Finansinės technologijos (FinTech) atveria vis daugiau galimybių dinamiškam ir nuolat besikeičiančiam finansų sektoriui. Visi rodikliai patvirtina, kad investicijos į FinTech – naujas technologijas, galinčias tobulinti ir automatizuoti finansines paslaugas – didėja ir tikimasi, kad 2020 m. jos viršys 30 milijardų JAV dolerių. 
Finansinės technologijos (FinTech) atveria vis daugiau galimybių dinamiškam ir nuolat besikeičiančiam finansų sektoriui. Visi rodikliai patvirtina, kad investicijos į FinTech – naujas technologijas, galinčias tobulinti ir automatizuoti finansines paslaugas – didėja ir tikimasi, kad 2020 m. jos viršys 30 milijardų JAV dolerių.
Asociatyvi nuotr.
„FinTech verslui padeda sutaupyti darbo sąnaudų bei pagerinti jų teikiamų paslaugų kokybę. Svarbu tik pasirinkti teisingus įrankius“, – apie FinTech plėtrą svarsto KTU Matematikos ir gamtos mokslų fakulteto (MGMF) docentė Kristina Šutienė.
Pasak mokslininkės, yra keletas tendencijų, į kurias vertėtų atkreipti dėmesį ir išnaudoti jų teikiamas galimybes.
Veiklai efektyvinti – procesų automatizavimas
Verslo procesų automatizavimas buvo ir yra viena iš FinTech proveržio priežasčių finansų sektoriuje. Iš esmės, pasak K. Šutienės, procesų automatizavimas – tai programiniai robotai (kompiuterio programos), kurios sukurtos taip, kad atkartotų kasdienius žmogaus atliekamus veiksmus.
Jie ne tik palengvino žmonių darbą įvairiuose pramonės sektoriuose, bet jau persikėlė į biurus ir atlieka tokias tipines bei nesudėtingas užduotis kaip duomenų surinkimas, paraiškų apdorojimas, informacijos perkėlimas į tam tikras ataskaitas, automatinis laiškų siuntimas, sisteminės informacijos atvaizdavimas ir pan.
„Dalį krūvio perdavus kompiuterio programoms sumažėja darbuotojų rutininis krūvis ir daugiau laiko lieka kūrybiniam darbui bei susitelkti į svarbiausias užduotis, − visam tam, kas sudaro sąlygas verslui augti ir plėstis“, – apie procesų automatizavimą pasakoja docentė.
Automatinių technologijų panaudojimas turi ir daugiau privalumų. Pasak mokslininkės, šių technologijų panaudojimas leidžia efektyvinti ir gerinti klientų aptarnavimą bei bendradarbiavimą su partneriais, sumažinti veiklos sąnaudas, pagerinti kokybę ir atlikti operacijas 24/7 realiuoju laiku.
„Verslo procesų automatizavimas finansų sektoriuje pasiteisino dar ir dėl to, kad šis sektorius yra griežtai reguliuojamas ir jam keliami aukšti saugumo, skaidrumo ir duomenų kokybės reikalavimai. Tad programinių robotų diegimas sudaro sąlygas šias prielaidas įgyvendinti“, – vardija K. Šutienė.
Sutaupomi trilijonai
Nors robotinis procesų automatizavimas daro įtaką daugeliui skirtingų pramonės sričių, tačiau manoma, kad artimiausiu metu didžiausią naudą jos atneš būtent finansines paslaugas teikiančioms institucijoms, tokioms kaip bankai, kreditavimo įmonės ir draudimo bendrovės.
„Turima patirtis rodo, kad tinkamai automatizuojant procesus, išlaidas galima sumažinti 10–25 procentų, o kai kuriais atvejais investicinė grąža gali siekti net 50 procentų“, – įspūdingus skaičius įvardija K. Šutienė.
Atvirojo kodo didžiųjų duomenų apdorojimo sistemos „Hadoop“ tyrėjai vertina, kad iki 2025 metų robotinis procesų automatizavimas leis sutaupyti nuo 5 trilijonų iki 7 trilijonų JAV dolerių. Manoma, jog būtent automatizavimas ir taps finansinių paslaugų sektoriaus augimo strategija.
Išmanioji virtuali darbo jėga
Panašu, kad robotiniu procesų automatizavimu tikrai neapsiribosime. Pasak matematikės, sujungę dirbtinio intelekto (DI) sprendimus, didžiuosius duomenis, duomenų mokslą ir programinius robotus, kursime tai, ką galima pavadinti išmaniuoju automatizavimu, arba, dar iškalbingiau, išmaniąja virtualia darbo jėga.
„Esamų klientų aptarnavimas ir jų lojalumo, mokumo ar pomėgių stebėsena; įmonių atskaitomybės ir finansinių operacijų automatizavimas su galimybe prognozuoti įmonės finansinę sveikatą; fizinių klientų rizikos vertinimas išduodant paskolas ir kreditavimo proceso automatizavimas; apgaulingų transakcijų identifikavimas iš vykdomų finansinių operacijų; faktoringo efektyvinimas vertinant klientų rizikingumą finansuojant jų sąskaitas; ir daugelis kitų“, – pavyzdžius vardija K. Šutienė.
Finansų sektorius ypatingas dar ir tuo, kad finansines paslaugas teikiančioms įmonėms tenka išpildyti reguliuotojų lūkesčius bei jų keliamus reikalavimus, kurie, būdami pakankami reiklūs ir griežti, siekia užkardyti rizikas finansų sistemoje, įskaitant ir sudėtingą kovą su pinigų plovimu.
„Vis dažniau įsitikinama, kad DI, veikiantis „juodosios dėžės“ principu, netinka reguliuojamoms finansinėms paslaugoms. Todėl vis didesnę svarbą įgauna paaiškinamasis dirbtinis intelektas (angl. Explainable Artificial Intelligence), kuris, tikėtina, taps vienu svarbiausiu FinTech elementu“,– dar vieną svarbią tendenciją mini K. Šutienė.
Dėl tikslaus apibrėžimo vis dar nėra sutarta, bet paprastai kalbant, DI paaiškinamumas leidžia geriau suvokti, kas yra pagrindiniai veiksniai, kuriais remiantis modelis gauna sprendimą. Iš kitos pusės, atitiktis teisės ir reguliavimo reikalavimams, teisingumas, skaidrumas, etika ir nešališkumas – tai, kas pirmiausiai yra paaiškinamojo DI užduotis.
„Nepakankamas DI ir mašininio mokymo (MM) metodų aiškumas ir patikrinamumas gali tapti makrolygmens rizika, todėl itin rizikai jautriam finansų sektoriaus verslui reikia į tai atkreipti dėmesį“, – pabrėžia mokslininkė.
Kad mechanizmas suktųsi, reikia matematinių metodų
Šiai dienai vis labiau populiarėja Shapley koeficientai, kurie leidžia geriau suprasti, kokiais duomenimis remiantis DI priima sprendimą, bet šioje srityje dar daug reikia padirbėti tobulinant metodus, paaiškinančius, kaip veikia „juodosios dėžės“ modeliai.
Pasak K. Šutienės, ši svarbi užduotis tenka matematikams (finansinių technologijų matematinių metodų specialistams) – matematinių metodų kūrimas ir taikymas, sukurtų modelių patikra ir patikimumo vertinimas, metodų integracija, duomenų apdorojimas ir paruošimas analizei.
„Naujos tendencijos diktuoja ir specialistų paklausą. Norint susidoroti su sudėtingiausiais uždaviniais, kylančiais besikeičiančiose finansų rinkose, neužtenka išmanyti vien finansinių aspektų, reikia įvaldyti DI, MM, algoritmizavimą ar duomenų mokslą. Tokios, bent kol kas, yra tendencijos“, – įsitikinusi matematikė.
