Jeden algoritmus rozhodne o půjčce, jiný zabrání podvodu v žádosti o ni. Umělá inteligence mění svět financí

Když usedá před obrazovku počítače, má Martin Rehák na tváři stále respirátor. I když je v kanceláři sám, sundává ho teprve ve chvíli, kdy začíná odpovídat na otázky. "Snažím se být maximálně obezřetný, nechci nikoho ohrozit," říká. A přestože má na mysli anticovidovou prevenci, bezpečnost je jeho doménou i v byznysu. Se svým start-upem Resistant AI, jejž před dvěma lety spoluzaložil a který vede, pomáhá bankám, pojišťovnám a úvěrovým firmám odhalovat podvody. "Rok 2020 byl v našem případě ve znamení růstu," říká čtyřiačtyřicetiletý podnikatel a dodává: "Loni touto dobou jsme měli na dvacet zaměstnanců, teď to jsou čtyři desítky."

Mezi klienty start-upu Resistant AI, do něhož loni investovaly hvězdné evropské fondy jako Index Ventures nebo Seedcamp, patří například oba tuzemští průkopníci odložených plateb Twisto nebo Mall Pay. "Čeho jsme loni byli svědky u všech našich klientů, byl velký nárůst firemních finančních podvodů," popisuje Rehák. A uvádí několik případů: pokusy vykázat falešné skladové zásoby, neexistující záruky nebo přifouknutou flotilu aut. "To vše s jediným cílem: aby se dostali k úvěrům," vysvětluje. Je to důsledek pandemie, která řadu podniků postavila do těžké situace, a tak se snaží shánět peníze, jak to jde.

Rehákova firma díky umělé inteligenci dokáže odhalovat padělané dokumenty jak u firemních zákazníků, tak třeba u žadatelů o spotřebitelskou půjčku. A v podstatě funguje jako určitá kontrola jiné umělé inteligence, která automatizuje proces vyhodnocování a schvalování, kdo úvěr dostane a kdo ne. "Zabezpečení digitálního kanálu je dnes z pohledu finančních institucí naprosto zásadní," podotýká muž, který patří mezi ikony české startupové scény – s Michalem Pěchoučkem založil a později za desítky milionů dolarů prodal americké společnosti Cisco svou první firmu Cognitive Security, která využívala umělou inteligenci na ochranu podnikových sítí. "Můj odhad je, že do pěti let bude naprostá většina základních bankovních operací včetně poskytování hypoték a úvěrování podniků plně automatizovaná a digitalizovaná. Díky datům lze skvěle predikovat, jak se například bude vyvíjet byznys určité firmy," říká.

To přitom neplatí jen pro banky, které tak budou moci lépe "oskórovat" klienty, ale i pro finanční manažery přímo ve firmách, kteří s pomocí strojového učení mohou mimo jiné přesněji plánovat vývoj příjmů. "Vytvořili jsme si systém, který kombinuje řadu metod, jako jsou historické trendy, metody založené na analýze obchodních příležitostí či regrese. Významně nám to zkrátilo čas a úsilí potřebné k predikci výnosů, a to z průměrných 20 dnů na dva," pochvaluje si Miloš Nitran, finanční ředitel Microsoftu v Česku a na Slovensku.

Masivní nasazení umělé inteligence do bankovních a finančních služeb s sebou ale nese i některé problematické aspekty. Martin Rehák je ilustruje právě na zvýšeném množství firemních podvodů, které on a jeho klient v poslední době zaznamenali: "Myslím, že velká většina těch, kteří se takto snažili podvádět, to dělala do určité míry ze zoufalství. Protože je k tomu donutil covid. A úvěry by poctivě spláceli, protože jejich motivací nebylo podvodně vylákat z banky peníze a utéct s nimi."

Klíčové proto podle něj je, aby varování, které vydá například jeho Resistant AI, následně ještě překontroloval člověk, který dokáže lépe odhadnout určité situace. A nakonec schválí to, co by počítač nepovolil: "Trochu tím popřu, co říkám jindy, tedy že umělá inteligence je přesnější a efektivnější než člověk. Ona je skvělá jako nástroj na plošné, obecné využití, když ale dojde na dílčí věci, konkrétní žadatele, může to vést k nespravedlnostem. Prostě si vyhodnotí, že v tom a tom něco nesedí – a úvěr zamítne. Jenže člověk za tím uvidí konkrétní příběh a dokáže ho někdy lépe posoudit."

To, jak velká data mění bankovnictví, ukazuje i český start-up Lemonero. Jeho zakladatel Jan Laštůvka přes svou platformu MonkeyData desítkám tisíc menších a středních e-shopů analyzoval všemožné údaje od stavu zásob až po chování zákazníků. A došlo mu, že má vlastně unikátní baterii informací, ze které se dá udělat přesný odhad dalšího vývoje jejich byznysu. A tak začal "svým" e-shopům nabízet půjčky.

Podcast Poprvé

Vymyslel senzory, které varují před pádem mostu a sesuvem půdy. Jak Petr Klokočník začal vyvíjet unikátní systém Statotest

15. 2. 2021 ▪ 24:40 min.

„Největší problém, kterému začínající e-shopisté čelit, je nedostatek kapitálu. Po pár měsících jim obchod sice funguje, ale brzy nemají kapitál pro další růst, který potřebují na investice do zásob, marketingu nebo cash flow," říká Laštůvka s tím, že pro banky jsou tito začínající podnikatelé rizikoví, a tak jim moc nepůjčují. Jeho algoritmus, který pohání umělá inteligence, je velmi přesný a rychlý. Dokonce natolik, že přilákal velký finanční dům: do Lemonera loni investovala Komerční banka.

To, že úvěrování a jeho posuzování jsou hlavní výzvou pro nasazení umělé inteligence a analýzy velkých dat ve finančnictví, potvrzuje i Dalibor Kačmář, technologický šéf českého a slovenského Microsoftu. "Umělá inteligence se velmi dobře etablovala při odhalování podvodů, zcela pak pomohla transformovat komunikaci se zákazníkem prostřednictvím inteligentních chatbotů," říká Kačmář. "Ovšem půjčky a s nimi spojené vyhodnocení kredibility zákazníka jsou další oblast, kde se nabízí použití AI." Podobně jako Martin Rehák ale i on upozorňuje, že je třeba předejít některým nespravedlnostem, nebo dokonce diskriminaci, kterou by umělá inteligence mohla kvůli špatně nastaveným parametrům způsobit.

Ostatně už několik vědeckých studií například odhalilo, že systémy postavené na umělé inteligenci a sloužící k rozpoznávání tváří mají problém s obličeji Afroameričanů. Důvod? Databáze obrázků, z nichž strojové učení vychází, totiž obsahovaly disproporční nadbytek tváří bělochů, takže se algoritmy nemohly správně natrénovat. A to je přesně ten příklad, na který bude třeba dávat pozor a předcházet mu.

Text je součástí projektu O datech a lidech, jehož partnerem je společnost Microsoft.