ИИ помнит все грехи: как видят нас алгоритмы банков и магазинов

Искусственный интеллект окружает нас везде: бездушная машина подсовывает товары на маркетплейсах, одобряет скидки и за секунды решает, получим ли мы кредит или ипотеку. Цифровая память не прощает старых промахов, а алгоритмы видят в наших привычках лишь математическое уравнение. Мы спросили управляющего партнера компании «Зинин, Штурбин и партнеры» Тима Зинина, который занимается внедрением и обучением ИИ в бизнес, как умные системы оценивают каждого из нас.

Как нас видит ИИ банка: идеальная память и жесткий расчет

Банки в России уже много лет доверяют скоринг автоматизированным системам. Эпоха, когда кредитный инспектор лично изучал документы, а заодно и выражение лица потенциального заемщика и на основе этого принимал субъективное решение, канула в Лету. Сегодня по подавляющему большинству потребительских кредитов вердикт выносит исключительно бездушная машина. Человек подключается к процессу лишь в самых сложных, запутанных или спорных ситуациях.

Как ИИ банка видит заемщика:

• полная история прошлых платежей и допущенных просрочек (даже в других банках);

• текущая кредитная нагрузка и количество открытых карт;

• поведение внутри банковского приложения — от частоты переводов до категорий повышенного кешбэка.

Мы легко прощаем себе старые финансовые огрехи, списывая их на случайность. Но у цифровой памяти нет срока годности: ИИ без труда раскопает любую неприятную мелочь пятилетней давности. Для алгоритма наши финансовые привычки — примерно как математическое уравнение, сумма которого в итоге сложится в маркер будущего поведения заемщика.

Пример. Артем отправляет заявку на кредит со смартфона прямо в обеденный перерыв, между супом и кофе. Робот думает ровно 60 секунд и присылает отказ. Оказывается, система раскопала копеечный налог в 500 рублей, про который потенциальный заемщик благополучно забыл еще три года назад. Илье повезло больше: банк сам поднимает ему кредитный лимит на 30%: алгоритм проанализировал его зарплату за последние 6 месяцев и решил, что парню можно доверять.

Как нас видит ИИ магазина: чтение мыслей и предугадывание желаний

В ритейле и e-commerce логика работы нейросетей во многом схожа с банковской, но цели здесь иные. Вместо надежности заемщика алгоритмы рассчитывают вероятность совершения покупки. Главная задача торгового ИИ — предложить товар в тот самый момент, когда внутренняя потребность в нем только начинает формироваться.

Классический пример, который годами цитируют ведущие мировые аналитики, — это рекомендательная система гиганта Amazon. По разным оценкам, именно умные подсказки приносят платформе около 35% всей совокупной выручки.

Как ИИ магазина или маркетплейса видит покупателя:

• время, проведенное на карточке конкретного товара;

• движения курсора и историю просмотров;

• покупки людей со схожим социально-демографическим профилем.

В результате алгоритм подсказывает покупателю нужную вещь еще до того, как он сам осознанно сформулирует поисковый запрос. Для магазина человек — это постоянно меняющийся клубок потребностей, триггеров и импульсов, которые нужно просчитать и монетизировать.

Пример. Алина закинула в корзину белые кроссовки и забыла про них, но уже завтра приходит пуш со скидкой 15% на ту самую пару. Максим пару раз кликнул на палатки ради любопытства, и вот уже 30 дней вся его лента забита спальниками и горелками. Нейросеть запомнила один-единственный клик и будет упрямо водить мужчину по туристическим тропам еще месяца три, пока он наконец не сдастся и не купит походный котелок.

Как нас видит ИИ автосалона: комплектация под кошелек

Современный авторынок активно переходит на общение через умных чат-ботов. Внедрение виртуальных помощников в дилерских сетях стало главным трендом автоматизации продаж. ИИ здесь выполняет роль мгновенного конфигуратора, подбирающего идеальный автомобиль под заданные параметры.

Клиенту больше не нужно тратить часы на изнурительные разговоры с менеджерами, выслушивая рассказы про динамику разгона или статусность модели. Достаточно написать в чат-бот автосалона и описать желаемую комплектацию машины и бюджет. ИИ мгновенно сопоставит информацию и выдаст подходящие варианты. Романтика дальних путешествий и блеск нового кузова остаются для рекламных буклетов — робот видит в вас покупателя конкретного пакета опций.

Как ИИ автосалона видит покупателя автомобиля:

• общая сумма, которую клиент готов потратить на покупку;

• готовность к оформлению автокредита и условия по нему;

• критически важные параметры и технические требования к машине;

• оптимальное сопоставление желаний покупателя с реальным бюджетом.

Пример. Сергей открывает чат-бот на ночь глядя и пишет: «Ищу семейную машину, багажник побольше, бюджет 2,5 миллиона рублей». Всего через минуту бот выкатывает несколько отличных вариантов, сразу с графиком платежей и ценой за его старое авто по трейд-ину. Дальше виртуальный менеджер задает всего два вопроса: «Сколько у вас детей?» и «Как часто выбираетесь на дачу?» Пара секунд — и огромный каталог сужается до двух идеальных моделей для большой семьи.

Как нас видит ИИ агентства недвижимости: расчет вместо мечты

Похожая трансформация произошла и на рынке недвижимости. Интеллектуальные боты крупных агентств и девелоперов научились самостоятельно рассчитывать сложные ипотечные программы. Клиенту больше не приходится ждать часами, пока брокер сделает запросы в разные банки.

Нейросеть мгновенно оценивает первоначальный взнос, текущий доход и соотносит их с требованиями сотен партнерских программ. Примечательно, что люди с абсолютно одинаковой зарплатой могут получить совершенно разные условия.

Как ИИ агентства недвижимости видит ипотечника:

• кредитная история и надежность заемщика;

• трудовой стаж путем сравнения непрерывного периода работы на последнем месте;

• скрытые обязательства в виде недокументированных финансовых рисков и сторонних долгов.

Пример. Дмитрий и Антон работают в одном отделе, оба получают зарплату в 150 000 рублей и даже присмотрели квартиры в одном ЖК. Первому одобряют ипотеку под 18%, а второму — под 19,5%. Дело в том, что у Антона в кармане лежит кредитка на 500 000 рублей. Мужчина ей не пользуется, но алгоритм видит в этом риск. За несколько секунд умная система перебрала десятки скрытых параметров — от истории платежей до текущей долговой нагрузки заемщика. Менеджеру банка осталось лишь озвучить готовое решение.