Штучний інтелект сьогодні стрімко розвивається. На зміну чат-ботам і моделям, які лише аналізують відомості, приходять технології, здатні виконувати складні завдання, такі як: самостійно шукати інформацію, використовувати зовнішні інструменти, діяти за заданими правилами та виконувати послідовність необхідних дій. У сфері фінтеху такі зміни особливо важливі. ШІ-агенти вже можуть аналізувати кредитні заявки, перевіряти дані, взаємодіяти з внутрішніми системами та допомагати ухвалювати фінансові рішення.
Про те, як працюють такі системи на практиці, де ШI-агентам уже можна довірити частину фінансових операцій і які ризики залишаються, розповідає Senior Software Developer Тарас Нагай.
Нагай з 2018 року працює у сфері IT + FinTech + ШI. У 2018-2021 він обіймав посаду Full-Stack Developer на part-time. У 2019-2021 роках – Full-Stack Developer. З 2021 до 2022 – Backend Laravel Developer. З 2022 працює Senior Software Developer. Зараз він займається технічною реалізацією фінтех-рішень – від архітектури та серверної частини до інтеграції ШI-агентів і забезпечення надійності таких систем.
Тарас пояснює, чим автономні системи прийняття рішень принципово відрізняються від класичних моделей, з якими він працював раніше. Традиційна ШІ-модель зазвичай аналізує дані й повертає результат – наприклад, один числовий скор (це числова оцінка, яку система використовує, щоб визначити, наприклад, наскільки клієнт відповідає певним критеріям. У кредитуванні кредитний скор – це число, яке показує ймовірність того, що клієнт поверне кредит). Автономні системи прийняття рішень працюють інакше: вони самі визначають, які інструменти потрібно використати, у якій послідовності, і на основі отриманих даних приймають рішення та пояснюють його.
Розробник розповідає, що працював над сценаріями автономних ШІ-агентів. Один із них – агент андеррайтингу. Він отримує лише номер заявки, сам визначає, які дані та внутрішні системи потрібно перевірити, і в результаті приймає рішення та пояснює його причину.
Для розробки фінтех-продуктів Тарас Нагай використовує стандартний сучасний стек (набір технологій, з яких побудований цифровий продукт): PHP і Laravel для серверної частини, MySQL для роботи з даними, Redis для швидких операцій і черг, а також Vue.js для інтерфейсу. Для складних процесів, які мають виконуватися послідовно та надійно, він застосовує Temporal.
«Щодо ШI, працюю з моделями OpenAI, Anthropic через API. Промпти зберігаю та версіоную в базі, щоб можна було порівнювати різні варіанти й обирати той, який найкраще працює на практиці. Тобто я не прив’язаний до однієї ШI-моделі – можу тестувати різні рішення та обирати оптимальне під конкретне завдання» – каже експерт.
Як агент приймає рішення про видачу кредиту
ШI-агент не повинен самостійно вигадувати суму кредиту, ставку чи інші фінансові параметри. Його завдання – зібрати необхідну інформацію, звернутися до перевірених систем і на основі їхніх результатів прийняти рішення за встановленими правилами.
«Архітектурно ми розділяємо ці процеси. Агент отримує лише ідентифікатор заявки, а далі сам визначає, які внутрішні інструменти потрібно викликати й в якій послідовності. При цьому самі розрахунки виконуються детермінованими системами. Наприклад, доступна сума визначається на основі реальної платоспроможності клієнта – з урахуванням його доходу та вже наявних платежів. Ставка обирається з наперед визначеного діапазону, який також враховує законодавчі обмеження конкретної країни» – пояснює експерт.
Це важливий принцип: ШI може приймати рішення, але не може вийти за межі правил, закладених у систему. Тобто агент фізично не має можливості згенерувати суму чи ставку, яка не відповідає встановленим обмеженням.
Окреме питання – пояснення рішення. У кредитуванні недостатньо просто сказати «схвалено» або «відмовлено». Якщо клієнту відмовляють, кредитор має пояснити конкретну причину. Тому кожне рішення зберігається разом із підставою, версією промпта та інформацією про те, які саме дані й інструменти були використані. Це дозволяє відтворити логіку рішення навіть через певний час.
«Я бачу кілька основних ризиків. Перший і, на мою думку, найбільший – неможливість пояснити рішення. Якщо система видає лише число або фінальний результат без зрозумілої причини, – це проблема для клієнта й для самого кредитора з точки зору регуляторних вимог» – розповідає Нагай.
Другий ризик, на думку фахівця, – недостатня кількість даних. Найпростіше помилитися у випадку клієнта з так званою «тонкою» кредитною історією, коли про нього мало інформації. Відсутність певного сигналу не повинна автоматично трактуватися як негативний сигнал.
Третій – зміни з часом. Дані, моделі та правила можуть змінюватися, тому потрібно постійно відстежувати якість роботи системи, зміни в даних і стабільність результатів.
Також важливо контролювати сам процес роботи агента. Він не повинен приймати рішення на основі неповних або неактуальних даних. Тому готовність заявки до андеррайтингу перевіряється на рівні системи, а всі ключові дії та дані фіксуються.
«У результаті ми будуємо систему, де ШI має достатньо автономності, щоб самостійно виконувати складний процес, але водночас працює в чітких межах, які не дозволяють йому порушувати встановлені правила» – каже Нагай.
Експерт вважає, що зараз ШІ-агентам уже можна доручати оцінку кредитних заявок і визначення умов кредиту, якщо вони працюють у чітко заданих межах. Наприклад, система може визначити рівень ризику та запропонувати ставку чи суму кредиту. Водночас нестандартні випадки має перевіряти людина.
А от складні й нетипові заявки краще поки не залишати повністю на ШI. Це, зокрема, клієнти з дуже малою кредитною історією, нетиповими фінансовими ситуаціями або випадки, коли системі складно знайти зрозуміле й підтверджене даними пояснення для відмови. Штучний інтелект сьогодні найкраще працює там, де є чіткі правила, достатньо якісних даних і можливість передати нестандартний випадок на перевірку людині.
Нагай каже, що технічно агентні системи вже готові до використання у кредитуванні. Він вважає, що протягом 1–2 років ШI-агенти, які допомагають приймати кредитні рішення, але залишають остаточне слово за людиною, стануть звичною практикою. А ще через 2–3 роки частину висновків щодо кредитної заявки агенти зможуть ухвалювати самостійно – там, де ризики та правила чітко визначені.
«Але швидкість цього переходу буде залежати не лише від того, наскільки добре працюють ШI-моделі. Важливим моментом стане перша серйозна регуляторна перевірка компанії, яка використовує ШI-агента для кредитних рішень. Тому ми від початку будуємо такі системи не лише за принципом «максимальна точність», а й так, щоб кожен висновок можна було зрозуміло пояснити та перевірити» – пояснює фахівець.
З 2023 року Тарас Нагай проживає у США. Свій наступний професійний крок він планує пов’язати з розвитком власного фінтех-напряму. Експерт хоче використати накопичений досвід у розробці фінансових систем, автоматизації процесів та інтеграції агентного ШІ у власних продуктах та заснувати компанію, яка працюватиме у сегменті payday loans – мікрокредитування.
Технології, з якими працює Нагай, мають широке застосування. Автономні системи прийняття рішень можуть використовуватися й для виявлення шахрайства, перевірки клієнтів та документів, моніторингу транзакцій, контролю якості лідів, обслуговування користувачів і автоматизації внутрішніх операцій. Вони здатні самостійно збирати інформацію з різних систем, аналізувати її та запускати необхідні перевірки. Автономні системи прийняття рішень можуть використовуватися у широкому спектрі фінансових продуктів, де потрібна робота з великими обсягами даних і прийняття рішень за чітко визначеними правилами, в електронній комерції для обробки замовлень і повернень, у логістиці – для координації доставок, у страхуванні – для аналізу заяв та оцінки ризиків, в кібербезпеці – для моніторингу подій і реагування на типові інциденти та інших сферах.