Кристиан Хедедаль: искусственный интеллект для банка и клиента

Финансовый кризис позволил банкам понять, в чем они ошибались – ставили прибыль выше клиентов. Искусственный интеллект позволяет исправить ошибку.

Оказывать финансовые услуги, которые удовлетворяют потребности разнообразной и требовательной клиентуры, непросто и недешево. Но искусственный интеллект предлагает банкам и поставщикам финансовых услуг инструменты для предоставления клиентского сервиса высочайшего уровня: как по скорости, так и по масштабу.

Исследования Saxo Bank в области ИИ все еще находятся на ранней стадии, но у нас уже имеются доказательства того, как ИИ позволит предоставлять клиентам индивидуально настроенные и высококачественные услуги. Человек, даже с поддержкой крупномасштабных мощностей, – не ровня ИИ.

Инструменты на основе ИИ могут предугадывать и удовлетворять быстро меняющиеся нужды и предпочтения клиентов. Способность ИИ учиться на ходу означает, что они быстрее и точнее. Работают круглосуточно, 7 дней в неделю, круглый год, без перерывов на обучение или простоев.

Распространенный пример — это чат-боты, используемые для автоматизации обработки простых запросов клиентов. По мере развития средств обработки естественных языков эти программы быстро эволюционируют в “голосовых помощников”.

Наш банк провел пилотную инициативу, в которой использовали программы на основе ИИ для рассылки материалов клиентам и выявления информации о потенциальных покупателях. Инициатива предоставила обнадеживающие результаты. Количество переходов по ссылкам при предоставлении индивидуально подготовленных материалов и рекомендаций значительно возросло.

Сотрудники отделов продаж начали уделять больше времени последующим задачам, а не административным процессам.

Проблема качества

Тем, кто хочет расширить применение программ на основе ИИ на другие области, следует с осторожностью относиться к способностям: предвидеть и адаптироваться. Поскольку приложения ИИ развиваются и изменяются по мере потребления данных, компаниям необходимо отслеживать это потребление и его последствия.

Данные, которые получают в обработку инструменты на основе ИИ, должны быть актуальными и чистыми. Это может вызвать затруднения как при внутреннем сборе данных из множества устаревших систем, так и при получении их от новых сторонних поставщиков.

Инновации предоставляют в наше распоряжение множество огромных новых источников. Поэтому проблема качества данных всеобъемлющая и сложная. Отчасти из-за большого количества этих источников. Также из-за их неструктурированного характера.

Проблема ИИ – не только в качестве данных, но и в установке соответствующих ограничений. Например, торговые алгоритмы работают некорректно, если заданы недостаточно жесткие параметры.

Путь в неизвестность?

Постоянное обучение и адаптация, которые делают ИИ-программы настолько ценными, затрудняют объяснение их решений или рекомендаций. Это может ограничить их использование.

Регуляторы все чаще с настороженностью относятся к применению ИИ. Отмечают, что его использование противоречит предъявляемому к банкам требованию контролировать и понимать инструменты и процессы. Особенно в области противодействия финансовым преступлениям и кибербезопасности.

Для поставщика услуг в туризме или в секторе развлечений допустимо не иметь полного понимания, как используемый им алгоритм рекомендаций и выдвигает актуальные предложения на основе истории просмотров страниц в интернете. Менее приемлема ситуация, когда банк не в состоянии объяснить, почему его система наблюдения, оснащенная искусственным интеллектом, реагирует на одни аномалии потока данных, а не на другие. Даже если первые появляются часто.

Регуляторы сотрудничают с фирмами в области определения масштаба принятия решений на базе ИИ. Чтобы все стороны лучше понимали и принимали потенциальные риски и выгоды. Это важный шаг к полному использованию преимуществ ИИ в финансовом секторе в достаточно четких, но гибких законодательных рамках.

Со временем ИИ сможет предоставить банкам, клиентам и регулирующим органам преимущества более четкого ведения журнала событий. Включая данные о сообщениях, передаваемых контрагентами друг другу. С указанием точного времени их передачи. А также более последовательные уровни обслуживания, которые меньше зависят от понимания и толкования смысла человеком.

Регулирующие органы изучают возможности сокращения затрат на комплаенс с помощью правил, доступных для машинного распознавания. Это сможет привести к сокращению юридических расходов банков.

Адаптация бизнес-моделей

Огромное препятствие для использования ИИ – отношение к нему не регуляторов, а высших руководителей. Компаниям следует принять технологии ИИ на всех уровнях.

ИИ необходимо сделать неотъемлемой составной частью бизнес-модели. Не прячьте его в глубинах технологической цепочки.

Чтобы этого достичь, уместно задать следующие вопросы:

Важно, чтобы ответы на эти вопросы были разработаны с учетом приоритета клиента. В течение ближайших двух-трех лет решения на базе ИИ все чаще будут обеспечивать более быструю, масштабируемую и точную настройку.

Наконец, банковские услуги эволюционируют, чтобы удовлетворять нуждам отдельных клиентов.

Клиентам больше не придется думать, какой из предлагаемых продуктов подходит для решения конкретных задач.

Большую часть десятилетия банки трудились над тем, чтобы вернуть доверие клиентов. ИИ может сыграть значительную роль в восстановлении этих отношений.

Кристиан Хедедаль, глава отдела интеллектуальной обработки данных, Saxo Bank

Источник