Платформа разработки и управления RAISA

(RSHB AI SYSTEMS AND APPLICATIONS) — платформа разработки и управления жизненным циклом моделей искусственного интеллекта, а также для автоматизации локальных процесов структурных подразделений РСХБ.

Цели реализации платформы RAISA :

• необходимость исследования и визуализации данных,

• создание и настройки аналитических моделей, работы со статистическими гипотезами,

• разработка своих собственных алгоритмов обработки, проведения обучение моделей, валидации и визуализирования результатов анализа,

• загрузка и трансформации данных,

• контроль и управление жизненным циклом моделей машинного обучения, процессов применения моделей,

• создание сервисов на основе аналитических моделей и обеспечения их функционирования в среде с поддержкой масштабирования вычислительных ресурсов и мониторинга

• автоматизация локальных процессов работы с данными.

За счёт реализации моделей ИИ в банке получен совокупный эффект прямой финансовый эффект объёмом в сотни миллионов рублей, как за счёт роста доходов, так и за счёт снижения издержек.

Качественный эффект, достигнутый при внедрении платформы, - сокращение трудоёмкости написания автотестов при проверке ПО на 5%.

В процессе реализации проекта также создана нормативная база создания и управления моделями ИИ, что позволяет на уровне банка управлять потребностями и бэклогом моделирования.

В рамках импортозамещения Excel: - все вспомогательные процессы подразделений банка, которые ранее зависели от макросов Excel, перенесены на целевые импортонезависимые решения.

Внедрение платформы позволило уйти от зависимости решений для аналитики данных SAS, обеспечить независимость от Excel и его расширений для аналитики.

В части LLM для пилотов используются платные облачные AI-продукты, для боевого применения - опенсорс-модели с файнтюнингом. В части моделей классического машинного обучения реализован полный цикл создания моделей с нуля.

Прикладное ПО является полностью собственной разработкой на базе открытого ПО, зарегистрировано в ЕРРП (запись № 25248).

В части применения моделей ИИ платформой RAISA затронуто большинство как основных (кредитование, коллекшен, CRM и т.д.), так и вспомогательных (например, it4it) процессов банка.  В рамках импортозамещения Excel на платформе реализовано более 300 приложений, касающихся всех подразделений банка в части их локальных процессов (налогообложение, отчётность, компланс, сеть, управление отношениями с контрагентами, управление активами, операционный контроль, операции на финансовых рынках, управление залогами и т.д.) 

Некоторые примеры процессов, реализованных на платформе

 - расчёты и проверки налогов (НДС, имущественный, земельный, траспортный) 

- операции по консолидации данных и выгрузок из филиалов Банка; 

- анализ и обработка бордеро; 

- расчёт ставок и опционов;

 - аналитика котировок и сделок на срочном рынке; - десятки отчётных форм;

 - сотни макросов с локальной аналитикой.

Платформа позволила оптимизировать существующие услуги за счёт применения технологий машинного обучения. В рамках создания плафтормы на ней же были разработаны и запущены модели: - оценки залогового имущества; - оценки LTV и маржинальности клиентов; - оптимизации коммуникаций с клиентами; - оттока и реактивации клиентов; - модели hard- и soft-collection; - ряд моделей it4it (автогенерация тестов, классификация клиентских обращений); - модели склонности клиента к покупке тех или иных продуктов.

Одним из направлений моделирования, реализованных на платформе RAISA, была оптимизация каналов коммуникации с клиентами - в частности, определение предпочтительного канала коммуникации.

В части применения моделей ИИ платформой RAISA затронуто большинство как основных (кредитование, коллекшен, CRM и т.д.), так и вспомогательных (например, it4it) процессов банка.  В рамках импортозамещения Excel на платформе реализовано более 300 приложений, касающихся всех подразделений банка в части их локальных процессов (налогообложение, отчётность, компланс, сеть, управление отношениями с контрагентами, управление активами, операционный контроль, операции на финансовых рынках, управление залогами и т.д.) 

Некоторые примеры процессов, реализованных на платформе

 - расчёты и проверки налогов (НДС, имущественный, земельный, транспортный) 

- операции по консолидации данных и выгрузок из филиалов Банка; 

- анализ и обработка бордеро; 

- расчёт ставок и опционов;

 - аналитика котировок и сделок на срочном рынке; - десятки отчётных форм;

 - сотни макросов с локальной аналитикой.

В банке задействовано 38 департаментов, общее число сотрудников, участвующих в аналитике и прикладной разработке на платформе - 350, общее число пользователей процессов - 1200, 70 человек на разработку платформы, моделей и приложений на ней. Эффективность - от нескольких десятков до сотни человеко-лет.

Лаборатория ИИ создала план обучения, включающий вводных курс-знакомство с платформой, курс обучения языку программирования Python с нуля, курсы по работе с файлами, аналитике и обработке данных, созданию приложений для локальной автоматизации. В работе находятся курсы по dataops и mlops на платформе. Суммарный объём обучения превысил 2500 человеко-часов. 

Основное количество интеграций выполняется через сохранение данных в хранилища платформы данных банка, платформа также имеет около десятка собственных прямых интеграций. 

Одна информационная система (платформа), содержащая 20 подсистем, >1500 человек. До 500 RPS. 100 ГБ в день. 3 геораспределённых ЦОД, ИИ, машинное обучение, алгоритмы для аналитики любой сложности. В банке задействовано 38 департаментов, общее число сотрудников, участвующих в аналитике и прикладной разработке на платформе - 350, общее число пользователей процессов - 1200.

Россия