Sztuczna inteligencja i uczenie maszynowe otwiera nowe horyzonty w bankowości

01 października 2018

Chatboty, wsparcie w podejmowaniu decyzji, zapobieganie oszustwom, poprawa wydajności. To tylko kilka przykładów zastosowania sztucznej inteligencji (AI) i myślenia maszynowego (Machine Learning), które mogą zrewolucjonizować sektor bankowy. Raport Digital Banking przynosi nowe dane na temat ich faktycznego wykorzystania.

W branży usług finansowych uczenie maszynowe i inteligentne systemy są wdrażane przez coraz więcej organizacji. Jak pokazują badania Digital Banking, sztuczna inteligencja w bankowości jest wykorzystywana głównie w celu zmniejszenia ryzyka i nadużyć, a także zapewnienia stałego poziomu obsługi i poprawy komunikacji z klientem. Wyzwaniem dla banków jest natomiast fakt, że choć zdają sobie sprawę, że przyszłość tkwi w bardziej „rewolucyjnych” funkcjach, jak np. personalizacja doświadczenia klientów, nadal wykorzystują nowe technologie do celów „ewolucyjnych”, związanych z przeciwdziałaniem nadużyć finansowych.

Potężne dane dla maszyn

Dzięki dużej ilości danych transakcyjnych, dostępnej mocy obliczeniowej i nowym narzędziom analitycznym, niewiele branż lepiej nadaje się do wykorzystania sztucznej inteligencji i uczenia maszynowego niż bankowość. Jednak zbyt mało organizacji w pełni wykorzystało istniejący potencjał AI, który może zrewolucjonizować funkcjonowanie banków lub budowanie relacji
z klientami.

Sektor bankowy ma pewne cechy charakterystyczne jak zaawansowana komputeryzacja, duże ilości danych, historia finansowa klientów, które sprawiają, że jest to preferowane pole do wdrażania narzędzi opartych na sztucznej inteligencji czy uczenia maszynowego. To dzięki takim rozwiązaniom banki będą mogły rozwijać nowe produkty i skupić się na tym co najważniejsze, czyli dopasowanie do potrzeb klienta i doradztwo na wysokim poziomie.

‒ Tomasz Rokita, odpowiadający za sektor bankowy w Diebold Nixdorf

Chatboty i personalizacja w planach

Jak wynika z raportu Digital Banking, 35% organizacji finansowych wdrożyło już co najmniej jedno rozwiązanie z zakresu Machine Learing, 23% badanych organizacji planuje wdrożenie AI w ciągu najbliższego roku, a kolejne 13% ‒ w ciągu 18 miesięcy. Tylko 12% badanych organizacji nie planowało wdrożenia żadnego rozwiązania opartego na sztucznej inteligencji czy uczenia maszynowego w ciągu najbliższych 18 miesięcy.

Technologie, które pozwalają maszynom wykonywać zadania i rozwiązywać problemy wcześniej zarezerwowane dla ludzi, są olbrzymią szansą dla banków. Dzięki wykorzystaniu sztucznej inteligencji mogą się lepiej dopasować do rosnących potrzeb klientów, a tym samym sprzedawać usługi szybciej i lepszej jakości. Najlepszym przykładem jest powszechne zastosowanie chatbotów, w coraz większej liczbie banków.

Maciej Nuckowski, członek zarządu Diebold Nixdorf

Inwestycje w transformację cyfrową są skorelowane z przychodami. Nie dziwi więc fakt, że znacznie więcej największych instytucji finansowych (powyżej 50 mld USD) wdrożyło co najmniej jedno rozwiązanie AI lub uczenia maszynowego. Najpopularniejsze zastosowanie nowych technologii dotyczy wykrywania nadużyć finansowych, oceny zdolności kredytowej klientów (scoring) oraz analizy danych biometrycznych.

Przewaga dzięki technologii

Z badania wynika też, że wiele z wdrożeń AI i uczenia maszynowego w sektorze bankowym dotyczy rozwiązań „ewolucyjnych” (ocena zdolności kredytowej, oszustwa i bezpieczeństwo), w przeciwieństwie do celów „rewolucyjnych” (personalizacja, proaktywne alarmy, itp.). 61% ankietowanych uważa, że większość dotychczasowych rozwiązań jest mało przełomowa. Ale sektor bankowy pragnie zmiany.

Banki posiadają unikatową pośród instytucji finansowych cechę. Jest nią marka i rozpoznawalność, oparta na solidnych relacjach w swoich lokalnych środowiskach. Niewątpliwą szansą na budowanie przewagi konkurencyjnej, będzie umiejętne połączenie nowych technologii z wysokospecjalizowaną wiedzą doradców. Właśnie te osoby mogą przekonać klienta do skorzystania z samoobsługowego urządzenia lub aplikacji, dzięki którym zrealizuje większość potrzebnych transakcji

Tomasz Rokita, odpowiadający za sektor bankowy w Diebold Nixdorf

Na pytanie o znaczenie czynników napędzających biznes, przy wykorzystaniu AI i uczenia maszynowego, najczęściej wymieniana była chęć poprawy ogólnego doświadczenia klienta, przy czym prawie 90% organizacji stwierdziło, że jest to ‒ albo „niezwykle”, albo „bardzo” ‒ ważne. Następnymi wskazywanymi benefitami AI było obniżenie kosztów (79% „skrajnie” lub „bardzo” ważne), w tym poprawa szybkości i efektywności back-office’u (78% „niezwykle” lub „bardzo” ważne). Na kolejnym miejscu był wzrost przychodów, po którym ankietowani wymieniali spadek liczby oszustw.