Розрив, який тихо вбиває інновації в кредитуванні, та що може зробити штучний інтелект

Проблема, про яку ніхто не говорить на конференціях

Коли кредитні установи говорять про цифрову трансформацію, розмови зазвичай зводяться до одних й тих самих тем: відкритий банкінг, вбудовані фінанси, рішення в реальному часі. Що рідко обговорюється відкрито — це більш фундаментальна проблема, яка лежить в основі всього цього — розрив між тим, що бізнес хоче побудувати, і тим, що команда розробників може фактично доставити вчасно і в межах бюджету.

Цей розрив — не технологічна проблема. Це проблема перекладу.

Менеджер продукту в середньому банку має чітке уявлення про потрібний процес кредитування: конкретні ролі учасників, налаштовані етапи оцінки, умовна логіка затвердження, структура обслуговування, що відповідає їхньому портфелю. Це уявлення реальне. Вимоги існують — у голові у когось, у презентаційній презентації, у нотатках серії воркшопів.

Потім ці вимоги зустрічаються з командою розробників. І щось втрачається.

Чому переклад у кредитуванні зазнає невдачі

Системи кредитування надзвичайно складні для специфікації. На відміну від CRM або платіжних інтерфейсів, система управління кредитами включає глибоко взаємозалежну логіку: стан машини, механізми нарахувань, автоматизацію робочих процесів, ієрархії учасників, конфігурації продуктів, рівні інтеграції. Зміна в одному місці спричиняє каскадні зміни в кількох інших.

Для бізнес-аналітика правильне захоплення всього цього — у термінах, зрозумілих розробнику — вимагає розуміння архітектури системи, яку будують. Більшість бізнес-аналітиків цього не розуміє. І від них не очікується.

Що ж відбувається на практиці? Вимоги пишуться мовою бізнесу. Розробники інтерпретують їх через технічний призму. Неоднозначності вирішуються так, щоб здавалося логічним, але не відповідає тому, що бізнес насправді хотів. Перша демонстрація виявляє невідповідність. Цикл починається знову.

У кредитуванні цей цикл коштує дорого. Типова реалізація — від вимог до розробки і запуску — займає від трьох до шести місяців для значущого нового продукту або зміни робочого процесу. Більша частина цього часу — не інженерна робота. Це переделка через неправильне спілкування.

Недосконалість загальних AI

Очевидна рекомендація на цьому етапі — використовувати AI для допомоги. І справді, універсальні інструменти AI зробили деякі частини розробки програмного забезпечення швидшими. Генерація коду, документація, написання тестів — все це покращилося.

Але для систем кредитування саме універсальний AI швидко стикається з межами. Домен занадто вузький і точний. AI, який не розуміє різницю між м’яким тригером оцінки і жорстким робочим процесом оцінки, або між перевіркою сутностей і слухачем сутностей, буде генерувати правдоподібний, але фактично невірний результат у контексті кредитування. Проблема перекладу не вирішена — вона просто піднята на один рівень вище.

Що насправді потрібно галузі — це AI, який розуміє архітектуру кредитних систем на рівні її складових: як взаємодіють учасники, активи і контейнери; як машини стану поєднуються з автоматизацією робочих процесів; як конфігурації продуктів пов’язані з логікою обслуговування. Знання домену, а не загальні можливості.

Що змінюється, коли AI розуміє домен

У TIMVERO ми працюємо над цією проблемою безпосередньо. Наша платформа — timveroOS — побудована навколо набору складових, які можна комбінувати, а не на фіксованому застосунку, що означає, що кожен клієнт налаштовує свою конфігурацію. Це робить розрив у перекладі особливо гострим для нас: наші бізнес-аналітики і розробники повинні говорити однією архітектурною мовою, і часто вони починають з різних точок.

За минулий рік ми створили шар AI у timveroOS спеціально для зменшення цього розриву. Підхід: замість створення коду з нуля, AI розуміє існуючі складові платформи, читає поточний стан реалізації клієнта і перетворює вимоги природною мовою у структуровані специфікації — ставлячи уточнюючі питання, як це робить хороший бізнес-аналітик.

Результат, який ми спостерігаємо на практиці: те, що раніше займало дні на обговорення між BA і розробником, тепер займає кілька годин. AI не замінює жодну роль — воно виступає посередником, обробляючи рівень перекладу, який раніше виконували люди під тиском часу.

Три важливі речі для AI у кредитуванні

З урахуванням нашого досвіду, ось що відрізняє AI, який справді закриває розрив між бізнесом і розробкою, від AI, що додає ще один рівень ускладнення:

1. Він має розуміти домен, а не лише код. У кредитуванні є специфічні патерни — механізми нарахувань, композиція станів, ієрархії учасників — яких загальні AI-інструменти не знають. Знання домену — це базовий рівень, а не конкурентна перевага.

2. Він має ставити кращі питання, а не лише відповідати. Розрив у перекладі існує через недостатню деталізацію вимог. AI, який приймає нечіткий ввід і генерує впевнені результати, погіршує ситуацію. AI, який досліджує вимоги — виявляє припущення, позначає суперечності, запитує «чому» — покращує ситуацію.

3. Він має підтримувати спільний контекст у команді. Однією з найменш оцінених витрат у реалізації кредитних систем є втрата інституційних знань. Коли розробник, який створив конкретний робочий процес, залишає проект, розуміння того, чому він працює саме так, часто з ним зникає. AI, який автоматично оновлює документацію — під час кожної зміни — вирішує цю проблему безпосередньо.

Розрив не зникне сам по собі

Кредитні установи під тиском мають запускати продукти швидше, налаштовувати їх глибше і ітерувати частіше, ніж дозволяли їхні технологічні цикли раніше. Розрив між бізнесом і розробкою — не дрібна перешкода, а головне обмеження швидкості реагування кредиторів на ринкові умови, регуляторні зміни і конкуренцію.

AI не закриє цей розрив, будучи універсальним. Він закриє його, ставши особливо корисним: розуміючи архітектуру, посередницьки перекладаючи і підтримуючи команду у спільному розумінні того, що побудовано і чому.

Це більш скромне обіцянка, ніж більшість заголовків про AI. Але, за нашим досвідом, саме вона справді впливає на результати.