ИИ се развива с бързи темпове. Финансовите организации вече използват AI технологии за идентифициране на измами и необичайни транзакции, персонализиране на обслужването на клиентите, подпомагане при вземането на решения относно кредитоспособността, използване на обработка на естествен език на текстови документи и за киберсигурност и общо управление на риска.
През последните десетилетия банките подобряват методите си за взаимодействие с клиентите. Те са съобразили съвременната технология със специфичния характер на тяхната работа. Като пример, през 60-те години на миналия век са инсталирани първите банкомати, а десет години по-късно вече има карти за извършване на транзакции и разплащания. В началото на този век потребителите научиха за денонощното онлайн банкиране, а през 2010 г. чуха за мобилното банкиране. Но развитието на финансовата система не спря до тук, тъй като дигиталната ера отваря нови възможности - използването на изкуствен интелект в банкови и финансови институции. До 2023 г. се предвижда банките да спестят приблизително 447 милиарда долара чрез разработване и внедряване на AI приложения. Някои от добрите примери са по-долу.
Мобилно банкиране
Функционалността на AI в мобилните приложения става все по-проактивна, персонализирана и напреднала. Например, една от канадските банки е включила Siri в своето приложение за iOS. Сега, за да изпратите пари на друга карта, е достатъчно да кажете нещо като: „Хей, Сири, изпрати $20 на Алекс!“ - и потвърдете транзакцията с помощта на Touch ID.
Благодарение на AI банките генерират почти 66% повече приходи от потребителите на мобилно банкиране в сравнение с това, когато клиентите посещават клонове. Банковите организации обръщат голямо внимание на нововъзникващите технологии, за да подобрят качеството на своите услуги и да останат конкурентоспособни на пазара.
Чат ботове с изкуствен интелект
Чат ботовете са интерфейси за разговор с AI. Това е един от най-популярните случаи на прилагане на AI в банкирането. Ботовете комуникират с клиентите от името на банката, без да изискват големи разходи. Изследователите са изчислили, че финансовите институции спестяват четири минути за всяка комуникация, която обработва чат ботът.
Тъй като клиентите използват мобилни приложения за извършване на парични транзакции, банките вграждат услуги за чат бот в тях. Това дава възможност да се привлече вниманието на потребителите и да се създаде марка, която е разпознаваема на пазара.
Например е стартирането на чат бота Ceba, който донесе голям успех на Australian Commonwealth Bank. С негова помощ около половин милион клиенти успяха да разрешат повече от двеста банкови проблеми: да активират картите си, да проверят салда по сметки, да теглят пари в брой и т.н.
Друг пример, Bank of America стартира чат бот, който изпраща на потребителите известия, информира ги за техните баланси, прави препоръки за спестяване на пари и предоставя актуализации на кредитни отчети и т.н. Това е начинът, по който банката помага на своите клиенти да вземат информирани решения.
Събиране и анализ на данни
Банковите институции регистрират милиони бизнес транзакции всеки ден. Обемът информация, генерирана от банките, е огромен, така че нейното събиране и регистриране се превръща в непосилна задача за служителите. Структурирането и записването на тези данни е невъзможно, докато няма план за използването им. Следователно определянето на връзката между събраните данни е предизвикателство, особено когато банката има хиляди клиенти.
Имаше следния подход: клиент идваше на среща с банков служител, който знаеше името и финансовата му история и разбираше какви опции е по-добре да предложи. Но това вече е история. С изобилието от данни, идващи от безброй транзакции, банките се опитват да внедрят иновативни бизнес идеи и решения за управление на риска.
Базираните на AI приложения събират и анализират данни. Това подобрява потребителското изживяване. Информацията може да се използва за отпускане на заеми или разкриване на измами. Компаниите, които оценяват печалбата си от анализа на големи данни, отчитат средно увеличение на приходите с 8% и намаление на разходите с 10%.
Управление на риска
Отпускането на кредит е доста предизвикателна задача за банкерите. Ако една банка отпуска пари на неплатежоспособни клиенти, тя може да изпадне в затруднения. Ако кредитополучателят загуби стабилен доход, това води до неизпълнение. Според статистиката през 2020 г. просрочията по кредитни карти в САЩ са се увеличили с 1,4% в рамките на шест месеца.
Системите, захранвани с AI, могат да оценят кредитната история на клиентите по-точно, за да избегнат това ниво на неизпълнение. Приложенията за мобилно банкиране проследяват финансови транзакции и анализират потребителски данни. Това помага на банките да предвидят рисковете, свързани с отпускането на заеми, като неплатежоспособност на клиенти или заплаха от измама.
Обогатяване на данни за транзакциите
Това е важна част от финансовото управление както за финансовите институции, така и за потребителите. Той използва машинно обучение и изкуствен интелект, за да дешифрира неразбираеми низове от знаци, които представляват транзакции и търговци, и ги преобразува в четим текст, който показва името на всеки търговец и изброява адреса и града му. Показва местоположението на местния търговец, а не централния корпоративен офис. Този метод за превръщане на трудни за разбиране данни в лесна за четене информация помага както на банките, така и на клиентите да разберат къде са похарчили парите си и с кого. Това намалява както обажданията за обслужване на клиенти, така и разходите за проучване на измами, тъй като клиентите могат да кажат какво са купили и къде са го купили. Откриването на измами намалява броя на хората, които се обаждат за мистериозни такси по сметката на кредитната им карта, защото разбират какво означават тези такси. По-малко обаждания означават по-малко проучвания за измами, което намалява разходите. Най-важното е, че тези ясни описания помагат на разработчиците да поставят финансовите данни в контекст, така че да могат по-лесно да категоризират и анализират покупките. Това помага за неща като бюджетиране, анализиране на навиците за харчене, кредитен рейтинг и възможност за прогнозиране на бъдещи проблеми с приходите и разходите.
Сигурност на данните
Според доклада на Федералната търговска комисия за 2020 г. измамите с кредитни карти са най-често срещаният тип кражба на лични данни.
Базираните на AI системи са ефективни срещу нарушителите. Програмите анализират поведението, местоположението и финансовите навици на клиентите и задействат механизъм за сигурност, ако открият необичайна дейност. ABI Research изчислява, че разходите за AI и анализи на киберсигурността ще възлизат на 96 милиарда долара до края на 2021 г.
Amazon вече придоби harvest.AI – стартиране на AI за киберсигурност – и стартира Macie – услуга, която прилага машинно обучение за откриване, сортиране и структуриране на данни в облачно хранилище S3.
Заключителна бележка
Има повече начини за прилагане на AI във финансовата индустрия. Според проучването на OpenText почти 80% от банките признават предимствата на AI, 75% от тях вече използват тази технология, а около 46% планират да внедрят базирани на AI системи в близко бъдеще.
Решенията, базирани на AI, стават неразделна част от стратегиите за развитие на компаниите, като им помагат да останат конкурентоспособни на пазара. Тази технология минимизира оперативните разходи, подобрява поддръжката на клиентите и автоматизира процесите.
Също така, следващото нещо, което има голямо значение сега, е етиката на ИИ.
