Uralsib Hack:
2023
14 июня - 30 июня 2023
9 кейсов
12+
генеративный интеллект
в банках
Призовой фонд
денежный приз
грант на пилотирование
до 300 000 Р
до 5 000 000 Р
Цель хакатона - найти области применения генеративных нейросетевых моделей в разных подразделениях банка
Запусти пилотный проект
Цель хакатона
Выбери задачу
Собери команду
Разработай лучший цифровой продукт
Выиграй денежный приз
Получи приглашение на работу или стажировку
Получи грант на пилотирование MVP
Для кого
команда от 1 до 5 участников | специалисты из России и других стран | возраст 18+
Представителям экономических и гуманитарных специальностей, желающим попробовать силы в совместной работе с ИТ-специалистами
Специалистам по нейросетевым моделям
ИТ-специалистам, желающим строить карьеру в банковской отрасли
Проджект-менеджерам
Задача команд-участников
Придумать работоспособный прототип на базе открытых источников. На этапе создания концептов для банка, основное внимание будет уделено рабочим прототипам решений. После проведения мероприятия переход с открытого решения к on-premise будет осуществляться в формате пилотирования проекта в Банке Уралсиб
Кейсы
Создать ассистента экономиста, который будет анализировать видеозаписи и тексты речей представителей банка

Референт
09
02
Журналист
который, используя фабулу в 2-5 тыс. знаков, мог бы создавать 30-50 статей
03
Генератор дизайна
Создать генератор дизайна банковской карты и других персональных продуктов по текстовому запросу пользователя

04
Диалоговый чат-бот
работающий на фронтальной линии техподдержки, с функционалом ИТ-сотрудника, помогающего пользователю разобраться с инструкциями

05
Цифровой ассистент
который будет обрабатывать записи совещаний: транскрибировать, размечать роли, фиксировать поставленные задачи, формировать протокол встречи

06
Генератор опросов
Создать генератора персонализированных опросов по результатам использования сервиса
07
Дата-ассистент
позволяющий осуществлять сегментацию и сквозную аналитику по данным, генерировать отчеты о динамике и причинах оттока/притока пользователей

08
Ассистент маркетолога
который будет генерировать по описанию продукта и текстовому запросу пользователя варианты названия продукта и рекламный материал в заданном формате

Контент-аналитик
(Управление клиентским опытом)
Что надо, чтобы можно было реализовать такой кейс:
- какие данные передать: скрипты сотрудника поддержки, регулярно обновляемая база данных по каналам коммуникации с клиентом (электронные письма, чаты с клиентом, форма обратной связи)
- как обучить: написать код, который по описанию продукта, текстовому запросу пользователя (функционал, качества продукта, характеристики, отзывы) обучит нейросеть транскрибировать записи и обрабатывать уже текстовые диалоги на предмет удовлетворенности сервисом
- где развернуть (если On-premise): развертывание на серверах банка, у заказчика



Предметная область
Аналитика обратной связи, текстовая и речевая аналитика

Что мы хотим (ИКР)
Комплексная система обработки обратной связи с встроенным ассистентом - генеративной ИИ-моделью. Ассистент осуществляет в постоянном режиме обработку базы записей разговоров с клиентом в сети отделений, в колл-центрах, по формам обратной связи на сайте
KPI\ параметры качества:
- распознавание большинства диалогов с клиентами
- первичная разметка текстов (слова и выражения, категоризация)
- трактовка смысла разговоров по чек-листу
- аналитика сложных параметров разговора (резкий поворот разговора, тон, пассивная агрессия, равнодушие сотрудника, пр.)

Как созданное решение использовать как постоянный сервис
- что надо сделать: решение представлено в интерфейсе единого окна доступа ко всей аналитике по каждому каналу коммуникации с клиентом. По одному скрипту - текстовому запросу пользователя - система выводит релевантные данные в виде дашбордов/аналитического отчета/списка основных выводов/готовой ссылки на доступ к нужной информации
- права: доступ к решению имеют все сотрудники Управления, имеющие форму допуска, которая позволяет обрабатывать данные разговоров с клиентом. Руководитель управления имеет права администратора - ограничивать и открывать доступ другим сотрудникам, доступ к разным видам данных базы
- сопровождение: аналитик отвечает за генерацию отчетов/дашбордов по каждому каналу коммуникации


Какие возможности генеративного ИИ используются
- Речевая аналитика
- Парсинг неструктурированных данных: создание таблиц на основе длинных текстов
- Извлечение контактов из корпуса текстов
- Создание таблиц из разных типов данных
- Извлечение ключевых слов из корпуса текстов
- Классификация данных по категориям по заданному примеру
- Базовый и продвинутый сентиментальный анализ текстов

Журналист (Пресс-центр)
Что надо, чтобы можно было реализовать такой кейс:
- какие данные передать: база корпусов текстов с рекламными материалами (продукты и сервисы, акции, пр.) не менее 1 млн знаков
- как обучить: текстовый запрос по шаблону, уточняющий запрос по шаблону, оценщик (сотрудник, трудоемкость - около 100 человеко-часов)
- где развернуть (если On-premise): приложение для корпоративной среды банка


Предметная область
Выпуск пресс-релизов о новых продуктах\изменений условий по продуктам. Анонсы событий, и т.п.


Что мы хотим (ИКР)
Сделать журналиста, который, используя фабулу в 2-5 тыс. знаков, мог бы создавать 30-50 статей, отличающихся по стилю, формату, лексике и т.п.


KPI\ параметры качества:
- бот следует заданной в запросе структуре материала
- бот следует заданному формату (статья/интервью)
- бот соблюдает ограничения по объему текста
- сгенерированный текст отвечает заданному в запросе стилю
- из 10 статей принимается к дальнейшему редактированию 8
- текст генерируется по заданным в запросе тезисам (из базы корпусов текстов)

Как созданное решение использовать как постоянный сервис
- что надо сделать: решение представлено в интерфейсе диалогового чат-бота. По одному шаблону – готовому текстовому запросу пользователя и заданному набору тезисов – система выводит статью/интервью в заданном объеме, стиле, с релевантной информацией в соответствии с шаблоном
- права: доступ к решению имеют все сотрудники пресс-службы. Руководитель управления имеет права администратора – ограничивать и открывать доступ другим сотрудникам, доступ к любым данным базы
- сопровождение: сотрудник пресс-службы отвечает за генерацию текстов по запросу банка и ручную вычитку результата



Какие возможности генеративного ИИ используются
- Создание рекламных материалов по описанию продукта
- Написание вопросов для интервью
- Имитация дружеского чата


Генератор дизайна банковской карты
(Цифровой маркетинг)
Что надо, чтобы можно было реализовать такой кейс:
- какие данные передать: на внешний сервис передаются только запросы пользователя через интерфейс мессенджера
- как обучить: создать бот в мессенджере, который будет обрабатывать текстовые запросы пользователя. После утверждения дизайна пользователем сгенерированная картинка направляется в банк, а клиента переадресуют на сайт для заполнения заявки на выпуск карты. Представить вариант развертывания on-premise.
- решить вопрос о неразглашении и т.п. если облако: клиент не оставляет персональные данные, вся информация передается только через сайт банка
Предметная область
Выпуск карт с индивидуальным дизайном



Что мы хотим (ИКР)
Создать генератор дизайна банковской карты и других персональных продуктов по текстовому запросу пользователя
KPI\ параметры качества:
- бот генерирует изображение, релевантное запросу пользователя
- бот отправляет информацию об изображении в банк и переводит пользователя на заполнение заявки на сайте банка
Как созданное решение использовать как постоянный сервис
- что надо сделать: диалоговый чат-бот в мессенджере, который по текстовому запросу будет создавать индивидуальное изображение и предлагать визуализацию банковской карты с этим изображением. Необходимо прописать четкие критерии создания изображения и механизм предотвращения выдачи нерелевантного и сенситивного контента
- права: право отправлять запросы на получение индивидуального дизайна банковской карты имеют все внешние пользователи. Права модерации - у сотрудника подразделения цифрового маркетинга
- сопровождение: модератор и сотрудник техподдержки могут быть вовлечены в сопровождение чат-бота
- развитие (перехват разработки): решение локализуется в контуре банка и поддерживается внутренними ресурсами цифрового маркетинга

Какие возможности генеративного ИИ используются
- генерация изображений
- классификация данных по категориям по заданному примеру

Диалоговый чат-бот
(Операционная поддержка бизнеса)
Что надо, чтобы можно было реализовать такой кейс:
- какие данные передать: база знаний для пользователей, скрипты сотрудника техподдержки
- как обучить: решение on-premise с встроенной моделью генеративного ИИ без доступа в интернет. На вход подаются текстовые или голосовые запросы пользователя (предусмотреть добавление речевой аналитики), на выходе – текстовая инструкция/голосовой ответ.
- где развернуть (если on-premise): интеграция с порталом ServiceDesk
- решить вопрос о неразглашении и т.п. если облако
Предметная область
Консультационный центр, техподдержка пользователей


Что мы хотим (ИКР)
Диалоговый чат-бот для сотрудников Банка, работающий на фронтальной линии техподдержки, который сможет дублировать функционал ИТ-сотрудника, помогающего пользователю разобраться с инструкциями

KPI\ параметры качества:
- бот отвечает на любые вопросы, кроме изменений в информационных системах
- бот правильно пользуется скриптами сотрудника техподдержки
- бот генерирует релевантную (по материалам базы знаний) инструкцию в упрощенном виде по вопросу пользователя
- бот умеет распознавать речь и обрабатывать речевой запрос, выдавая релевантный ответ из базы знаний в текстовом виде

Как созданное решение использовать как постоянный сервис
- что надо сделать: диалоговый чат-бот должен быть интегрирован с сайтом портала банка или телефонной линией, а также на постоянной основе обрабатывал базу знаний. Интеграция с порталом банка будет происходить полностью on-premise.
- права: права доступа у сотрудника банка – для корректировки и ручной обработки (при необходимости) запросов пользователя. Права администратора – у разработчиков и руководителя подразделения.
- сопровождение: сотрудник техподдержки/разработчик - для корректировки выдачи и заявок, имеющих отношение к изменениям в информационных системах.



Какие возможности генеративного ИИ используются
-Создание списков по заданной теме
-Классификация данных по категориям по заданному примеру
-Отвечать на вопросы по имеющимся данным
-Речевая аналитика
Цифровой ассистент
(Центр управление проектами)
Что надо, чтобы можно было реализовать такой кейс:
- какие данные передать: запись совещания (ВКС)
- как обучить: решение on-premise с встроенной моделью генеративного ИИ, обработка записей «в прямом эфире» или ретроспективно – через подключение к сетевым ресурсам банка
- где развернуть (если On-premise): интеграция с сервисом видеоконференцсвязи (если «в прямом эфире»), размещение на серверах банка – интеграция с корпоративным порталом

Предметная область
Ведение протоколов встреч, совещаний, составление саммари и постановка задач членам команды



Что мы хотим (ИКР)
Сделать цифрового ассистента, который будет обрабатывать записи совещаний: транскрибировать, размечать роли, фиксировать поставленные задачи, формировать протокол встречи


KPI\ параметры качества:
- точность транскрибации
- точность распределения ролей
- бот генерирует релевантное саммари по транскрибированной записи
- бот следует заданному стандарту написания протокола встречи
- бот правильно извлекает данные из саммари и ставит задачи команде


Как созданное решение использовать как постоянный сервис
- интеграция в систему банка: необходимо встроить решение в корпоративный портал или другую соответствующую платформу, чтобы пользователи могли использовать его в работе
- права доступа: административный доступ необходим для организации и настройки решения. В зависимости от необходимости, доступ к решению может быть предоставлен различным категориям пользователей в банке, таким как руководители или сотрудники всех подразделений
- сопровождение: для обновлений системы - разработчик, специалисты по техподдержке




Какие возможности генеративного ИИ используются
- Конспектирование текста с помощью специальных команд
- Преобразование заметок по встрече в саммари
- Базовый и продвинутый сентиментальный анализ текстов
- Извлечение контактов из корпуса текстов
- Извлечение ключевых слов из корпуса текстов
Генератор опросов
(Корпоративный и малый бизнес)
Что надо, чтобы можно было реализовать такой кейс:
- какие данные передать: данные обезличенного клиентского пути на сайте/в приложении, база категорий для обработки опросов
- как обучить: написать код, который по обучит нейросеть по примеру пользовательского пути генерировать опрос об удовлетворенности сервисом
- где развернуть (если On-premise): интеграция с сайтом банка, порталом для бизнеса
Предметная область
Генерация опросов для пользователей сайта и приложения


Что мы хотим (ИКР)
Создать генератора персонализированных опросов по результатам использования сервиса
KPI\ параметры качества:
- решение генерирует релевантный опрос по результатам клиентского пути
- точность категоризации опроса




Как созданное решение использовать как постоянный сервис
- что надо сделать: интеграция в систему банка: необходимо встроить решение в корпоративный портал или другую соответствующую платформу, чтобы пользователи могли использовать его в работе
- права: административный доступ необходим для организации и настройки решения. Доступ к решению может быть предоставлен различным категориям пользователей в банке в зависимости от их роли и функций, таких как менеджеры проектов, аналитики или специалисты по маркетинговым исследованиям
- сопровождение: специалист по маркетингу для создания базы знаний и примеров для обучения, аналитик данных для обработки результатов опросов, сотрудник техподдержки

Какие возможности генеративного ИИ используются
- Написание вопросов для интервью
- Парсинг неструктурированных данных: создание таблиц на основе длинных текстов
- Извлечение контактов из корпуса текстов
- Создание таблиц из разных типов данных
- Извлечение ключевых слов из корпуса текстов
- Классификация данных по категориям по заданному примеру
- Базовый и продвинутый сентиментальный анализ текстов

Дата-ассистент (ИТ-проекты)
Что надо, чтобы можно было реализовать такой кейс:
- какие данные передать: база пользовательских данных об использовании сайта, приложения банка
- как обучить: программа способна обучить нейросеть по примеру пользовательского пути генерировать аналитические отчеты по заданному формату/примерам
- где развернуть (если On-premise): интеграция с сайтом банка, сервисами веб-аналитики




Предметная область
Решение по автоматизации аналитики данных, отчетов FineBI, генерация таблиц, расчетов и графиков по запросу/типовому примеру


Что мы хотим (ИКР)
Решение по автоматизации работы BI-аналитика, которое позволит осуществлять сегментацию и сквозную аналитику непрерывно поступающих данных, генерировать отчеты о динамике и причинах оттока/притока пользователей


KPI\ параметры качества:
- робот понимает формат отчета, следует ему
- робот генерирует релевантный отчет по базе данных
- удобство верификации работы робота (можно проверить с помощью связанности выводов отчета и базы данных)
- робот умеет работать с базами данных, дообучаться при необходимости
- робот на основе данных предлагает релевантные новые форматы дашбордов, отчетов, таблиц






Как созданное решение использовать как постоянный сервис
- что надо сделать: интеграция ассистента с системой аналитики данных FineBI и аналогов, возможно, в формате расширения/плагина
- права: права администрирования - для руководителя подразделения, наличие пользовательского уровня доступа с возможностью настраивать источники данных в зависимости от запроса и указания руководителя
- сопровождение: разработчик - для обновления системы, аналитик данных - для валидации результатов анализа и постановки задач

Какие возможности генеративного ИИ используются
- ML/AI-консультирование (ответы на вопросы о моделях)
- Поиск ошибок в исходном коде, оптимизация кода
- Парсинг неструктурированных данных: создание таблиц на основе длинных текстов
- Написание программного кода по запросу пользователя
- Создание таблиц из разных типов данных
- Извлечение ключевых слов из корпуса текстов
- Классификация данных по категориям по заданному примеру
- Создание SQL-скриптов по запросу пользователя

Ассистент маркетолога
(цифровой маркетинг)
Что надо, чтобы можно было реализовать такой кейс:
- какие данные передать: опционально
- для названия продукта: текстовый запрос – пример по шаблону
- для рекламного материала: база из корпусов текстов с описанием продуктов, сервисов, акций, пр.
- как обучить: написать код, который по обучит нейросеть по примеру пользовательского пути генерировать опрос об удовлетворенности сервисом
- где развернуть (если On-premise): интеграция с сайтом банка, порталом для бизнеса
- решить вопрос о неразглашении и т.п. если облако




Предметная область
Генерация продуктовых имен и рекламных текстов для рекламной кампании



Что мы хотим (ИКР)
Создать ассистента маркетолога, который будет генерировать по описанию продукта и текстовому запросу пользователя (функционал, качества продукта, характеристики, отзывы) варианты названия продукта и рекламный материал в заданном формате


KPI\ параметры качества:
- бот генерирует релевантное название продукта
- бот следует заданной в запросе структуре материала
- бот следует заданному формату
- бот соблюдает ограничения по объему текста
- сгенерированный текст отвечает заданному в запросе стилю
- итоговый текст требует менее 30% ручного редактирования
- текст генерируется по заданным в запросе тезисам (из базы корпусов текстов)
Как созданное решение использовать как постоянный сервис
- что надо сделать: интеграция в корпоративный портал или другую соответствующую платформу
- права: административный доступ необходим для организации и настройки решения. Доступ к решению может быть предоставлен различным категориям пользователей в банке в зависимости от их роли и функций, таких как маркетологи, менеджеры проектов или аналитики.
- сопровождение: разработчик - для обновления системы, маркетологи - для валидации результатов выдачи

Какие возможности генеративного ИИ используются
- Написание вопросов для интервью
- Создание рекламных материалов по описанию продукта
- Генерация продуктовых имен по описанию и примеру
- Классификация данных по категориям по заданному примеру
- Базовый и продвинутый сентиментальный анализ текстов

Референт
(взаимодействие с представителями банка)
Что надо, чтобы можно было реализовать такой кейс:
- какие данные передать: база видеозаписей и текстов речей представителей банка за последний год,
- как обучить: использование решений open-source и кастомизация под заданную проблематику, работа программы в формате канала в мессенджере с доступом в интернет
- где развернуть (если On-premise): интеграция с сайтом банка, порталом для бизнеса





Предметная область
Речевая и текстовая аналитика




Что мы хотим (ИКР)
Создать ассистента экономиста, который будет анализировать видеозаписи и тексты речей представителей ЦБ и выявлять сигналы для участников рынка.



KPI\ параметры качества:
- ИИ принимает на вход речи и тексты представителей банка
- решение генерирует отчет с коротким саммари речи
- в отчете есть ряд аргументированных предположений о дальнейших действиях банка, экспертная оценка политики регулятора в отношении банков


Как созданное решение использовать как постоянный сервис
- что надо сделать: интеграция в систему корпоративного портала или другую платформу, работающий прототип с доступом к интернету.
- права: разработчик, техподдержка - режим администрирования для обновления системы, руководитель подразделения - для оформления доступов. Экономисты, аналитики - пользовательский доступ, для валидации результатов.
- сопровождение: IT-специалисты – для обслуживания технических инфраструктур, а также экономисты – для обеспечения качества аналитических отчетов и советов


Какие возможности генеративного ИИ используются
- Речевая аналитика
- Парсинг неструктурированных данных: создание таблиц на основе длинных текстов
- Извлечение контактов из корпуса текстов
- Создание таблиц из разных типов данных
- Извлечение ключевых слов из корпуса текстов
- Классификация данных по категориям по заданному примеру
- Базовый и продвинутый сентиментальный анализ текстов


Критерии оценивания
  • Инновационность
  • Бизнес-модель
  • Масштабируемость
  • Экономический эффект

Таймлайн

22/05/2023
Старт приёма заявок
13/06/2023
Окончание приёма заявок
14/06/2023
Начало проведение хакатона
27/06/2023
Отборочный этап
28/06/2023
Полуфинал
30/06/2023
Проведение мероприятия "Турнир идей" / объявление победителей и вручение призов
Отбор проектов на комиссию по инновациям Банка Уралсиб

Результаты Хакатона

Дорогие участники Хакатона, опубликованы результаты. Поздравляем с окончанием Хакатона и желаем дальнейших успехов !

  • Проект "Al-ассистент Тома"
    асситент, который способен транскрибировать и выделять самую важную информацию из любого источника
    1
  • Проект "DarkFlow"
    ассистент экономиста, способный анализировать видеозаписи и текстовые речи представителей банка
    2
  • Ваша карта - Ваш дизайн
    вэб приложение, позволяющее пользователям и клиентам банка сгенерировать дизайн своей банковской карты, основываясь на личных предпочтениях, желаниях и интересах при помощи Искусственного Интеллекта
    3

Жюри

  • Меденцев Константин Валентинович
    Председатель жюри, старший вице-президент по банковским технологиям банка Уралсиб
  • Скворцов Олег Викторович
    Председатель Правления АРБ
  • Гришин Дмитрий Владимирович
    Директор по инновациям банка Уралсиб,
    Глава комитета по инновациям Ассоциации российских банков
  • Плотников Дмитрий Сергеевич
    Руководитель службы стратегического развития
    банка Уралсиб
  • Кирилл Островский
    Руководитель проектов дирекции портфельного управления проектами банка Уралсиб
FAQ
До конца Хакатона осталось:
Дней
Часов
Минут
Секунд

Организаторы

Партнёры