СМИ о нас
FutureBanking

Анализ голоса в обеспечении безопасности финансовых организаций: использование технологии LVA

7.03.2019
Анализ голоса в обеспечении безопасности финансовых организаций: использование технологии LVA
Анализ голоса в обеспечении безопасности финансовых организаций: использование технологии LVA
7.03.2019 | FutureBanking
Анализ голоса в обеспечении безопасности финансовых организаций: использование технологии LVA

Анализируя выступления различных специалистов на секции «Информационная безопасность финансовых систем» форума ВБА-2018 "Вся банковская автоматизация", мне как психологу было весьма интересно узнать о многообразии постановки самой проблемы – обеспечение безопасности финансовых организаций. В основном спикеры обсуждали технические и/или организационные вопросы информационной безопасности (ИБ). А мне бы хотелось обратить внимание читателей на другой аспект этой глобальной проблемы и перейти от постановки вопроса «Как защитить информацию клиента или финансовой организации?» к вопросу «Кто ее использует?». Контекст такого «поворота» следующий: в любой системе получения, хранения, передачи и использования информации есть особое звено – человеческий фактор. В выступлении известного специалиста в области ИБ А. П. Курило проблемы человеческого фактора четко вписываются в большой блок организационных проблем обеспечения ИБ (см.: https://vbaforum.ru/i/editor_upload/files/prezentaciya_cb.pdf). Поэтому руководителям финансовых организаций (ФО) следует еще раз задуматься о тех, кто имеет доступ к важной информации и системе ее хранения внутри самой организации, а также о том, кто их потенциальный клиент? И задать себе вопрос: «Мы доверяем этим людям?». Лучшей смысловой установкой при размышлении на эту тему, на наш взгляд, будет слоган моих коллег и соавторов из компании Nemesysco, разрабатывающих технологию LVA, – «Лучше знать, а не предполагать!».

В данном контексте мы закономерно переходим к постановке следующих производных вопросов: «Как узнать больше о сотрудниках, партнерах, заемщиках, клиентах, если им есть что скрывать?». В условиях неопределенности и вариативности средств и способов принятия решения руководителю ФО нужна надежные данные о людях: кто является носителем важной информации в самой компании, кто делает нам предложение, можно ли снизить кредитные риски или избежать страховых выплат, оперативно оценив правдивость предоставляемой информации?

Ниже рассмотрим достаточно новый для данной проблемной области метод, позволяющий специалистам ФО оценить существующие или потенциальные риски. Максимально ограничивая круг практических вопросов, эффективно решаемых с помощью технологии LVA, выделим следующие:

  • Прием на работу сотрудников ФО: оценка профессионально важных компетенций и конкретных рисков. В качестве примера последних укажем: употребление алкоголя, воровство, подделка документов и др.
  • Оценка результатов переговоров.
  • Периодические кадровые проверки.
  • Расследование инцидентов.
  • Оценка рисков принятия решения в ходе «живого» общения с партнерами и клиентами ФО.

LVA (Layered Voice Analysis) – это компьютерный метод многоуровневого (многослойного) анализа вокальных параметров голоса человека, т. е. анализ звучащей речи в процессе ответа респондента на специально подготовленные вопросы .Эта технология разработана израильской компанией Nemesysco (автор – А. Либерман, www.nemesysco.com) и в основном предназначена для количественной и качественной оценки выраженности в голосе человека эмоционального стресса и умственного напряжения. В практике оценка рисков, связанных с человеческим фактором, в последние годы используется для выявления особенностей эмоционального реагирования человека в ситуации интервью, а также достоверности предоставляемой им информации по определенном вопросу. Может применяться как основной метод в полностью автоматической экспресс-оценки человека или как дополнительный инструментарий в работе службы безопасности и кадровой службы ФО.

Перечислим основные особенности метода LVA, отличающими его от более привычных и уже ставшими традиционными методов – психологических опросников и использованием полиграфа:

  • Это оценка произвольно неконтролируемых реакций человека.
  • Это оценка количественных показателей эмоционального и когнитивного стресса, получаемых сразу после окончания тестирования.
  • Этот метод не зависит от языка, на котором говорит респондент: не важно, кто и что говорит, важно — как.
  • В результате получаем общую оценку рисков в ответах говорящего в целом по интервью и детальные оценки по отдельным вопросам.
  • Процедура тестирования может быть разнообразной: очное, с участием специалиста ФО, по IP-телефону, полностью автоматизировано через интернет с помощью IVR-бота.
  • Практически полностью исключается эффект социальной желательности в ответах респондента, максимально свойственной психологическим опросникам.
  • Достаточно быстрая процедура тестирования (от 15 до 45 минут в зависимости от набора вопросов в интервью.
  • В варианте экспресс-анализа типичных рисков с помощью стандартного набора вопросов не требует участия высококвалифицированного специалиста и дорогостоящего оборудования по сравнению полиграфическим исследованием.

Таким образом, на наш взгляд, данный метод как инструмент психофизиологической диагностики обладает рядом существенных преимуществ в сравнении с использованием психологических опросников и полиграфа: достаточно высокая надежность и точность оценки рисков, возможность проведения массовых исследований и невысокая цена. Крайне важно и принципиально, что оценка рисков осуществляется в ходе интервью оператора с клиентом ФО – т. е. знаки эмоционального стресса, умственного напряжения и неискренности обнаруживаются в режиме реального времени, а при отборе персонала – сразу же после окончания тестирования.

Далее рассмотрим вопрос о том, как работает метод LVA, каковы идеи и алгоритмы, лежащие в его основе. В ходе стандартизированного интервью с помощью компьютера регистрируются голосовые реакции человека, а затем проводится их анализ по 151 параметру, на основе которых рассчитываются обобщенные показатели выраженности эмоционального стресса, умственного напряжения, вероятности лжи. По нашим сведениям, описание метода и ряд технических деталей представлены в патентах США, Китая, Израиля, России, Сингапура, Австралии.

Обработка голосового сигнала проводится следующим образом: в оцифрованном голосовом сигнале выделяются микроизменения его амплитуды, так называемые «пики» (Thorn) и «плато» (Plateaus) (см. рис. 1). Главная особенность обработки «сырых» данных заключается в том, что компьютер выделяет действительно микроизменения в голосе: участки нестационарности в интервалах 3-5-7 миллисекунд. Это крайне важно, поскольку изменения такой длительности не в состоянии обнаружить и оценить никакой, даже самый опытный специалист-фонолог. Не будет преувеличением сказать, что в данном случае компьютер действительно работает лучше, чем человек. Обнаруживая в голосовом сигнале «пики» и «плато», компьютерная программа разделяет всю запись на временные отрезки – сегменты, где наблюдаются значимые изменения в голосе.

Рис. 1. Выделение участков «пиков» и «плато» в голосовом сигнале. По горизонтальной оси – время, по вертикальной – амплитуда сигнала в относительных единицах.

На основе выделения такого рода микроизменений в разных сегментах голосового сигнала и результатов статистического анализа их характеристик, компьютерная программа рассчитывает несколько обобщенных показателей изменения эмоционального и умственного напряжения. Вот несколько основных индексов, на которых построена общая логика оценки рисков:

  • SPT – количество «пиков», отражает уровень эмоционального стресса.
  • SPJ – количество «плато», отражает уровень когнитивного стресса.
  • JQ – степень вариативности появлений «плато», характеризует общий уровень стресса.
  • AVJ – средняя длительность плато, отражает общий уровень мыслительной нагрузки.
  • FMAIN – частота основного тона голоса, характеризует уровень сосредоточенности, концентрации говорящего на заданной теме (вопросе).
  • FX – показатель наличия в спектре голоса значимых частотных составляющих, один из показателей неискренности.
  • FQ – показатель однообразности частотного спектра голоса, еще один из показателей неискренности.
  • FFLIC – коэффициент дрожания голоса, отражает смущение и наличие внутренних конфликтов.

Как результат анализа голоса респондента, отвечавшего на вопросы по нескольким темам, рассчитываются несколько важных итоговых показателей: «Уровень риска», показатель S.O.S. (Say or stop, сказать или промолчать), «Уровень антиципации», «Вероятность лжи» и др. По результатам анализа голоса в ходе интервью компьютерная система дает обобщенную характеристику респондента в виде специальной диаграммы, называемой «Бриллиант эмоций, или Бриллиант Немесиско» (см. рис. 2). Это восьмиугольник, характеризующий эмоциональные и когнитивные проявления респондента в ходе интервью. В ряде специальных программных реализаций технологии LVA (например, QA5 и RA7) такие диаграммы строятся в режиме реального времени, например, в ходе телефонной беседы сотрудника кредитного отдела банка или страховой компании с клиентом.

Рис. 2. Пример построения «Бриллианта Немесиско» по результатам проведения анализа выступления одного из президентов США после выборов на второй срок.

Бриллиант эмоций как графический способ представления результатов теста в целом позволяет выделить ключевые эмоциональные реакции респондента при ответе на все заданные ему вопросы. Расположенный на вершине параметр «Энергичный» свидетельствует о направленности человека на обсуждаемую проблему, включенность в нее без особых усилий и напряжения. На противоположном полюсе мы видим параметр «Напряженный», который характеризует противоположную направленность; при преобладании на диаграмме этого показателя респондент в большей степени проявляет тенденцию к избеганию достижения цели. Помимо этого в эмоциональном бриллианте имеются такие полярные пары параметров как: «Взволнованный» – «Уверенный», «Пылкий» – «Вдумчивый» и «Сосредоточенный» – «Тревожный». Бриллиант эмоций как суммарное отражение эмоциональных реакций респондента можно условно разделить на два блока – вертикальный и горизонтальный. Если двигаться по горизонтали, то вся правая сторона относится к эмоциям, тогда как левая часть относится к логике и когнитивной нагрузке. Двигаясь по вертикали, мы видим, что вся верхняя часть демонстрирует направленность человека вперед и характеризует его энергетическую составляющую, тогда как нижняя часть свидетельствует о «застревании» и сдерживании его активности при ответе на вопросы. После окончания тестирования пользователь получает итоговый отчет в удобной и понятной графической форме (см. рис. 3).

Рис. 3. Пример результатов оценки респондента с помощью одного из риск-тестов в ходе профотбора при приеме на работу. Справа на столбчатых диаграммах – оценки рисков по ряду параметров, показывает отсутствие таковых – все индексы в «зеленой» зоне; справа в таблице – соответствующие им числовые показатели.

Подводя промежуточный итог описания технологии LVA, укажем на то, что спустя 20 лет после начала ее практического использования компанией Nemesysco накоплен достаточный объем свидетельств ее научной обоснованности, валидности и надежности получаемых результатов. Проведено несколько циклов экспериментальных исследований как самим А. Либерманом и его коллегами, так и независимыми экспертами из ведущих научных центров (Гусев и др., 2018а, б, Hobson et al., 2012, Mayew and Venkatachalam, 2012, Elkins, 2011, Gamer, et al., 2006; см. также: http://nemesysco.com/research-2).Далее остановимся на описании различных вариантов работы с программным обеспечением (ПО), разработанным на базе технологии LVA. В рамках решения задач отбора персонала при приеме на работу или кадровых проверок используется версия ПО LVA-i (К-фактор). Кандидату на должность или действующему сотруднику предлагается ответить на ряд специальных вопросов, связанных с его профессиональной деятельностью, его отношением к типичным ситуациям, случающимся в компании, его установках и привычках. Например, отношение к коллегам, совершающим мелкие кражи на работе, употребление алкоголя и т.д. Вот далеко не полный набор тем, которые предлагаются респонденту для обсуждения:

  • Конфиденциальность и секретность
  • Кражи на рабочем месте
  • Взятки и откаты
  • Мошенничество и обман
  • Сговор
  • Употребление наркотиков
  • Употребление алкоголя
  • Игровая зависимость
  • Лояльность по отношению к компании
  • Криминальное прошлое

На рис. 4. Приведен результат выполнения ИТ-специалистом одной из известных ФО нашей страны такого риск-теста в процессе расследования инцидента о «сливе» клиентской базы данных третьим лицам. В правой части экрана видны высокие и средние уровни риска по ряду тем: криминальное прошлое, прием наркотиков, употребление алкоголя. Результаты проведенного в нашей лаборатории анализа данных, зарегистрированных в ходе профайлеровской беседы, были в дальнейшем подтверждены документально и верифицированы на полиграфе. Как показали дальнейшие результаты служебного расследования, за «сливом» конфиденциальной информации потянулись наркотики, алкоголь, сговор с коллегами.

Рис. 4. Результаты использования ПО LVA-i (К-фактор) для проведения стандартного риск-теста.

В крупных ФО разных стран получило распространение ПО QA5 (quality assurance) – инструмент для оценки работы call-центров. Данное приложение позволяет в режиме реального времени: отслеживать качество общения клиента с оператором, следить за эффективностью работы оператора (см. рис. 5). На основании анализа данных появляется возможность создавать профиль клиента (что ему нравится/не нравится). Опыт использования данной технологии позволяет увеличить продажи банковских продуктов путем оптимизации взаимодействия клиента с оператором.

Рис. 5. Проявление эмоционального стресса при общении сотрудника call-центра с клиентом, обратившимся в страховую компанию за возмещением ущерба.

Фактически технология LVA используется как эффективный и очень недорогой инструмент оценки удовлетворенности клиентов, позволяя менеджерам ФО проводить мониторинг всех завершенных звонков и вовремя обнаруживать недовольных клиентов; оптимизировать работу персонала call-центра, быстро выявляя ошибки в работе оператора; обнаруживать различные угрозы для предотвращения конфликтов и мошенничества.

Использование ПО QA5 в компании NorthStar (call-цент, обслуживающий Bank of America) показал значительную экономическую выгоду. Northstar использует это ПО в рамках технологии Castel Detect для мониторинга разговоров с клиентами в реальном времени, выявления инцидентов с бизнес- рисками и оценки эффективности операторов call-центра. Анализ результатов показал, что на 54% уменьшилась число звонков недовольных обслуживанием клиентов. Castel Detect предоставляет операторам Northstar возможность легко идентифицировать эмоции человека на входящем звонке – эмоционально накаленные звонки. Это обеспечивает более успешное разрешение конфликтов и улучшает обслуживание клиентов в режиме реального времени. Показательно, что на 63% уменьшилось число жалоб клиентов руководству компании, т. к. не все клиенты просили соединить их с менеджером во время звонков, их вопросы решались на уровне операторов, что снизило количество поступающих писем и обращений с жалобами. Благодаря интеграции QA5 в технологию Castel Detect операторы повысили эффективность общения с клиентами, что привело к сокращению времени обработки входящих вызовов в среднем на 35%.

Хороший результат применения ПО QA5 показан в рамках пилотного проекта российской компании МТС по оценке качества работы операторов call-центра (кейс 2006 г.). Так, 77% звонков, обработанных QA5 соответствовали пометке, сделанной супервайзером (хорошо/проблемно/плохо). Около 95% соответствия выводов автоматического анализа беседы клиента и оператора с помощью ПО QA5 и оценки опытного супервайзера получены в оценке звонка как хорошего или нормального. Не требуется доказывать, что данная технология показала свою высокую эффективность.

ПО RA7 (risk assessment, см. рис. 6), как правило, используется для оценки кредитных рисков. В ходе телефонного разговора потенциального заемщика с сотрудником банка оцениваются риски, связанные с неискренностью при ответе на вопросы стандартного скрипта, кредитной историей и случаями совершения мошенничества в прошлом и намерением совершить мошенничество. По ходу интервью оператор, обнаружив на экране монитора соответствующий уровень риска, может задать уточняющие вопросы и получить более детальную информацию в определенном направлении, получив подтверждение своему опасению или сняв его из рассмотрения. В любом случае лицо, принимающее решение о предоставлении кредита, в тот же момент времени имеет дополнительную информацию о вероятности риска или ее отсутствии. Наш анализ кейсов, предоставленных компанией Nemesysco, позволяет сделать заключение об эффективности данного инструмента с первого же дня его использования, обнаружить мошеннические требования в реальном времени, отследить 100% звонков, получить более объективную картину уровня мошенничества в данной ФО, сэкономить время на обучении и наставничестве персонала.

Рис. 6. Работа оператора call-центра одного из банков. Общение с клиентом и одновременный контроль его голосовых реакций с помощью одного из вариантов системы RA7.

Ниже, на рис. 7, приведены данные исследования эффективности использования технологии LVA в венгерской страховой компании (UNIQA Insurance) в период обращения клиентов за страховыми выплатами после землетрясения магнитудой 4,3 балла 29 января 2011 г. Получен интересный результат: чем дальше местоположение клиента от эпицентра землетрясения, тем больше мошеннических обращений выявлено с помощью данного ПО. Всего 119 обращений были признаны истинными и 44 (27%) – мошенническими. Аналогичные результаты были получены с помощью ПО RA7 в словацкой страховой компании Allianz. До установки RA7 Allianz не проверяла поступающие требования о возмещении ущерба, которые доходили до 40.000 € ежемесячной выплаты. Использование данной системы оценки рисков при выплате страховых сумм показала, что 44% дел с небольшими требованиями о возмещении (например, повреждение водопроводных труб) находились в зоне повышенного риска мошенничества.

Рис. 7. Структура обращений клиентов страховой компании за возмещением ущерба.

Опишем еще один интересный кейс. В рамках оценки мошенничества в риск-менеджменте южноафриканской страховой компании Censeo в 2014 г. были проанализированы около 30.000 страховых обращений, которые были помечены службой безопасности отметкой «Риск». Используя RA7 для проведения коротких интервью с заявителями, около 20.000 обращений (70%) оказались в зоне «Низкого риска», в связи с чем было принято решение не продолжать по ним расследование. Результаты проведенного исследования показали возможность улучшения обслуживания клиентов, а также сэкономили 15.000.000 $ компании на поездках и расходах.

Весьма показательный результат получен в пилотном исследовании, проведенном компанией Nemesysco совместно с одним из российских банков в 2015 г. на выборке 2832 заявителей о выдачи кредита. Решение о выдаче или отказе в выдаче кредита было принято банком вне зависимости от использования технологии LVA. Тем не менее с помощью данного программного обеспечения были валидизированы аудиофайлы, содержащие сообщения заявителей о кредитной истории, платежеспособности и намерении платить. Вопросы задавались при помощи автоматизированной системы опроса. В результате были выделены 6 групп риска: от ярко зеленого – нет риска, до коричневого – высокий риск (см. табл. 1). На наш взгляд, полученные результаты свидетельствуют о хорошей прогностической валидности данного риск-теста:

  1. Проблемных клиентов из последних 2-х групп риска было выявлено более 46%, тогда как лишь 8,5% таких заемщиков оказалось в первой группе.
  2. Более 90% клиентов из группы «Отсутствие риска» выплатили кредит, тогда как в полярной группе их было менее 52%.

Таблица 1. Число заемщиков банка, распределенных по группам риска в соответствии с оценками, полученными с помощью ПО RA7. Черной рамкой выделены проблемные клиенты.

Группа риска

1

2

3+4

5+6

Общее количество обращений

751

10

394

733

Отказано

362

3

204

375

Выплачено в полном объеме

90.15%

80%

51.02%

51.98%

Проблемный клиент

8.52%

20%

48.98%

46.38%

Невыполненные обязательства

1.33%

0%

0%

1.64%

Нам очевидно, что финансовые потери данного банка могли бы быть снижены за счет своевременных оценок недостоверности представляемой заемщиком информации, полученных с помощью ПО RA7.

В заключении укажем, что оценка выраженности эмоционального стресса, когнитивного напряжения и вероятности предоставления человеком недостоверной информации по голосу может быть весьма полезным и эффективным средством в работе кадровой службы и службы безопасности ФО, поскольку позволяет оценить целый ряд рисков при работе с клиентами банков, страховых компаний и других организаций, принимающих финансовые решения в условиях неопределенности. Это как внешние риски, связанные и оценкой информации, получаемой от клиентов ФО, так и риски внутренние, связанные с оценкой персонала.

Технология многоуровневого анализа голоса LVA позволяет решать рассмотренные выше задачи самыми разными способами: в процессе непосредственного общения специалиста ФО с клиентом в ходе кадрового собеседования при приеме на работу или кадровой проверки сотрудника ФО за компьютером, по телефону или с помощью специально разработанного IVR-бота.

Еще раз подчеркнем, наш основной лозунг – «Лучше знать, а не предполагать!».

А.Н. Гусев, доктор психологических наук, профессор факультета психологии МГУ имени М.В. Ломоносова, заведующий лаборатории анализа поведения компании F2FGroup.

Литература

Гусев А. Н., Енгалычев В. Ф., Захарова Н. А. Компьютерные технологии оценки голоса и лицевых экспрессий в анализе аудио- и видеоматериалов // Armenian Journal of Mental Helth. — 2018. — Т. 9, № 1 /Supplement. — С. 70–73.
Гусев А. Н., Енгалычев В. Ф., Захарова Н. А. Современные тренды в использовании программно-аппаратных средств при оценке психоэмоционального состояния человека // Аппаратные средства в психологической подготовке / под ред.
А.Г. Караяни, С.И. Данилова. — Военный университет; Школа современных психотехнологий, Москва, 2018. — С. 110–117.
Hobson J. L. , Mayew W. J. , Venkatachalam M. (2012). Analyzing Speech to Detect Financial Misreporting. Journal of Accounting Research, vol. 50, issue 2, pp. 349-392.
Mayew W. J. , Venkatachalam M. (2012). The Power of Voice: Managerial Affective States and Future Firm Performance. The Journal of Finance, vol. 67, issue 1, pp. 1-43.
Elkins A. C. (2011). Vocalic markers of deception and cognitive dissonance for automated emotion detection systems // A Dissertation submitted to the Faculty of the Committee on business administration. The University of Arizona. 175 p.
Gamer M., Rill H.-G., Vossel G., Godert H. W. (2006). Psychophysiological and vocal measures in the detection of guilty knowledge. International Journal of Psychophysiology, vol. 60, pp.76 – 87.

Читать полный текст...
Показать еще...
Наверх