Роботы измерят метры

Сбербанк оценит недвижимость с помощью нейронной сети.

Сбербанк оценит недвижимость с помощью нейронной сети.

Сбербанк разработал первую в России нейронную сеть для оценки коммерческой недвижимости. Искусственный интеллект позволяет банку почти мгновенно проводить оценку залогов. При этом человеческий фактор не исключен полностью — эксперты банка при необходимости корректируют машинные расчеты и подтверждают их. И такой длительный тестовый период вряд ли даст быструю операционную экономию, отмечают эксперты.

О запуске сервиса оценки недвижимости на основе алгоритмов машинного обучения рассказал «Ъ» руководитель блока «Корпоративный бизнес» Сбербанка Анатолий Попов. Сейчас, по его словам, когда заемщики обращаются в банк за кредитом, объекты недвижимости, которые они предлагают в залог, оценивает залоговая служба банка, в которой работает несколько сотен экспертов. Процесс проверки отчетов внешних оценщиков или проведение собственных индикативных расчетов предполагают значительный объем ручного труда и заново повторяемых механических процедур. «С помощи нейросети мы избавляем специалистов от рутинной работы и начинаем максимально использовать их профессиональную экспертизу и знание особенностей локальных рынков, применяя их для анализа результата, полученного искусственным интеллектом», — пояснил господин Попов.

Искусственный интеллект, по его словам, пока работает с регулярно актуализируемой базой данных по стрит-ритейлу. Она пополняется из платных, внутренних и открытых источников и содержит основные характеристики объектов-аналогов, фотографии, цены. Нейросеть получает характеристики интересующего объекта и с учетом его местоположения, пешеходного трафика и ценового зонирования подбирает наиболее близкие аналоги, которые алгоритм затем использует для расчета стоимости. При этом сервис Сбербанка позволяет увидеть все основные предпосылки, лежащие в основе расчетов.

Например, после ввода адреса и характеристик объекта оценки эксперт может на карте посмотреть выбранные нейросетью аналоги, проанализировать введенные корректировки и скорректировать их. Руководитель направления развития перспективных продуктов «Ак Барс Цифровые Технологии» Ярослав Шуваев отмечает, что задачи, в которых эксперт принимает решения, основываясь на небольшом количестве параметров, очень хорошо подходят для моделей машинного обучения. В «Ак Барсе» отмечают, что когда эксперт опирается на мнение искусственного интеллекта и корректирует его при необходимости, это сокращает затраты примерно на 30%. В дальнейшем, при достижении порогового значения точности экономия может приближаться к 50%.

При этом если работа экспертов сейчас занимает часы или даже дни, то нейросети для достижения результата нужно несколько секунд. Тем не менее итоговый результат подтверждает оценщик — эксперт, по сути, берет на себя ответственность за машинные расчеты. Директор цифрового бизнеса банка «Восточный» Алексей Казаков отмечает, что недостаточное качество предсказательных моделей может существенно влиять на риски по этим залогам в будущем. В таких условиях, предполагает господин Казаков, «длительный тестовый период классическая и новая системы оценки будут эксплуатироваться параллельно, что не даст быстрой операционной экономии».

При этом затраты на создание продукта в банке не раскрывают. По словам Алексея Казакова, при реализации таких проектов основная часть затрат складывается из стоимости машинных мощностей, а также из стоимости специалистов, которые настраивают и тестируют алгоритмы. По его оценке, «учитывая масштабность задачи и амбициозность Сбербанка» стоимость внедрения может составлять до 100 млн руб.

Источник: Коммерсантъ