24 октября на международной научно-практической конференции «Наука для государственного управления в России» Президентской академии (РАНХиГС) Председатель Совета директоров банка «Центр-инвест» профессор, д. э. н. Василий Высоков выступил с докладом «Искусственный интеллект для экономистов». Профессор Высоков поделился опытом использования искусственного интеллекта для решения экономических задач на практических примерах задач ESG-банкинга.
Несмотря на успехи искусственного интеллекта (ИИ) в разных сферах, ИИ не заменит бабушку, руководителя и многих других экономистов. Во-первых, потому что умение рассуждать разумно с помощью машинных технологий (AI — artificial intelligence) отличается от умения принимать решения (Intellect). Во-вторых, интеллект может быть искусственным, но ответственность остается персональной. В-третьих, принять решение означает смириться с перевесом одних обстоятельств над другими, а это чаще всего нравственный выбор (как в задаче выбора жениха). И наконец, как вытекает из теории равновесия Нэша, сама экономика — это «искусство свести концы с концами там, где концов не найти». Когда одновременно можно увеличить выпуск и комбайнов, и вертолетов — это задача не экономистов, а технологов. Экономика возникает на границе области допустимых решений, когда улучшение одного критерия возможно за счет ухудшения другого.
Оптимального решения в чистых стратегиях не существует, задачу оптимального выбора со многими критериями можно получить только в смешанных стратегиях с определенной вероятностью. При этом надо учитывать качество обучающей выборки для расчета вероятности, риски ошибки первого рода («как бы чего не вышло») и ошибки второго рода («как бы не пропустить новое»). Наконец, кроме нормального распределения в современном мире существуют и другие, в которых есть так называемые «толстые хвосты», где накапливаются угрозы и возможности, а также «черные лебеди» («никогда такого не было — и вот опять»).
Обзор Стэндфордского института показал, что хайп ИИ вышел на плато. ИИ будет развиваться, но за счет интеллектуальной автоматизации рутинных аналитических операций. Есть потенциал роста у генеративного интеллекта, но важно понимать, что курица, построив модель генеративного интеллекта («каждый день буду клевать по зернышку»), не учла интеллектуальное поведение хозяйки и планы сварить сегодня суп к обеду.
Генеративный интеллект генерирует новые креативные решения. При этом готов отказаться от принятых правил, способен работать с малыми выборками, использовать эвристические приемы. Даже для больших данных автоматический анализ всего лишь заменяет слова цифрами, обработка которых вызывает новые эмоции. Это как листопад в ростовском городском саду: красиво невероятно, но в результате получаем 2-3 икебаны, остальное идет в компост.
Среди принципов анализа данных следует отметить, что:
- анализ данных бесконечен, но отчет надо сдавать в срок;
- математическая обработка должна чередоваться с содержательным анализом, как «слоеный пирог»;
- кроме хороших статистических параметров распределений важно раскрывать механизмы взаимодействия.
В качестве примера можно привести результат обработки показателей рейтингов для банка «Центр-инвест»: сбалансированный, устойчивый, надежный, доходный, прозрачный, клиентоцентричный для МСП и населения.
Когда банкиры говорят, что 100% решений принимают на основе искусственного интеллекта, они лукавят. Кредитование — это не дихотомия «выдать — не выдать». Работа кредитного инспектора включает диалог с клиентом о ставках, сроках, залогах, поручительствах, графиках погашения. Когда-нибудь ИИ предложит алгоритмы такого диалога, но естественный интеллект регуляторов быстро поменяет правила для этого диалога.
Большое число проверок регионального банка позволило построить модель ИИ проверяющих. Оказалось, что в 50% случаев контроль фиксирует соответствие работы действующим инструкциям, в 20% случаев проверяющие дают дельные советы, 15% проверок носят коррупционный характер, 10% выполняют заказы конкурентов, 5% — заказы криминала. Следует отметить, что доля последних классов проверяющих стала сокращаться.
ИИ — это не «вишенка на торте», он должен быть интегрирован в операционную деятельность, но сама эта деятельность становится другой: не документ на полку, а электронная модель, учитывающая связи, ограничения, риски и разные виды капитала и отчетности по РСБУ, МСФО, ESG и другим таксономиям.
У нас нет специалистов по ИИ, но зато много энтузиастов. Международный конкурс студенческих работ «ИИ для Целей устойчивого развития Ростовской области» позволил оценить, какой ИИ изучают в вузах, что надо менять в обучении экономистов. Студенты в банке «Центр-инвест» обучаются на моделях автоматических выборок данных из баз Росстата, ЦБ РФ для выявления качественных характеристик динамики регионов присутствия. Традиционно юг России демонстрирует эффективный рост: «быть в тренде, в авангарде и в полной боевой готовности».
Автоматическая группировка источников инвестиций показала использование федеральных средств для экстренных и стратегических инвестиций, местных бюджетов — для финансирования традиционных инвестиций и софинансирование из всех источников для реализации пилотных проектов.
Модель инвестиций в малый бизнес на основе Бостонской матрицы позволила увидеть точки роста. Но модель ИИ на основе ESG-принципов показала возрастающую роль креативности в развитии малого бизнеса региона и заставила конкретизировать ESG-рейтинги МСП с учетом критериев: новые ресурсы, продукции, цепочки, рынки, технологии и бизнес-модели.
Использование моделей ИИ позволяет проверить лозунги, призывы и слоганы, декларации на полноту, достоверность, непротиворечивость и трансформировать их в алгоритмы, процедуры и программы, учесть многовариантность ситуаций и методов решения, новые риски и ограничения, автоматизировать рутину, оптимизировать бизнес-процессы и корпоративную культуру и в конце концов повысить шансы на успех в достижении поставленных целей.
Видеозапись выступления профессора Высокова
205135+7 (800) 200-99-29
