icon-search

Jak wykorzystać potencjał sztucznej inteligencji w bankowości ? Część 1.

Jędrek Fulara 22.06.2018

Dynamiczny wzrost dostępu do danych ustrukturyzowanych i nieustrukturyzowanych, dostępność nowych technologii, takich jak przetwarzanie w chmurze i algorytmy uczenia maszynowego, rosnąca presja spowodowana nową konkurencją, wzrost regulacji i zwiększone oczekiwania konsumentów – wszystko to sprawia, że konieczność efektywnej implementacji sztucznej inteligencji (Artificial Intelligence, AI) staje się jedną z bardziej palących kwestii dla firm z sektora bankowości.

Nie ma obecnie wątpliwości, że algorytmy oparte na uczeniu maszynowym zmienią charakter korporacji finansowych. Stawienie czoła nowym wyzwaniom technologicznym staje się zatem nie tylko elementem tworzenia przewagi nad konkurentami, ale przede wszystkim fundamentem utrzymywania się firmy na rynku. A konkurencja jest zacięta. Od 2000 roku ponad połowa firm finansowych z listy Fortune 500 nie wytrzymała intensywnej konkurencji i wypadła z biznesowej gry.

Sztuczna inteligencja bez wątpienia sprawia, że rywalizacja firm z sektora bankowości wchodzi na zupełnie nowy – intensywniejszy – poziom. Jednocześnie jednak technologia ta niesie ze sobą ogromne możliwości.  Mimo, że AI jest jeszcze na etapie rozwoju, już dzisiaj dla wielu firm przekłada się na realne wyniki biznesowe. Sztuczna inteligencja to obecnie coś więcej niż tylko element poprawiający wydajność – to całkowicie nowy czynnik produkcji. A jego wpływ na biznes może być rewolucyjny. Inteligentna automatyzacja sprawia bowiem, że możemy niemalże całkowicie wyeliminować z życia pracowników żmudne powtarzalne zadania, poprawić efektywność i skuteczność podejmowanych przez nich decyzji, ulepszyć relacje na linii konsument – firma, a dodatkowo lepiej lokować i inwestować zasoby firmy. Jak zatem wygląda wykorzystanie sztucznej inteligencji w bankowości?

 

Możliwości aplikacji algorytmów AI w bankowości

Sztuczna inteligencja będzie miała kluczowy wpływ na rozwój usług finansowych w najbliższych latach. Algorytmy oparte na uczeniu maszynowym zredefiniują sposób pracy banków (ich procesy), to co sprzedają (ich produkty i usługi) oraz to w jaki sposób komunikują się ze swoimi klientami (user experience). Ludzie i systemy AI będą działać razem, zwiększając wydajność i poprawiając zarówno doświadczenia konsumentów, jak i pracowników.

 

Usprawnianie procesów:

Już dziś w wielu bankach systemy oparte o AI przejmują wykonywanie procesów o niskiej wartości. Oznacza to, że wszystkie procesy, które nie wymagają szczególnej analizy po stronie człowieka są wykonywane w sposób automatyczny (np. wszelkiego rodzaju dokumenty są skanowane i analizowane przez komputery). Potencjał jaki niesie wykorzystanie sztucznej inteligencji w usprawnianiu procesów jest niemalże nieograniczony, a spektrum technologii wykorzystywanych w tym zakresie bardzo szeroki.

Na przykład rozpoznawanie obrazów i uczenie maszynowe można łączyć w celu skanowania mas dokumentów i podejmowania działań w oparciu o obowiązujące przepisy. Algorytmy mogą być następnie wykorzystane do decydowania, które przypadki powinny zostać przekazane osobie podejmującej decyzje finansowe, a które mogą zostać przeanalizowane całkowicie maszynowo.

Innym przykładem jest  wykorzystanie AI przez grupę banków w Australii i Nowej Zelandii, gdzie została wdrożona niemalże całkowita automatyzacja ponad 40 różnych procesów, w tym spłaty kredytów hipotecznych i tworzenie półrocznego audytu, zawierającego dane pobrane z kilkunastu różnych systemów. Obecnie bank dzięki wdrożonym innowacjom uzyskuje w niektórych obszarach oszczędności nawet w wysokości ponad 30 procent rocznie. Co więcej nowy system pozwala pracownikom skupić się na zadaniach zdecydowanie bardziej satysfakcjonujących i o wyższej wartości zarówno dla nich, jak i dla organizacji.

Brytyjska firma holdingowa i globalny dostawca usług finansowych działający na wszystkich kontynentach – Barclays – także wprowadził automatyzację szeregu procesów, takich jak analiza należności i weryfikacja nieuczciwych praktyk, zmniejszając dzięki temu rezerwy przeznaczone na zabezpieczenie złych kredytów o około 225 milionów USD rocznie.

 

Profilowanie klientów:

Potencjał jaki niesie sztuczna inteligencja często jest – w kontekście bankowości – wiązany z możliwością dokonania szczegółowej analizy i profilowania każdego klienta banku.

Faktycznie, firmy finansowe skutecznie wykorzystują algorytmy AI do identyfikacji klientów, którzy najprawdopodobniej w niedalekiej przyszłości opuszczą bank. W tym celu wykorzystywane są chatboty zintegrowane z istniejącymi platformami do przesyłania wiadomości, a także z interfejsami stron internetowych banku. Podobne narzędzia wzbogacone o dane takie jak posiadane aktywa, czy historia transakcji wykorzystywane są w typowaniu klientów, którzy szukają lub w najbliższym czasie będą poszukiwać możliwości zainwestowania swoich środków.

Co więcej machine learning jest także technologią całkowicie zmieniająca zasady gry dla kredytodawców. Dzięki niej decydenci kredytowi mogą uzyskać szybszą i dokładniejszą ocenę ryzyka kredytowego dla każdego spływającego wniosku, na bieżąco mogą także oceniać zdolność finansową wnioskodawców. Niektóre banki już teraz wykorzystują dynamiczne modele ryzyka kredytowego, niezwykle przydatne w określaniu zdolności kredytowej osób młodych, z ubogą historią kredytową, lub osób samozatrudnionych. Sztuczna inteligencja może również przynieść szereg korzyści dla konsumentów np. pomóc wierzycielom w spłaceniu zaległych długów.

 

Wirtualna obsługa klienta:

Jest wiele przykładów firm, które implementują wirtualną obsługę klienta opartą o AI.  JPMorgan, na przykład, używa robotów do odpowiadania na wewnętrzne zapytania IT, w tym do resetowania haseł pracowników (a niebawem także klientów) Boty w tym banku mają obsłużyć w tym roku 1,7 miliona żądań dostępu do zasobów informatycznych, wykonując pracę 40 pełnoetatowych pracowników. Innym przykładem jest Fukoku Mutual Life Insurance, japońska firma bankowo – ubezpieczeniowa, w której stworzony przez IBM system Watson Explorer wykona pracę 34 pracowników pracowników. Jego zadaniem będzie analiza spływających do firmy roszczeń. (Więcej o rozwiązaniach AI w obsłudze klienta w drugiej części artykułu link)

 

Wykrywanie oszustw i zarządzanie ryzykiem

Algorytmy sztucznej inteligencji w bankowości mogą wykrywać potencjalne oszustwa, nawet zanim do nich faktycznie dojdzie. Technologia ta może szybko naśladować proces myślenia prawdziwego analityka, przejrzeć każdą transakcję, w każdym portfelu który jest w zasobach banku. AI umożliwia instytucjom finansowym nie tylko otrzymywanie ostrzeżeń o potencjalnych oszustwach, ale także dokładne procentowe określenie prawdopodobieństwa zaistnienia defraudacji. Wiąże się z tym oczywiście szereg korzyści, zarówno dla banku jak i jego klientów.

AI pomaga bankom wymienić tylko i wyłącznie te karty, które w rzeczywistości mogą być przedmiotem oszustwa – tylko niewielki procent kart zagrożonych naruszeniem może stać się faktycznie zdefraudowanych. Możliwość określenia konkretnych, zagrożonych rachunków pozwala bankom zaoszczędzić znaczną kwotę na opłatach z tytułu ponownego wydania kart płatniczych, pozwala także lepiej lokować środki na zabezpieczenie systemów bankowych.

Powyższe przykłady, są tylko kilkoma z wielu możliwości aplikacji sztucznej inteligencji w bankowości. W drugiej części artykułu przedstawimy kilka porad jak przygotować firmę do implementacji systemów opartych o AI, na co zwrócić uwagę i jak potencjał sztucznej inteligencji wykorzystały 3 największe amerykańskie banki.

 

Źródła:

https://www.techemergence.com/ai-in-banking-analysis/

https://www.forbes.com/sites/franksorrentino/2018/02/23/ai-banking-ditch-the-fear-embrace-the-data/#4b493d477870

https://www.ft.com/content/b497a134-2d21-11e8-a34a-7e7563b0b0f4

http://www.businessinsider.com/ai-in-banking-and-payments-report-2018-2?IR=T

https://aibusiness.com/how-can-banks-get-started-with-machine-learning/

https://www.accenture.com/t00010101T000000Z__w__/gb-en/_acnmedia/PDF-68/Accenture-Redefine-Banking.pdf

https://www.bai.org/banking-strategies/article-detail/fi-meet-ai-how-financial-institutions-can-start-with-artificial-intelligence-now

http://www.bankingexchange.com/news-feed/item/7203-ai-driven-banks-must-start-with-fundamentals

Komentarze: 0

Notice: Korzystanie z Motyw nieposiadający comments.php uznawane jest za przestarzałe od wersji 3.0.0! Nie istnieje żadna alternatywa. Proszę zawrzeć w motywie szablon comments.php. in /var/www/html/pl/wp-includes/functions.php on line 4597

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *