Finversia-TV
×

Искусственный интеллект в банках: умная обработка запросов ФНС, МВД и других регуляторов A A= A+

Как искусственный интеллект помогает банковским сотрудникам справляться с потоком официальных обращений? Сегодня ИИ применяется в обработке запросов от регулирующих органов: ФНС, МВД, ФССП, финансовых уполномоченных и других.

Кто присылает запросы и в чем сложности

В банки ежедневно поступают сотни и тысячи обращений от регуляторов, причем приходят они по разным каналам: через СМЭВ, телекоммуникационные каналы связи (ТКС), почту. Объединяет их одно – неформализованный вид. Чаще всего это бумажные документы либо файлы в формате .PDF.

Искусственный интеллект в банках: умная обработка запросов ФНС, МВД и других регуляторов

Рисунок 1. Перечень организаций, отправляющих запросы в банки

Обработка запросов от регуляторов – та еще рутина. Усугубляется ситуация целым рядом трудностей:

  1. Представить ответ нужно в сжатые сроки. Просрочка карается штрафами, повышается риск проверок со стороны Центрального банка Российской Федерации.
  2. Из-за большого потока документов, который постоянно растет, трудно спрогнозировать нагрузку на ответственных сотрудников.
  3. Большую часть работы приходится делать вручную: анализировать запросы, сверять и искать данные по разным источникам (в АБС, базе данных, CRM).
  4. Никто не застрахован от риска неверно ввести данные или потерять информацию.


А теперь представьте, что первичную обработку запросов делает не человек, а ИИ. На схеме показано, как работает с запросами госорганов интеллектуальная система Directum Ario One.

Искусственный интеллект в банках: умная обработка запросов ФНС, МВД и других регуляторов

Рисунок 2. Схема работы интеллектуальной системы Directum Ario One с запросами госорганов

4 млн рублей в год банки тратят на обработку 300 требований ИФНС

А могли бы тратить до 600 000 рублей. Рассказываю, как можно урезать расходы.

По телекоммуникационным каналам связи в банк регулярно поступают требования от налоговой. Допустим, в ваш банк приходит 300 требований в день. Чтобы провести первичную обработку такого количества запросов, сотруднику нужно пройти настоящий квест.

  1. Определить клиента банка (а иногда и не одного) по ФИО, расчетному счету, наименованию организации, ИНН и другим данным, указанным в требовании ФНС.
  2. Составить список видов документов, которые запрашивает налоговая (это могут быть карточки с образцами подписей и оттиска печати, заявления на открытие счета, договоры, список ip-адресов, с которых клиент заходил в личный кабинет, и другая информация); определить период, за который запрашиваются данные документы.
  3. Занести в информационную систему реквизиты требования (номер, дату, наименование, адрес налогового органа, должность и ФИО подписывающего лица), чтобы подготовить ответ с приложением собранных документов.

На обработку одного запроса уходит в среднем 10 минут. За рабочий день специалист в силах разобрать около 40 запросов. Итого потребуется 7 сотрудников, чтобы только провести первичную обработку 300 требований. Средняя зарплата банковского работника – 35 000 рублей. Получается, что в год, с учетом налогов, банк тратит более 4 млн рублей.

Чем поможет искусственный интеллект при обработке истребований налоговой

ИИ способен практически полностью заменить человека. Например, система Directum Ario One автоматически распознаёт основные реквизиты требования, извлекает данные по клиенту и находит его в банковской системе. И это еще не всё. Дальше система собирает список документов и периоды, за которые они истребуются, определяет их виды. Останется только передать собранные данные для поиска документов и информации в системах банка, а потом подготовить ответ в ИФНС.

Есть небольшой процент требований, в корректной обработке которых ИИ может быть не совсем уверен. Он передается на ручную проверку специалисту банка. Получается, что благодаря «умным» сервисам, с первичной обработкой требований может справиться 1 человек вместо 7. Экономия за год составит около 3,4 млн руб.

Еще больше сэкономить можно, поручив RPA (Robotic process automation) поиск и сбор в банковских системах документов и информации по параметрам, полученным от искусственного интеллекта. Но это уже совсем другая история.

Как вовремя обрабатывать запросы ФССП и экономить 2 млн рублей в год

Еще один большой поток входящих документов в банках – это постановления судебных приставов. Зачастую ФССП запрашивает информацию о наличии расчетного счета у лица либо требует списать денежные средства со счета организации или физического лица. Банк обязан следовать постановлениям судебных приставов. Если в установленное законодательством время он не выполнит их требования, то может быть привлечен к административной ответственности и оштрафован.

Ежемесячно в банк поступают сотни и тысячи постановлений ФССП. Их количество постоянно растет, в результате приходится расширять штат сотрудников, занимающихся обработкой.

Допустим, пришло постановление о списании с расчетного счета определенной суммы в счет погашения задолженности по налогам. Что делает специалист банка:

  • находит в системе клиента и его расчетный счет;
  • вручную заносит данные по списываемой сумме: УИН, номер и дату исполнительного производства (на основании которого спишутся деньги), реквизиты для перечисления платежа.

Здесь главное не ошибиться ни в одном символе, так как цена промаха очень высока.


А теперь представим, что вместо человека работает ИИ. Получив скан-образ поступившего постановления, он:

  • извлекает из него все необходимые реквизиты;
  • проверяет контрольные суммы реквизитов (ИНН, УИН, р/счет и др.), чтобы быть уверенным в корректности распознанных данных,
  • передает всю информацию по операции в банковскую систему.


В задачу специалиста будет входить только проверка всех параметров и проведение операции.

Без использования искусственного интеллекта изучение постановления и ввод реквизитов займут у специалиста от 5 до 10 минут. Предположим, что ежедневно в банк поступает 200 постановлений от ФССП. Потребуется 5 сотрудников, чтобы только ввести информацию из документов в систему. Если оставим одного специалиста для мониторинга ошибок и проверки работы ИИ, то получим экономию в год от 2,3 млн рублей и больше.

Объем просроченной задолженности по кредитам с начала 2020 года в России только растет. Учитывая эту статистику, логично, что количество постановлений от судебных приставов, отправляемых в банки, будет увеличиваться. Уже сейчас можно поручить часть работы искусственному интеллекту и избежать расширения штата. А высвободившиеся ресурсы – направить на выполнение более важных и творческих задач.

Какие еще документы можно поручить ИИ?

Кроме описанных выше требований от ИФНС и постановлений судебных приставов, немалая доля входящих документов в банках приходится на запросы от МВД о принадлежности счета или номера карты конкретному лицу, финансовых управляющих по процедурам банкротства и других ведомств. Все эти требования также можно обрабатывать с помощью ИИ.

Не стоит забывать и о документах, поступающих от граждан и организаций в процессе открытия счета или выдачи кредита, составляющих досье клиента. Чем больше поток этих документов, тем быстрее окупится внедрение ИИ.

Это далеко не весь потенциал искусственного интеллекта, который можно применять для обработки документов в банках. Чтобы получить больше информации о возможностях интеллектуальной системы Directum Ario One, закажите демонстрацию возможностей на официальном сайте продукта.

  • Мария Савельева
  • Finversia.ru

Фотоотчеты