Эксперт в области стратегии и внедрения искусственного интеллекта, Полина Ткач, поделилась своим опытом разработки уникальных моделей машинного обучения для финансовых организаций. Она рассказала о сложностях адаптации AI-технологий к бизнес-процессам банков, особенностях работы с международными командами и перспективах развития ИИ в банковском секторе. В интервью она также осветила ключевые факторы успешного внедрения технологий машинного обучения и обсудила этические аспекты применения ИИ в финансах.

В ходе своего опыта Полина столкнулась с рядом вызовов при реализации проектов по внедрению машинного обучения в мобильное банкинг-приложение крупного банка Азербайджана. Ей удалось улучшить продажи кредитных карт на 15% уже через месяц после запуска модели персонализации. Этот успех был достигнут благодаря тщательной координации работы межфункциональной команды специалистов и глубокому погружению в тему, что помогло преодолеть скептицизм и недоверие со стороны участников проекта.

Полина акцентировала внимание на значимости качественных данных, компетентной команды и заинтересованности руководства для успешного внедрения ИИ-технологий. Она подчеркнула важность четкого распределения ролей и метрик эффективности, а также необходимость выбора конкретного бизнес-кейса для достижения быстрых результатов. В рамках одного из проектов ей удалось повысить конверсию в продажу на 20% благодаря интеграции модели Propensity to Buy в колл-центр банка.

Обсуждение барьеров внедрения ИИ выявило проблемы с данными, недостатком компетенций и неготовностью ИТ-инфраструктуры. Полина отметила, что консерватизм банковской культуры часто становится серьезным препятствием. Она предложила методы преодоления этих барьеров, такие как обучение сотрудников, их вовлечение в процесс разработки моделей и демонстрация видимых результатов на пилотных проектах.

При работе над международными проектами Полина уделяла особое внимание культурным особенностям разных стран. Она подчеркнула значение глубокого понимания местной культуры и фокуса на общих ценностях для эффективной коммуникации. Эти навыки помогли ей успешно адаптировать свои методы работы к новым реалиям.

В заключение Полина подчеркнула значимость этических принципов в разработке моделей машинного обучения. Она отметила необходимость защиты персональных данных, отсутствия дискриминации, прозрачности и объяснимости моделей, а также сохранения возможности человеческого вмешательства. Также она предложила прогнозы относительно перспективных направлений применения ИИ в банках, таких как гиперперсонализация, предиктивная аналитика и автоматизация принятия решений в реальном времени.

Начинать внедрение ИИ в финансовый сектор Полина рекомендует с малого, но мыслить масштабно. Выбор конкретного сценария использования и достижение быстрых побед могут убедить скептиков и создать импульс для дальнейших изменений. При этом важно думать о масштабировании и инвестировать в развитие людей, которые будут работать с новыми технологиями.