Як ШІ трансформує банківський сектор — від скорингу до репутаційних ризиків
14 october 2025
Фінансові установи всього світу дедалі більше використовують у своїй діяльності штучний інтелект. Він застосовується для автоматизації процесів, спрямованих як на мінімізацію ризиків банківської діяльності та підвищення операційної ефективності, так і на покращення якості обслуговування клієнтів. Так, за допомогою ШІ здійснюється обробка великих масивів статистичних даних та побудова висновків і прогнозів, розробка різноманітних моделей. Він допомагає здійснювати кредитний скоринг, валідацію клієнтів та операцій (у тому числі — виявляти шахрайство), оптимізувати кредитний портфель шляхом аналізу поведінкових факторів клієнтів, прогнозувати «пікові навантаження» на підрозділи, сортувати клієнтські запити, а також розвантажує кол-центри, перекладаючи розв'язання стандартних питань на чат-боти та голосових роботів-помічників.
Штучний інтелект також застосовується для маркетингових цілей — розробки персоналізованих фінансових продуктів (завдяки прогнозуванню потреб клієнтів), удосконалення системи продажів та автоматизації прийняття інвестиційних рішень.
Широко використовують ШІ такі банки: Bank of America, JPMorgan Chase, Capital One, Royal Bank of Canada, Wells Fargo, Goldman Sachs, CommBank, DBS Bank, Citigroup, UBS, ING, BNP Paribas, HSBC, TD Bank, Bank of Montreal, Scotiabank, Mizuho Financial Group, Sumitomo Mitsui Financial Group та інші.
Банки, що працюють в Україні, також активно опановують ШІ. Серед них: ПриватБанк, ОТП Банк, Ощадбанк, Sense Bank, ПУМБ, Універсал Банк та інші.
Переваги ШІ
При виконанні багатьох завдань системи штучного інтелекту надають ширші можливості, ніж традиційні інструменти. Так, використання штучного інтелекту дозволяє зробити всебічний аналіз («портрет») клієнта (враховуючи транзакції, які він здійснює, банківські продукти, що використовує, та дані з відкритих джерел), спрогнозувати його подальші потреби (наприклад, залучення кредиту, розміщення депозиту тощо) та розробити для нього індивідуальні пропозиції. Зокрема, запропонувати нові продукти та послуги саме в той час, коли клієнт готовий до їх використання, і з такими умовами, що задовольнять саме його.
Крім того, використання ШІ дозволяє робити індивідуальні налаштування інтерфейсу мобільних застосунків під потреби клієнтів — відображати на панелі швидкого доступу саме ті послуги, які можуть бути цікавими для певного користувача.
Також штучний інтелект точніше, ніж класичні скорингові моделі, здатен оцінити кредитоспроможність клієнта.
Під час проведення маркетингових кампаній для просування банківських продуктів штучний інтелект здатен підібрати найбільш перспективну цільову аудиторію та канали просування, а також протестувати варіанти промоційних матеріалів і вибрати найбільш ефективні.
Загалом використання штучного інтелекту трансформує звичні підходи до маркетингу та реклами — від кампаній «для всіх» дозволяє перейти до індивідуальних клієнтських пропозицій, що значно підвищує ефективність: зменшує витрати на рекламу та збільшує конверсію.
Приклади інструментів ШІ для вирішення різноманітних завдань
Контент для сайту та комунікацій зі ЗМІ можна створювати за допомогою ChatGPT (GPT-4 Turbo, GPT-4o). Але, крім відомого ChatGPT, є значна кількість спеціалізованих інструментів штучного інтелекту, що використовуються для вирішення певних типів задач.
Наприклад, для прогнозування клієнтського попиту та пікових навантажень на підрозділи використовуються інструменти IBM Watson Studio та Google Vertex AI Forecasting. Для автоматизації розподілу клієнтських запитів — системи Zendesk Answer Bot та Freshdesk AI.
Для створення чат-ботів і віртуальних помічників можна використовувати Dialogflow (Google Cloud), Microsoft Azure Bot Service, Conversica, Genesys AI, LivePerson, Amelia AI (IPsoft) тощо.
Для проведення всебічного аналізу клієнтів застосовуються SAS Analytics, IBM Watson Analytics, Google Cloud BigQuery ML — ці системи здатні обробляти великі масиви інформації.
Для прогнозування поведінки клієнтів можна використовувати готові моделі від Microsoft Azure AI.
Інструменти Snowflake та DataRobot дозволяють здійснювати інтеграцію даних та швидке навчання моделей.
Для створення персональних клієнтських пропозицій існує система Amazon Personalize, для підбору фінансових продуктів — Google Recommendations, для розробки власних моделей рекомендацій — відкритий AI-пакет H2O.ai.
Інструменти для персоналізованого налаштування інтерфейсу у мобільному банкінгу: Temenos AI, Backbase, Finacle, Kony DBX, Dynamic Yield (може бути адаптована для банків).
Для персоналізованих маркетингових кампаній можна використовувати Adobe Sensei, Salesforce Einstein AI. Для автоматизації маркетингу — HubSpot AI, Zoho CRM AI. Для оптимізації рекламних бюджетів і таргетингу — Meta Advantage+, Google Ads AI.
Для управління кредитним ризиком застосовуються, наприклад, FICO Platform, Zest AI. Для боротьби з шахрайством — Featurespace та SAS Fraud Management.
Значна кількість інструментів ШІ розроблена для мінімізації репутаційних ризиків. Наприклад, Brandwatch, Meltwater, Sprinklr, Sentiment Analysis, Google Natural Language API, IBM Watson Tone Analyzer — це інструменти для відстеження тональності згадок про компанію, моніторингу репутації в реальному часі, аналізу настроїв клієнтів у соціальних мережах, виявлення повідомлень, що можуть нести високий репутаційний ризик.
Sprinklr також може здійснювати аналіз потенційних репутаційних криз із прогнозуванням наслідків і створенням рекомендацій щодо їх вирішення. Hootsuite Insights проводить аналіз впливу інформаційних потоків на репутацію, прогнозує потенційну шкоду від негативних повідомлень.
У випадку криз комунікації з клієнтами може стати у пригоді Salesforce Einstein GPT, що використовується для автоматичного створення персоналізованих повідомлень у межах комунікаційних кампаній, орієнтованих на покращення сприйняття установи клієнтами. Також ця система може формувати рекомендації для команди з управління кризами щодо комунікаційних сценаріїв.
Інструменти Copy.ai та Jasper.ai створені для автоматичної генерації текстів, що допомагають швидко реагувати на кризові комунікації з урахуванням тональності та контексту.
А відстежити показники ефективності заходів, спрямованих на подолання репутаційних ризиків, допоможуть Tableau AI-driven analytics та Power BI AI Insights.
Впровадження ШІ в центробанках
Штучний інтелект впроваджується не тільки в комерційних банках, а й у центробанках різних країн. НБУ також у 2024 році запустив проєкт із тестування та дослідження потенційних напрямів використання ШІ.
У червні 2025 року делегація НБУ взяла участь у щорічних загальних зборах Банку міжнародних розрахунків у Базелі. Однією з тем, що обговорювалися на заході, було використання штучного інтелекту в діяльності центробанків.
Як розповів голова НБУ Андрій Пишний, учасникам було презентовано висновки з використання ШІ, зроблені на прикладах кількох проєктів — Agora, Spectrum, BIS ChatGPT, у яких ШІ застосовується в різних ролях: для виявлення відмивання коштів, прогнозування інфляції, підвищення операційної ефективності.
Спікери наголошували, що системи ШІ генерують відповіді на основі статистичної ймовірності, виведеної з великих обсягів даних. У результаті вони схильні до «галюцинацій», коли впевнено видають помилкову інформацію як достовірну. Тому дуже важливо забезпечити ефективну експертизу результатів роботи ШІ та здійснювати нагляд за методиками оброблення ним даних.
Андрій Пишний вважає, що необхідно розробити міжінституційні стандарти валідації моделей і протоколи аудиту — зокрема, відкриті тестові набори та методології оцінки результатів ШІ-моделей, що використовуються в регуляторному нагляді.
Також, щоб сприяти підзвітності та прозорості, голова НБУ пропонує відкрити дискусію про створення глобального реєстру інструментів ШІ, які застосовуються у фінансовому нагляді та прогнозуванні, наприклад, за підтримки BIS Innovation Hub.
Національний банк України вже розробив і затвердив Політику відповідального використання ШІ в НБУ, адаптовану до AI EU Act.
Важливість контролю та людської експертизи при використанні ШІ
Попри те що ШІ надає дуже широкі можливості для вивчення клієнтів, користуватися ними треба обережно, щоб у клієнтів не виникло відчуття вторгнення в їхнє приватне життя. Занадто часті та настирливі персональні пропозиції можуть створити враження, що банк постійно стежить за ними, що знижує довіру.
Крім того, тотальна автоматизація спілкування з клієнтом не завжди є вдалим рішенням. У складних випадках, коли необхідні нестандартні дії, більш ефективною та психологічно прийнятною для клієнтів є допомога співробітника, а не типові відповіді, згенеровані чат-ботом.
Системи штучного інтелекту — потужний інструмент. Але саме інструмент, ефективність якого залежить від майстерності людей, що ним користуються. Він потребує постійного контролю та не може замінити високорівневе й критичне мислення людини.
Тому використовувати його треба обережно й обмежено — із постійним людським контролем і адаптацією, інтегруючи в банківські процеси поступово, починаючи з упровадження пілотних проєктів за окремими напрямами.
Крім того, одним із суттєвих ризиків при використанні штучного інтелекту є витік великих масивів інформації у випадку хакерських атак на системи ШІ. Тому критично важливо забезпечити високий рівень захисту систем і процесів, пов’язаних із його використанням.
Наведені підходи до роботи зі штучним інтелектом повинні стати базовими принципами під час його інтеграції в банківську діяльність. Це дозволить скористатися перевагами ШІ, водночас управляючи ризиками та зберігаючи процеси контрольованими.
При написанні статті використовувались в тому числі матеріали тренінгів Ткачук О.В. з компанії DMС Citrine.
