Василий Высоков: ИИ не заменит бабушку, руководителя и многих других экономистов

Профессор Высоков поделился своим опытом применения искусственного интеллекта (ИИ) для решения экономических задач, иллюстрируя это на примерах из сферы ESG-банкинга.

Несмотря на достижения ИИ в различных областях, он по-прежнему не способен полностью заменить многих специалистов будь то, экономисты или руководители, заменить бабушку. ему также не под силу. Во-первых, способность рационально анализировать информацию с помощью машинных технологий (AI — искусственный интеллект) существенно отличается от принятия решений (интеллекта). Во-вторых, хотя интеллект может быть искусственным, ответственность всегда остается за человеком. В-третьих, процесс принятия решений часто требует учета нравственного аспекта, как это происходит в ситуации выбора партнеров. И, наконец, как показывает теория равновесия Нэша, экономика — это «искусство балансировать в условиях неопределенности». Когда возникает возможность увеличить производство и комбайнов, и вертолетов, это уже выход за рамки экономики и относится скорее к области технологий. Экономика возникает именно там, где улучшение одного критерия неизбежно ведет к ухудшению другого.

Оптимальные решения в рамках чистых стратегий недостижимо, и оптимальный выбор в условиях многих критериев возможно осуществить только при помощи смешанных стратегий с заданной вероятностью. К тому же необходимо учитывать качество подготовленной выборки для вычисления вероятности, а также риски первой («как бы чего не вышло») и второй («как бы не упустить что-то новое») ошибок. В современном мире, помимо нормального распределения, встречаются и другие распределения, характерные наличием так называемых «толстых хвостов», где могут скопляться риски и возможные преимущества, а также «черные лебеди» — неожиданности, которые никогда ранее не происходили.

По данным Стэндфордского института, популярность ИИ достигла своего плато. Будущее ИИ связано с автоматизацией рутинных аналитических операций. Есть потенциал для роста генеративного интеллекта, но важно понимать, что, используя такую модель, как «каждый день буду клевать по зернышку», нельзя игнорировать поведение хозяйки и её планы на обед.

Генеративный интеллект способен создавать креативные решения и легко отказывается от установленных правил, а также работает с небольшими выборками, применяя эвристические подходы. Даже в анализе больших данных автоматизация заменяет слова цифрами, а их обработка вызывает новые эмоции. Это можно сравнить с листопадом в ростовском городском саду: зрелище впечатляющее, но в результате остаются лишь 2-3 икебаны, остальное идет на компост.

К основным принципам анализа данных можно отнести следующее:

1. Анализ данных не имеет предела, однако отчеты нужно сдавать в срок.
2. Математическая обработка и содержательный анализ должны сочетаться друг с другом, подобно «слоеному пирогу».
3. Важны не только хорошие статистические параметры, но и понимание взаимодействия механизмов.

Например, результаты анализа показателей для банка «Центр-инвест» продемонстрировали его сбалансированность, надежность, доходность и прозрачность, ориентированность на малый и средний бизнес.

Когда представители банков утверждают, что все решения принимаются исключительно на базе искусственного интеллекта, это не совсем правда. Кредитный процесс никогда не сводится к простому выбору «выдать — не выдать». Работа кредитного инспектора включает общение с клиентом о ставках, сроках и залогах. В будущем ИИ, возможно, предложит алгоритмы для такого общения, но человеческий интеллект быстро адаптирует правила игры.

Многократные проверки со стороны регионального банка помогли разработать модель ИИ для инспекций. В результате было установлено, что в 50% случаев контроль подтверждает соблюдение действующих инструкций, в 20% предоставляются полезные рекомендации, 15% проверок имеют коррупционный компонент, 10% подрывают конкурентные позиции, а 5% связаны с криминальными запросами. Однако доля последних двух категорий проверяющих постепенно уменьшается.

ИИ — это не просто дополнительный инструмент; его нужно интегрировать в операционную деятельность. В то же время сама эта деятельность должна измениться с фокусом на электронные модели, которые учитывают взаимосвязи, ограничения, риски и различные виды капитала согласно РСБУ, МСФО, ESG и прочим классификациям.

Хотя у нас нет специалистов по ИИ, имеется большое количество заинтересованных участников. Международный конкурс студенческих проектов «ИИ для Целей устойчивого развития Ростовской области» подчеркнул, какой ИИ изучается в университетах и что нужно изменить в подготовке экономистов. Студенты банка «Центр-инвест» работают с моделями автоматического извлечения данных из баз Росстата и ЦБ РФ для анализа динамики регионов присутствия. Традиционно юг России демонстрирует стабильный рост, стремясь оставаться в авангарде.

Автоматическая группировка источников инвестиций показала использование федеральных средств для экстренных и стратегических вложений, а местные бюджеты — для традиционных инвестиций с софинансированием пилотных проектов.

Использование модели инвестиций на основе Бостонской матрицы позволило выявить потенциальные точки роста. В то время как модель ИИ, основывающаяся на принципах ESG, продемонстрировала возрастающее значение креативного подхода в развитии малого бизнеса региона и вызвала необходимость подробнее рассмотреть ESG-рейтинги МСП с учетом таких критериев, как новые ресурсы, продукты, цепочки поставок, рынки, технологии и бизнес-модели.

Модели ИИ способны проверять лозунги на полноту, достоверность и непротиворечивость, преобразовывать их в алгоритмы и процедуры, учитывать многовариантные ситуации и методы, выявлять риски и ограничения, автоматизировать рутинные задачи, оптимизировать бизнес-процессы и корпоративную культуру, в конечном итоге увеличивая вероятность достижения поставленных целей.