Sektor finansowy to obszar, wobec którego klienci mają szczególnie wysokie wymagania. Podobnie wysokie są wymagania i oczekiwania sektora finansowego wobec rozwiązań bazujących na sztucznej inteligencji, która podbija banki inteligentnymi rozwiązaniami chatbotowymi. Machine Learning (ML) to potężna broń w walce z zagrożeniami i ryzykiem w bankowości. O wyzwaniach i możliwościach, jakie dają algorytmy sztucznej inteligencji, rozmawiamy z Piotrem Kubicą, specjalistą Machine Learning z JCommerce, pracującym dla ING Banku Śląskiego.

W Wielkiej Brytanii dwie trzecie banków korzysta z rozwiązań Machine Learning, a rozwiązania bazujące na sztucznej inteligencji na całym świecie wyznaczają nowe kierunki rozwoju sektora bankowego. Machine Learning to jeden z głównych trendów technologicznych, które warto uważnie obserwować w 2020 roku. Jak każda technologia uczenie maszynowe niesie ogromne możliwości, ale także wyzwania. Czym Machine Learning różni się od tradycyjnego programowania, jakie zagrożenia można wyeliminować z jego pomocą i jak ta technologia buduje nowe standardy w bankowości? Rozmawiamy o tym z programistą Machine Learning Piotrem Kubicą, który rozwija rozwiązanie wykorzystywane przez ING Bank Śląski.

Zacznijmy od tego, co prawdopodobnie najbardziej interesuje przedstawicieli sektora finansowego. Jakie są Twoim zdaniem główne korzyści ze stosowania Machine Learning w bankowości?

– Sądzę, że na pewno podstawowym celem, do którego dążą wszystkie przedsiębiorstwa, jest maksymalizacja zysków i obniżenie kosztów. I w obu tych przypadkach ML jest w stanie pomóc. Najpopularniejsze zastosowanie Machine Learning w tej chwili to personalizacja reklam, dąży się tu właśnie do maksymalizacji zysków poprzez zwiększenie sprzedaży, podpowiadając produkty dopasowane do konkretnego użytkownika. Oprócz tego Machine Learning wspomaga minimalizację kosztów poprzez automatyzację powtarzalnych procesów.

W kontekście automatyzacji – tutaj też często pojawiają się takie głosy, że kiedyś wszystko będzie zautomatyzowane… Czy w przyszłości wszystkie procesy będzie można zautomatyzować?

– Sądzę, że dopóki nie będziemy mieć tej generalnej sztucznej inteligencji, która będzie umiała zrobić wszystko (tak jak są przedstawiane roboty humanoidalne na wszystkich filmach Science Fiction) – to u podstaw ML stać będą po prostu: optymalizacja, matematyka, cyfry i to, jak te programy, algorytmy są napisane. W tej chwili to ludzie o tym decydują. Więc te programy są na tyle dobre, na ile dobrze zostaną napisane przez ludzi. Jednak ten obszar cały czas się rozwija i z czasem będziemy w stanie rozwiązywać coraz trudniejsze problemy. Natomiast czy wszystkie? Myślę, że nie.

Czego sektor bankowy i finansowy oczekują od Machine Learning? Mówisz o tym, jak ważna jest optymalizacja kosztów.

– Myślę, że sektor bankowy wiele oczekuje od Machine Learning. Obecnie wszystkie organizacje dążą do tego, by być „data-driven”, czyli napędzane przez dane. W przypadku sektora bankowego i finansowego, o którym wspomniałaś, ważna jest też kwestia regulatora. Mamy Komisję Nadzoru Finansowego, która nie na wszystko w tej chwili jeszcze wyraża zgodę. Machine Learning jest na tyle nowy, że czasami są stosowane algorytmy, które nie są w prosty sposób zrozumiałe.

W jakich sytuacjach sprawdzi się Machine Learning?

– Na przykład do decyzji kredytowych ML nadaje się świetnie. Natomiast zgodę na używanie Machine Learning w pierwszej kolejności musi wydać nasz regulator. Obecnie do tego celu są wykorzystywane tradycyjne modelowanie ryzyka kredytowego, tradycyjna ocena, statystyka, modele regułowe. Natomiast Machine Learning pojawia się też w wielu innych dziedzinach bankowości, finansów – na przykład w personalizacji ofert, o której mówiliśmy wcześniej. To bardzo ważne, żeby trafiać z odpowiednią ofertą do klientów.

Czyli głównie aspekt marketingowy?

– Nie tylko. Myślę, że obecnie jest to najbardziej rozwinięta część, ale w tej chwili także mocno rozwijają się rozwiązania bazujące na przetwarzaniu tekstu, czyli np. automatyzacja obsługi dokumentów. Myślę, że przyszłością będzie też automatyzacja procesów obsługi klienta poprzez zastosowanie chatbotów i voicebotów.

W jaki sposób Sztuczna Inteligencja wspiera konsultantów w bankowości? Mam na myśli głównie obsługę klienta.

– W banku jest stosowane rozwiązanie chatbotowe, które pozwala klientom rozwiązywać problemy samodzielnie, bez konieczności kontaktu z człowiekiem. Można w ten sposób uzyskać odpowiedzi na jakieś prostsze pytania, które często się pojawiają. Nie ma konieczności czytania regulaminów czy sekcji często zadawanych pytań. Myślę, że to może też z powodzeniem działać w drugą stronę. Konsultanci mogą wykorzystywać taką bazę wiedzy w momencie, gdy klient dzwoni na infolinię. Nie muszą posiadać pełnej wiedzy – mogą w danym momencie rozmowy z klientem znaleźć informację w szybszy sposób i dzięki temu obsługa staje się efektywniejsza.

A jeśli chodzi o User Experience klientów?

– Bot nie jest w stanie odpowiedzieć na wszystkie pytania, na pewno nie na te najbardziej niestandardowe. Część ludzi jednak nie zdaje sobie sprawy, że rozmawia z botem. Bo odpowiedzi chatbotów są przygotowywane w taki sposób i są na tyle dobre, że nie sposób wychwycić różnic przy prostych pytaniach.

To ciekawe w kontekście testów Turinga. Wiele firm zmagało się z tym, by przejść je pomyślnie.

– Rok czy dwa lata temu miała miejsce konferencja Google AI. Dość popularny był krążący w sieci film, na którym bot umawiał klientkę, użytkowniczkę smartphone’a, do fryzjera. Widzimy na nim, jak asystent Google sam dzwoni i umawia na taką wizytę, znając konkretne plany, mając wgląd do kalendarza. Wypadło to super, na konferencji wszyscy bili brawa. Natomiast teraz wychodzą informacje, że 70 procent rozmów podobno i tak jest śledzonych czy przejmowanych przez ludzi. Tak że to jest wszystko kontrolowane czy douczane w fazie testów. Nie jest to tak doskonałe rozwiązanie, jak by sobie wszyscy tego życzyli.

W jaki sposób ML wspiera procesy bezpieczeństwa? I wszystkie procesy mające na celu zapobieganie wykradaniu danych czy identyfikację użytkowników?

– Możliwości jest dużo, jeżeli chodzi o wykorzystanie Machine Learning do identyfikacji użytkowników. Każdy użytkownik ma swój sposób zachowywania się na stronie. To podejście behawioralne, które jest w stanie identyfikować użytkownika. Potencjał w samej ochronie danych niekoniecznie widzę, natomiast w samym rozpoznawaniu użytkowników – już tak. Tworząc model dla każdego użytkownika i sprawdzając, jak dana osoba zachowuje się na różnych środowiskach, używając telefonu czy komputera. Machine Learning byłby w stanie odróżnić danych użytkowników. Pytanie, jak dobrze by coś takiego działało.

Biometryka behawioralna, o której mówisz, to ciekawe zagadnienie. Często stosuje się również bankowość biometryczną. Klient dzwoni do banku, chce odblokować konto i system może rozpoznać go po głosie. W jaki sposób to działa?

– To ciekawa kwestia, odcisk palca, tęczówkę czy głos mamy niepowtarzalne. Do rozpoznawania ich także, według mojej wiedzy, stosuje się Machine Learning. W przypadku, gdy chcemy odblokować nasze konto głosem, musimy wcześniej nauczyć model naszego głosu, tak by później był w stanie z dużą dozą prawdopodobieństwa stwierdzić, że jesteśmy osobą, za którą się podajemy.

Rozmawialiśmy o korzyściach i możliwościach Machine Learning, a jakie są największe wymagania i zagrożenia w tym obszarze?

– Także zagrożenia na pewno jakieś są, bo ML ma też pewnego rodzaju słabe punkty, które można wykorzystywać. Ale tu znowu zacznie się – czy nawet już się zaczyna – wojna na zbrojenia. Tak jak istnieją zabezpieczenia w kwestii IT, tak samo będą zabezpieczenia przed wykorzystywaniem luk w modelach.

Jakie luki w modelach masz na myśli?

– Co stoi na przeszkodzie, żeby wyszkolić model na podstawie głosu klienta, który będzie w stanie podać się za niego w banku i na podstawie kilku minut konwersacji odtworzyć go? Firma IBM już opublikowała badania mówiące, że na podstawie 5 minut są w stanie odtworzyć czyjś głos. I chyba już taki przypadek był we wrześniu 2019 roku. Mam na myśli social hacking z użyciem Sztucznej Inteligencji, gdzie wyłudzono grube miliony.

Jak do tego doszło?

– Sztuczna Inteligencja nauczyła się głosu prezesa firmy i nakłoniła wiceprezesa jakiejś firmy do przelania kwoty na inny rachunek. To jest właśnie swoisty wyścig zbrojeń, walka na coraz lepsze modele. Czyli jest model, który się uczy rozpoznawać twój głos, i tworzymy później sieć, która się uczy twojego głosu i podszywa pod twój głos. Następnie powstaje model, który później będzie rozróżniać twój sztuczny głos, wygenerowany, od twojego prawdziwego głosu.

Machine Learning i gromadzenie danych na pewno rodzi też pytania o to, czy nasze dane są bezpieczne.

– To zależy. Sam Machine Learning wykorzystuje dane, które muszą być gdzieś przechowywane. Modele ML nie przechowują danych, przechowują natomiast pewne sposoby, reguły, wagi czy też miejsca podziału podejmowania decyzji. Także sam moment przechowywania danych jest tutaj ważny – ja się tym nie zajmuję, trzeba by pytać specjalistów od bezpieczeństwa przechowywania danych. Natomiast w procesie uczenia my wykorzystujemy dostępne dane, które są zabezpieczone i później wszystkie procesy tworzenia aplikacji już muszą być zgodne z tymi wymogami bezpieczeństwa.

Jakie są realne zagrożenia i jak im przeciwdziałać?

– Są ciekawe przykłady, jak można oszukać sieć neuronową na podstawie zmiany jednego piksela w obrazku. Jest dużo możliwości, wiele rzeczy, na które trzeba zwrócić uwagę podczas modelowania. Ale na pewno bardzo wiele kwestii będzie się pojawiać, w miarę jak ta dziedzina będzie się rozwijać. Bo tak jak wspominałaś, ta branża jest w miarę nowa, więc wiele jest jeszcze do odkrycia, nie wszystko jest dokładnie zdefiniowane, np. to, jak powinno się tworzyć procesy Machine Learning. Nie ma jednej drogi, sztywnego schematu – i z tego powodu jest to ciekawe. W pracy programisty Machine Learning bardzo często trzeba siąść i zastanowić się, jak daną rzecz zrobić dobrze, jak nie dopuścić do przecieku istotnej informacji do zbioru uczącego…

Jeżeli chodzi o takie zastosowania Machine Learning w bankowości – co Ty byś osobiście uznał za największe osiągnięcie tej dziedziny?

– Zapobieganie kradzieżom. Ta kwestia często się pojawia. Niektórzy użytkownicy mają z tym co prawda negatywne doświadczenia. Próbują zapłacić za coś kartą i okazuje się, że ich karta zostaje zablokowana. Następnie jest telefon z banku: „Czy na pewno to pani / pan wykonuje transakcje?”. No i to jest ten przypadek nietrafiony.

Zły User Experience. Natomiast w słusznej wierze.

– To się dzieje wszystko w słusznej wierze, żeby nie dopuścić do sytuacji, że ktoś wykorzystuje twoją kartę w niecnym celu. Wcześniej stosowano tu modele regułowe. Chodzi o takie przypadki, gdy o 16 ktoś robi zakupy w Katowicach, a o 18 w Moskwie. To niemożliwe, aby pokonać taki dystans i tak szybko się przemieścić fizycznie samolotem.

A teraz tych metod już się nie stosuje?

– Wydaje mi się, że wchodzą modele hybrydowe – i to też jest bardzo ciekawe rozwiązanie. Połączenie Machine Learningu z modelami regułowymi, gdzie Machine Learning pozwala wyciągnąć jeszcze jakieś dodatkowe przypadki, których ludzie nie potrafili zdefiniować albo czegoś nie wiedzieli.

Co wnosi Machine Learning w takich sytuacjach?

– W takich przypadkach Machine Learning może wykryć dodatkowe scenariusze, które nie były brane pod uwagę. Ale może też ograniczyć właśnie takie fałszywe przypadki, jak omówiony wcześniej – czyli te modele regułowe mogą wywoływać za dużo tzw. false positive’ów. To znaczy tych przypadków, o których model myślał, że są kradzieżą, a w praktyce nie były. Pozwala więc zredukować właśnie liczbę tych przypadków, które są dla użytkownika próbującego dokonać transakcji niezrozumiałe. Celem blokady karty jest niedopuszczenie do kradzieży – a to nie jest nic przyjemnego. Porównując, na pewno jest to „mniej przyjemne”, niż odblokowanie później karty.

Dziękuję za rozmowę!

Rozmówca:

Machine Learning Engineer w JCommerce. Lubi rozwiązywać problemy, tworząc wartość dodaną dla klienta. Współtworzy innowacyjne rozwiązania oparte na uczeniu maszynowym dla firm z sektora FinTech. W wolnym czasie lubi napić się dobrej kawy i pograć w gry komputerowe (głównie RTS-y). Amator windsurfingu i jazdy na nartach.

Dodaj komentarz

Skontaktuj się z nami

Chcesz dowiedzieć się więcej o naszych usługach? Napisz do nas – odpowiemy na każdą wiadomość.

Niniejszym wyrażam zgodę na przetwarzanie przez JCommerce Sp. z o.o. moich danych osobowych (dalej „dane osobowe”), takich jak: imię i nazwisko, adres e-mail, nr telefonu, firma, w celach handlowych.
Niniejszym wyrażam zgodę na przetwarzanie przez JCommerce Sp. z o.o. moich danych osobowych (dalej „dane osobowe”), takich jak: imię i nazwisko, adres e-mail, nr telefonu, firma, w celach marketingowych.
Niniejszym wyrażam zgodę na przetwarzanie przez JCommerce Sp. z o.o. moich danych osobowych (dalej „dane osobowe”), takich jak: imię i nazwisko, adres e-mail, nr telefonu, firma w celach rekrutacyjnych.
Niniejszym wyrażam zgodę na przetwarzanie przez JCommerce Sp. z o.o. moich danych osobowych (dalej „dane osobowe”), takich jak: imię i nazwisko, adres e-mail, nr telefonu, firma na potrzeby przyszłych rekrutacji.
W związku z obowiązującymi przepisami dotyczącymi ochrony danych osobowych tj. Ustawą o ochronie danych osobowych z dnia 10 maja 2018 roku, jak również treścią Rozporządzenia Parlamentu Europejskiego i Rady (UE) 2016/679 z dnia 27 kwietnia 2016 r. w sprawie ochrony osób fizycznych w związku z przetwarzaniem danych osobowych i w sprawie swobodnego przepływu takich danych oraz uchylenia dyrektywy 95/46/WE (RODO), informujemy, że: 1. Administratorem danych osobowych jest JCommerce Sp. z o.o. z siedzibą w Katowicach, ul. Ściegiennego 3, 40-114 Katowice (KRS: 00007393418).
2. Powyższe dane osobowe przetwarzane będą przez JCommerce Sp. z o.o. – w zależności od udzielonych przez Panią/Pana zgód (podstawa prawna przetwarzania: art. 6 ust. 1 pkt a) RODO):
• w celach handlowych,
• w celach marketingowych,
• w celach rekrutacyjnych;
• w celach przyszłych rekrutacji.
3. Podanie powyższych danych osobowych nie jest wymogiem ustawowym, umownym lub warunkiem zawarcia umowy. Nie jest Pan/Pani zobowiązany/a do podania powyższych danych osobowych, jednak brak ich podania uniemożliwi realizacje ww. celu.
4. Posiada Pan/ Pani prawo dostępu do treści swoich danych, w tym otrzymania ich kopii i ich sprostowania, usunięcia, ograniczenia przetwarzania, prawo do przenoszenia danych, prawo do sprzeciwu wobec przetwarzania, prawo do cofnięcia zgody w dowolnym momencie, jeśli została udzielona. Wycofanie zgody nie wpływa jednak na zgodność z prawem przetwarzania, którego dokonano na podstawie zgody przed jej wycofaniem; oświadczenie o cofnięciu zgody na przetwarzanie danych osobowych należy złożyć w siedzibie JCommerce Sp. z o.o. lub przesłać na adres mailowy zgody@jcommerce.pl. Cofnięcie zgody na przetwarzanie danych osobowych skutkuje brakiem możliwości realizacji ww. celów przetwarzania;
5. Dane osobowe są udostępniane przez JCommerce Sp. z o.o. upoważnionym pracownikom i osobom współpracującym z JCommerce Sp. z o.o. na podstawie umów cywilnoprawnych, przez których realizowany jest cel przetwarzania;
6. Wszelkie pytania dotyczące ochrony danych osobowych oraz realizacje przysługujących praw, prosimy kierować na adres odo@jcommerce.pl;
7. W zależności od udzielonej zgody, dane osobowe będą przetwarzane przez czas niezbędny do realizacji ww. celów przetwarzania. W przypadku wniesienia sprzeciwu, JCommerce Sp. z o.o. przestanie przetwarzać Pani/Pana dane w ww. celu, chyba że będzie w stanie wykazać, że w stosunku do tych danych istnieją ważne prawnie uzasadnione podstawy, które są nadrzędne wobec Pana/Pani interesów, praw i wolności, lub niezbędne do ewentualnego ustalenia, dochodzenia lub obrony roszczeń;
8. Nie przekazujemy Pani/Pana danych poza teren Europejskiego Obszaru Gospodarczego oraz do organizacji międzynarodowych.
9. Pani/Pana dane osobowe nie podlegają zautomatyzowanemu podejmowaniu decyzji, w tym profilowaniu.
10. Ma Pani/Pan prawo wniesienia skargi do organu nadzorczego gdy uzna Pan/Pani, iż przetwarzanie ww. danych osobowych narusza przepisy ogólnego rozporządzenia o ochronie danych osobowych z dnia 27 kwietnia 2016 r.
Niniejszym wyrażam zgodę na przetwarzanie przez JCommerce Sp. z o.o. moich danych osobowych (dalej „dane osobowe”), takich jak: imię i nazwisko, adres e-mail, nr telefonu, firma, w celach handlowych.
Niniejszym wyrażam zgodę na przetwarzanie przez JCommerce Sp. z o.o. moich danych osobowych (dalej „dane osobowe”), takich jak: imię i nazwisko, adres e-mail, nr telefonu, firma, w celach marketingowych.
Niniejszym wyrażam zgodę na przetwarzanie przez JCommerce Sp. z o.o. moich danych osobowych (dalej „dane osobowe”), takich jak: imię i nazwisko, adres e-mail, nr telefonu, firma w celach rekrutacyjnych.
Niniejszym wyrażam zgodę na przetwarzanie przez JCommerce Sp. z o.o. moich danych osobowych (dalej „dane osobowe”), takich jak: imię i nazwisko, adres e-mail, nr telefonu, firma na potrzeby przyszłych rekrutacji.
W związku z obowiązującymi przepisami dotyczącymi ochrony danych osobowych tj. Ustawą o ochronie danych osobowych z dnia 10 maja 2018 roku, jak również treścią Rozporządzenia Parlamentu Europejskiego i Rady (UE) 2016/679 z dnia 27 kwietnia 2016 r. w sprawie ochrony osób fizycznych w związku z przetwarzaniem danych osobowych i w sprawie swobodnego przepływu takich danych oraz uchylenia dyrektywy 95/46/WE (RODO), informujemy, że: 1. Administratorem danych osobowych jest JCommerce Sp. z o.o. z siedzibą w Katowicach, ul. Ściegiennego 3, 40-114 Katowice (KRS: 00007393418).
2. Powyższe dane osobowe przetwarzane będą przez JCommerce Sp. z o.o. – w zależności od udzielonych przez Panią/Pana zgód (podstawa prawna przetwarzania: art. 6 ust. 1 pkt a) RODO):
• w celach handlowych,
• w celach marketingowych,
• w celach rekrutacyjnych;
• w celach przyszłych rekrutacji.
3. Podanie powyższych danych osobowych nie jest wymogiem ustawowym, umownym lub warunkiem zawarcia umowy. Nie jest Pan/Pani zobowiązany/a do podania powyższych danych osobowych, jednak brak ich podania uniemożliwi realizacje ww. celu.
4. Posiada Pan/ Pani prawo dostępu do treści swoich danych, w tym otrzymania ich kopii i ich sprostowania, usunięcia, ograniczenia przetwarzania, prawo do przenoszenia danych, prawo do sprzeciwu wobec przetwarzania, prawo do cofnięcia zgody w dowolnym momencie, jeśli została udzielona. Wycofanie zgody nie wpływa jednak na zgodność z prawem przetwarzania, którego dokonano na podstawie zgody przed jej wycofaniem; oświadczenie o cofnięciu zgody na przetwarzanie danych osobowych należy złożyć w siedzibie JCommerce Sp. z o.o. lub przesłać na adres mailowy zgody@jcommerce.pl. Cofnięcie zgody na przetwarzanie danych osobowych skutkuje brakiem możliwości realizacji ww. celów przetwarzania;
5. Dane osobowe są udostępniane przez JCommerce Sp. z o.o. upoważnionym pracownikom i osobom współpracującym z JCommerce Sp. z o.o. na podstawie umów cywilnoprawnych, przez których realizowany jest cel przetwarzania;
6. Wszelkie pytania dotyczące ochrony danych osobowych oraz realizacje przysługujących praw, prosimy kierować na adres odo@jcommerce.pl;
7. W zależności od udzielonej zgody, dane osobowe będą przetwarzane przez czas niezbędny do realizacji ww. celów przetwarzania. W przypadku wniesienia sprzeciwu, JCommerce Sp. z o.o. przestanie przetwarzać Pani/Pana dane w ww. celu, chyba że będzie w stanie wykazać, że w stosunku do tych danych istnieją ważne prawnie uzasadnione podstawy, które są nadrzędne wobec Pana/Pani interesów, praw i wolności, lub niezbędne do ewentualnego ustalenia, dochodzenia lub obrony roszczeń;
8. Nie przekazujemy Pani/Pana danych poza teren Europejskiego Obszaru Gospodarczego oraz do organizacji międzynarodowych.
9. Pani/Pana dane osobowe nie podlegają zautomatyzowanemu podejmowaniu decyzji, w tym profilowaniu.
10. Ma Pani/Pan prawo wniesienia skargi do organu nadzorczego gdy uzna Pan/Pani, iż przetwarzanie ww. danych osobowych narusza przepisy ogólnego rozporządzenia o ochronie danych osobowych z dnia 27 kwietnia 2016 r.