Debesija, daiktų internetas, atviroji bankininkystė, dirbtinis intelektas, mašininis mokymasis, didieji duomenys ir duomenų mokslas. Šiuos ir dar daug kitų terminų dabar dažnai galima išgirsti kalbant apie finansinių paslaugų industriją. Žodžiai gražūs, bet ar žinome, kas po jais slepiasi?
Debesija, daiktų internetas, atviroji bankininkystė, dirbtinis intelektas (DI), mašininis mokymasis (MM), didieji duomenys ir duomenų mokslas. Šiuos ir dar daug kitų terminų dabar dažnai galima išgirsti kalbant apie finansinių paslaugų industriją. Žodžiai gražūs, bet ar žinome, kas po jais slepiasi?
Taip, nutuokiame, kad visa tai reikalinga norint dorotis su milijonais gigabaitų duomenų, kuriuos kasdien sugeneruojame. Suskaičiuota, kad net 90 proc. visų duomenų buvo sugeneruota per pastaruosius dvejus metus.
Asociatyvi „Pixabay“ nuotr.
Dalis visų šių gigabaitų buvo sukurta finansų industrijos: e. bankininkystė, e. atsiskaitymai, mobiliosios programėlės ir dar daug visko, apie ką net ir nepagalvotum. Įmones šiame sektoriuje tiesiog užvertė minėtų duomenų lavina. Ir čia, kaip ir bet kuriame kitame (beveik) sektoriuje, pasirodė DI, kuris iš sosto išvertė tradicinę duomenų analizę iš esmės ir sukėlė perversmą.
Apie tai, kokį vaidmenį DI vaidina „FinTech“, su kokiais iššūkiais pastaruoju metu susiduria įmonės šioje rinkoje ir kokia „FinTech“ ekosistemos ateitis kalbamės su bendrovės „Mambu“ vyresniuoju duomenų mokslininku KTU Matematikos ir gamtos mokslų fakulteto alumnu Mariumi Vileiniškiu.
– Be abejonės, DI pakeitė ir vis dar keičia finansų ir FinTech sektorių. DI įdarbinamas užkirsti kelią pinigų plovimui ir kitokiam sukčiavimui, vertinti riziką, spartinti suteikiamas paslaugas ir t.t. Mariau, kuo šį sąrašą galėtume papildyti?
– Viena iš sričių, kuri yra labai populiari tarp galutinių vartotojų – tai personalizavimas, t. y. produkto/funkcionalumo pritaikymas pagal individualaus vartotojo poreikius ar jo naudojimosi paslauga braižą. Iš esmės, pritaikymo tematikas galima būtų suskirstyti į dvi dideles grupes: tai, kas tiesiogiai naudinga „FinTech“ bendrovėms optimizuojant veiklą ir tai, kas tiesiogiai naudinga galutiniams vartotojams (kas, vis tiek, sugrįžta nauda „FinTech“ įmonėms).
– Panašu, kad spektras – išties platus. Kuris DI naudojimo scenarijus jums pačiam įdomiausias?
– Man įdomiausias – minėtas personalizavimas. Vienas iš scenarijų, kuris ženkliai palengvina naudojimosi patirtis, tai programėlių naudojimo analizė ir personalizuoto turinio ar net pačios programėlės išvaizdos / funkcionalumo personalizavimas. Taip pat finansinių produktų personalizavimas ir savalaikis jų pasiūlymas vartotojui.
Jeigu aš programėlėje naršau ir domiuosi informacija apie kreditines korteles, tikriausiai nėra labai tikslinga siųsti man reklamą su būsto paskolos informacija. Geriau per artimiausias kelias valandas išsiųsti papildomos informacijos apie kreditines korteles, pasiūlyti keletą pasirinkimų, kurie tiktų man, pavyzdžiui, pagal mano finansinių transakcijų istoriją.
– Šiandieniame, COVID-19 pandemijos, kontekste verslai susidūrė su įvairiais iššūkiais. Ar padėjo DI dorotis „FinTech“ sektoriui su šiais iššūkiais? Ir kaip?
– Pandemijos kontekste pirmieji geriau susitvarkė sektoriai, kurie laiku įvykdė savo procesų skaitmenizavimą.
Kaip žinia, „FinTech“ sektorius labai stipriai pasiruošęs technologiškai: ne tik teikti savo paslaugas vartotojams, bet taip pat ir organizuoti savo darbus.
Dalis tradicinių verslų, teikiančių finansines paslaugas, arba prarado savo klientus, arba smarkiai sugadino jų patirtis, kuomet nebeliko galimybės teikti kokybiškų paslaugų, kurioms reikalingas tiesioginis kontaktas, ir buvo bandoma greituoju būdu įvykdyti tų paslaugų skaitmenizavimą.
Pavyzdžiui, norint atsidaryti sąskaitą banke, dažniausiai reikia pateikti asmens tapatybę patvirtinantį dokumentą, supildyti krūvas formų ir visa tai daryti nuvykus į banko filialą. Kaip tą padaryti COVID-19 pandemijos akivaizdoje? Įmanoma, bet sudėtinga.
Finansinės įstaigos, kurios jau nuo seniau turi sprendimą, kuomet užtenka telefonu nuskenuoti savo asmens tapatybę patvirtinantį dokumentą, pasidaryti asmenukę ir leisti automatizuotiems DI sprendimams atlikti tapatybės tvirtinimą, šias paslaugas ir toliau galėjo teikti be trikdžių.
Šiame kontekste „FinTech“ verslai galėjo dar agresyviau pervilioti klientus į savo pusę, pateikdami internetu lengvai prieinamas paslaugas. O dėl „FinTech“ verslo darbo organizavimo, tai didelė dalis technologijų yra paremta debesijos technologijos principu. Taigi nėra tiek svarbu, iš kur tos technologijos vystomos, tobulinamos ar vartojamos, – jų darbuotojams tiesiog reikia kompiuterio ir interneto ryšio, kad galėtų toliau tęsti savo darbus.
Žinoma, žmogiškasis ryšys, kontaktas ir buvimas kartu su kolegomis yra nepamainomas visų gerovei, bet žinant dabartinę situaciją tiek Lietuvoje, tiek visame pasaulyje, persikėlimas į virtualią erdvę yra neišvengiamas.
– Taigi, iššūkių tikrai būta. O koks didžiausias DI iššūkis, su kuriuo pats susidūrėte „FinTech“ srityje?
– Kaip ir bet kurioje kitoje srityje, norint kurti DI sprendimus, reikalingi didelės apimties ir geros kokybės duomenų rinkiniai.
Finansų sektorius labai smarkiai reguliuojamas ir duomenų apsaugos klausimas čia yra itin svarbus. Be abejo, tai smarkiai apriboja, kokius duomenis galima naudoti DI kūrimui ir nesvarbu, ar tai naujai besikuriantis „FinTech‘as“, ar šimtus metų dirbanti finansinė įstaiga.
Vienas iš iššūkių dažnai būna užmaskuoti/agreguoti ar kažkaip kitaip transformuoti duomenis, kad reguliaciniai reikalavimai būtų patenkinti, bet duomenys neprarastų informacijos ir prasmės kuriamiems sprendimams.
Dar vienas iššūkis, dažnai kylantis su DI panaudojimu „FinTech“ srityje, yra sukurtų sprendimų etikos klausimas ir rezultatų paaiškinamumas.
Dažnai kuriami sprendimai turi didelę įtaką galutiniam vartotojui. Įsivaizduokite, pavyzdžiui, automatinį paskolos išdavimo procesą: kaip užtikrinti, kad DI priimtų sprendimą paskolos nesuteikti žmogui, kuris bando prisiimti per didelius finansinius įsipareigojimus; kaip automatizuotą sprendimą, kodėl jo paraiška buvo atmesta, paaiškinti žmogui?
Tai vis dažniau tampa vienu iš faktorių, kodėl „FinTech“ srityje kai kurie sprendimai, paremti DI metodika, pasirodo gerokai vėliau nei kitose srityse, kur teisinis reguliavimas nėra toks stiprus ar nedaro tokios didelės įtakos galutiniam vartotojui.
– O nekalbant apie asmeninę patirtį? Žvelgiant globaliai?
– Globaliai, labai didelė problema yra specialistų, gebančių kurti FinTech sričiai pritaikytus DI sprendimus, trūkumas. Duomenų mokslininkai, mašininio mokymosi specialistai šiuo metu yra labai paklausūs darbo rinkoje, taigi, dažnu atveju, jie renkasi, kur nori dirbti, o ne kas norėtų juos įdarbinti.
Duomenų mokslas ir mašininis mokymasis yra paremtas matematiniais metodais, kurie įgyvendami pasitelkiant kompiuterines technologijas, taigi itin svarbu turėti tvirtą matematinį pagrindą ir jį derinti su gerosiomis programavimo praktikomis. Tokiu būdu tampate labai paklausus specialistas ir atsiveria daug galimybių ne tik Lietuvos, bet ir užsienio darbo rinkoje.
Dar vienas svarbus aspektas yra kuriamo DI sprendimo vertė verslui. Gana dažnai atsitinka taip, kad dėl specialistų, dirbančių su DI, kvalifikacijos trūkumo ar vadovų, kurie turėtų įdarbinti DI savo verslo procesuose, kvalifikacijos trūkumo, sukuriami sprendimai, kurie tik pakenkia verslo rezultatams arba, galiausiai, būna nenaudojami.
Jeigu specialistas neturi tinkamos kvalifikacijos, labai tikėtina, kad sukurtas DI sprendimas veiks gerai tik bandomojoje aplinkoje, bet prasidės problemos, kuomet sprendimas bus perkeltas naudojimui.
Taigi specialistų trūkumą aš įvardinčiau kaip vieną esminių iššūkių, kad DI sprendimai FinTech srityje toliau taip sparčiai augtų, išlaikydami gerą kokybę.
– O kaip DI galėtų keisti „FinTech“ 2021-aisiais? Dar kitais ir dar kitais metais?
– Personalizavimas ir automatizavimas. Kiekvienas vartotojas nori gauti kažką, kas yra sukurta ir pritaikyta būtent jo poreikiams.
Ir, žinoma, kad visi procesai vyktų sklandžiai ir greitai. Jeigu noriu pasiimti vartojimo paskolą, aš nenoriu laukti dviejų dienų, kol paraiška bus patvirtinta ar atmesta. Kaip vartotojas, aš noriu gauti daug pasiūlymų vienoje vietoje ir, žinoma, nenoriu pildyti šūsnies formų.
Sprendimų priėmimo automatizavimas jau ir dabar yra ganėtinai aukšto lygio, tačiau panaudojant DI sprendimus, juos galima pakelti į naują lygmenį, suteikti taip trokštamą asmeninę patirtį ir produktus, pritaikytus kiekvieno individo poreikiams. Visada sunku prognozuoti, kas bus ilguoju laikotarpiu, bet asmeniškai norėčiau, kad būtų pasiektas visų finansinių paslaugų skaitmenizavimas ir DI čia užims esminę rolę sprendimų priėmimo srityje.
– Ką galėtumėte patarti dirbantiems ar svajojantiems dirbti su DI „FinTech“ sektoriuje?
– Patarčiau nebijoti eksperimentuoti, turėti kantrybės ir galvoti apie galutinį vartotoją bei apie tai, kaip DI sprendimai pakeis jo patirtis.
Jeigu pirmas aspektas yra dažniausiai duotybė žmonėms, dirbantiems su DI sprendimais, tai su kitais dviem aspektais dažnai būna atvirkščiai. Visada norisi greitų rezultatų ir dažnai pamirštama, kad DI sprendimai kuriami pagerinti vartotojui paslaugas ir patirtis. Labai retu atveju galutinio vartotojo reikmės sutampa su DI kūrėjo asmeniniais poreikiais ir lengva „nuklysti į lankas“ bei sukurti produktą, kuris bus niekam nereikalingas.
Kalbėjosi Gabija Valiukienė
