинного обучения (Machine Learning, ML) для прогнозирования денежных потоков клиентов блока «Корпоративно-инвестиционный бизнес» банка. Новые модели позволили Сберу сократить срок подготовки финансового прогноза корпоративного клиентов для принятия решения о кредитовании с одного дня до меньше чем одного часа — теперь процесс занимает всего 45 минут. При этом качество прогнозирования, осуществляемого с применением искусственного интеллекта (AI, ML), существенно выше качества работы кредитного инспектора. Об этом в ходе пресс-конференции сообщил вице-президент Сбербанка, директор дивизиона «Кредитные продукты и процессы» Сергей Бессонов.

Сергей Бессонов, вице-президент Сбербанка, директор дивизиона «Кредитные продукты и процессы»:

– Машинное обучение Cash Flow-модели мы внедряем поэтапно и только после тщательной валидации и пилотирования, потому что не можем позволить себе ошибок в столь важном процессе. Сейчас финансовые модели на основе искусственного интеллекта уже применяются в сегменте «Торговля», покрывая 30% нашего кредитного портфеля. Пилотируем модели в пищевой промышленности и растениеводстве и планируем в перспективе разрабатывать и применять и на другие отрасли.

Сергей Бессонов, вице-президент, директор дивизиона «Кредитные продукты и процессы» Сбербанка:

– Также в 2020 году Сбер запустил «робота-юриста», который в автоматическом режиме оценивает правоспособность клиентов (АО, ООО и ИП). «Робот-юрист» извлекает более 1000 атрибутов из общего массива документов и анализирует их с качеством 95%. За счет этого инструмента юридическая проверка клиента занимает всего 5 часов вместо трёх рабочих дней при стандартной организации процесса. Робот взял на себя выполнение рутинных операций, благодаря чему наши сотрудники смогли сконцентрироваться на более сложных задачах, в которых требуются комплексные оценка и анализ, невозможные без участия человека.