Незаменим помощник

Големи количества структурирани данни, стотици хиляди, а често и милиони клиенти, нарастващ брой услуги с увеличаваща се сложност. Това е картината в банковия и финансов сектор. Как да се поеме целият този поток от информация и да се обслужат нуждите на все по-взискателните клиенти? Използването на изкуствен интелект е логичното решение. Затова и всяка съвременна банка по един или друг начин е вградила в своята дейност използването на тази технология. По този начин финансовите институции повишават ефективността си, подобряват качеството на услугите си и намаляват своите разходи.

Използването на изкуствен интелект от банките може да повиши стойността на индустрията глобално с $1 трлн., прогнозира консултантската компания McKinsey.

Ето кои са и най-често срещаните дейности в банковите услуги, които се възползват от предимствата на изкуствения интелект.

Умни чатботове

Дигитални асистенти, зад които стои изкуствен интелект, бързо изместиха автоматизираните чатботове, които се използваха преди години от банките, за да отговарят на въпросите на свои клиенти. С възможността за обработка на естествения език (NLP) те намират по-лесно търсената услуга, като в същото време създават представата за водене на истински диалог с клиента. Услугите им са налични 24 часа в денонощието, а все по-добрите възможности за водене на разговор чрез самообучение осигуряват по-голяма ангажираност на клиентите с банките. 

Предлаганите от интелигентните персонални асистенти услуги непрекъснато увеличават своя обхват. В някои приложения чатботовете помагат на клиентите да работят по-добре със своите сметки и използвани услуги, като в комбинация със сигурни технологии за идентификация дори могат да сътрудничат при заявката и потвърждаване на нов клиентски профил. В много случаи те вече насочват клиентските оплаквания към подходящия експерт, който да се заеме със случая.

Чатботовете навлизат и във вътрешните банкови операции, като помагат на служителите да намират по-бързо търсената информация, свързана с тяхната работа, и вместо тях извършват редица рутинни задачи. 

Управление на връзките с клиенти

Управлението на взаимоотношенията с клиенти е изключително важно за банките, защото в условията на конкуренция както помежду им, така и с пъргавия и иновативен финтех сектор, всеки иска да предостави по-добро клиентско изживяване. Мечтата на клиента е да има личен банкер, който да познава добре неговото портфолио от услуги и неговият клиентски профил и да го съветва какво да направи, когато има нужда от нов продукт или услуга, без да се налага да чака на опашка или да си запазва час. Това е привилегия на ползвателите на т.нар. частно банкиране, но изкуственият интелект отваря все повече възможности за лично отношение към всеки клиент. С използване на технологии за разпознаване на лице и глас банките вече предоставят персонализирани услуги на клиентите си, като по този начин се губи много по-малко време и за двете страни.

Но изкуственият интелект също така помага на финансовите институции да анализират поведението на клиентите, като по този начин ги сегментират много бързо и без да се налага попълване на анкети или други въпросници. Това дава възможност за таргетиран маркетинг, което също осигурява по-добро клиентско преживяване, стига да не се прекалява с изпращането на прекалено много съобщения и оферти.


Откриване и предотвратяване на измами

В своята практика банките разчитат на традиционни, базирани на правила системи за наблюдение на трансакциите, които използват по линия на регулациите срещу пране на пари. Те правят рутинно скрининг на имена, включени в различни списъци, но често пъти в практиката се получават фалшиви позитивни резултати, заради което се блокират сметки или клиенти не могат да открият сметки.

 Усъвършенстването на финансовите престъпления, включително и използването на междинни посредници при трансакции, както и все по-изтънчените методи за фишинг затрудняват банките при разкриването на измами. Затова към своите системи те добавят технологии с изкуствен интелект, които позволяват да се открият навреме нови съмнителни модели на трансакции. По този начин се дава възможност за предупреждение на клиентите или правоприлагащите институции още преди престъпленията да са се случили, вместо да действат, след като те са станали факт.

Един такъв пример e Danske Bank – най-голямата банка в Дания, която внедрява изкуствен интелект за откриване на измами в своя бизнес. Инструментът ѝ за дълбоко обучение (Deep Learning) е увеличил способността на банката за откриване на измами с 50% и е намалил фалшивите положителни резултати с 60%. Системата за откриване на измами автоматизира решения, като насочва някои случаи към анализатори за допълнителна проверка.

Анализи и прогнози

Появата на машинно обучение (ML) и изкуственият интелект отварят вратите към по-точно прогнозиране и предвиждания на бъдещи важни за банките събития. Анализът на данни, подкрепен от изкуствен интелект, помага на експертите да прогнозират приходи, цени на акции, да управляват риска на различни продукти и клиенти.

Натрупването на данни става все по-голям проблем за всички дигитални бизнеси и само изкуствен интелект може да се ориентира бързо в планината от информация. Нещо повече, акумулирането на повече данни и възможността за машинно самообучение и дълбоко обучение (Deep Learning) дава все по-дълъг хоризонт за правилно прогнозиране на очакваните резултати, както и за анализ на постигнатите резултати и очертаване на тенденции. 

Управление на кредитния риск

Управлението на кредитния риск става все по-важно за финансовите институции – не само поради непрекъснато нарастващите планини от регулации, но и заради времената на несигурност, в които живеем и по всяка вероятност ще продължим да живеем нататък. Така че използването на изкуствен интелект става все по-често срещано за анализ на кредитния риск особено в средата на финтех компаниите и дигиталното банкиране, където е напълно възможно клиентът изобщо да не стъпва физически в банка от началото до края на своето взаимодействие с нея.

Изкуственият интелект може да се използва за оценка на кредитоспособността и вероятността за неизпълнение на погасителния план от страна на клиента, от което зависят и параметрите при отпускане на кредити. По този начин се намалява възможността за човешка грешка или личен интерес и могат да се отхвърлят навреме неподходящи клиенти, а банката да намали загубите от лоши кредити.