Tekoäly kehittyy kovaa vauhtia. Rahoitusorganisaatiot käyttävät jo tekoälyteknologioita petosten ja epätavallisten tapahtumien tunnistamiseen, asiakaspalvelun personointiin, luottokelpoisuutta koskevien päätösten auttamiseksi, tekstidokumenttien luonnollisen kielen käsittelyn sekä kyberturvallisuuden ja yleisen riskinhallinnan avulla.
Viime vuosikymmeninä pankit ovat parantaneet menetelmiään vuorovaikutuksessa asiakkaiden kanssa. He ovat räätälöineet modernin teknologian työnsä erityispiirteisiin. Esimerkiksi 1960-luvulla asennettiin ensimmäiset pankkiautomaatit, ja kymmenen vuotta myöhemmin oli jo kortteja asiointiin ja maksamiseen. Tämän vuosisadan alussa käyttäjät oppivat ympärivuorokautisesta verkkopankista ja vuonna 2010 mobiilipankista. Mutta rahoitusjärjestelmän kehitys ei pysähtynyt tähän, sillä digitaaliaika avaa uusia mahdollisuuksia – tekoälyn käyttöä pankeissa ja rahoituslaitoksissa. Vuoteen 2023 mennessä pankkien ennustetaan säästävän noin 447 miljardia dollaria kehittämällä ja ottamalla käyttöön tekoälysovelluksia. Jotkut hienoista esimerkeistä ovat alla.
Mobiilipankki
Mobiilisovellusten tekoälytoiminnallisuus on tulossa ennakoivammaksi, personoidummaksi ja edistyneemmäksi. Esimerkiksi yksi Canadian Bankista on sisällyttänyt Sirin iOS-sovellukseensa. Nyt rahan lähettämiseksi toiselle kortille riittää sanomalla jotain: "Hei, Siri, lähetä 20 dollaria Alexille!" - ja vahvista tapahtuma Touch ID:llä.
Tekoälyn ansiosta pankit tuottavat lähes 66 % enemmän tuloja mobiilipankkien käyttäjiltä verrattuna siihen, kun asiakkaat käyvät konttoreissa. Pankkiorganisaatiot kiinnittävät tiiviisti huomiota kehittyvään teknologiaan parantaakseen palveluidensa laatua ja pysyäkseen kilpailukykyisinä markkinoilla.
AI-chat-botit
Chatbotit ovat tekoälyllä varustettuja keskusteluliittymiä. Tämä on yksi suosituimmista tekoälyn soveltamistapauksista pankkitoiminnassa. Botit kommunikoivat asiakkaiden kanssa pankin puolesta ilman suuria kuluja. Tutkijat ovat arvioineet, että rahoituslaitokset säästävät neljä minuuttia jokaisesta chat-botin käsittelemästä viestinnästä.
Koska asiakkaat käyttävät mobiilisovelluksia rahatapahtumien suorittamiseen, pankit upottavat niihin chat-bottipalveluita. Tämä mahdollistaa käyttäjien huomion herättämisen ja markkinoilla tunnistettavan brändin luomisen.
Esimerkiksi Ceba-chat-botin julkaisu, joka toi suurta menestystä Australian Commonwealth Bankille. Sen avulla noin puoli miljoonaa asiakasta pystyi ratkaisemaan yli kaksisataa pankkiasioita: aktivoimaan korttinsa, tarkistamaan tilisaldot, nostamaan käteistä jne.
Toinen esimerkki, Bank of America julkaisi chat-botin, joka lähettää käyttäjille ilmoituksia, tiedottaa heidän saldoistaan, antaa suosituksia rahan säästämiseksi ja päivittää luottoraportteja ja niin edelleen. Tällä tavalla pankki auttaa asiakkaitaan tekemään tietoisia päätöksiä.
Tietojen kerääminen ja analysointi
Pankkilaitokset tallentavat miljoonia liiketapahtumia päivittäin. Pankkien tuottaman tiedon määrä on valtava, joten sen keräämisestä ja rekisteröinnistä tulee työntekijöille ylivoimainen tehtävä. Näiden tietojen jäsentäminen ja tallentaminen on mahdotonta ennen kuin sen käyttöä varten on suunnitelma. Siksi kerättyjen tietojen välisen suhteen määrittäminen on haastavaa, varsinkin kun pankilla on tuhansia asiakkaita.
Aiemmin käytettiin seuraavaa lähestymistapaa: asiakas tuli tapaamiseen pankin työntekijän kanssa, joka tiesi nimensä ja taloushistoriansa ja ymmärsi, mitä vaihtoehtoja olisi parempi tarjota. Mutta se on nyt historiaa. Lukemattomista transaktioista peräisin olevan datan ansiosta pankit yrittävät toteuttaa innovatiivisia liikeideoita ja riskienhallintaratkaisuja.
AI-pohjaiset sovellukset keräävät ja analysoivat tietoja. Tämä parantaa käyttökokemusta. Tietoja voidaan käyttää lainojen myöntämiseen tai petosten havaitsemiseen. Yritykset, jotka arvioivat voittoaan Big Data -analyysin perusteella, ovat raportoineet keskimäärin 8 prosentin liikevaihdon kasvusta ja 10 prosentin kustannusten laskusta.
Riskien hallinta
Luoton pidentäminen on melko haastava tehtävä pankkiireille. Jos pankki lainaa rahaa maksukyvyttömille asiakkaille, se voi joutua vaikeuksiin. Jos lainanottaja menettää vakaat tulot, tämä johtaa maksukyvyttömyyteen. Tilastojen mukaan vuonna 2020 luottokorttirikkomukset kasvoivat Yhdysvalloissa 1,4 % kuudessa kuukaudessa.
Tekoälykäyttöiset järjestelmät voivat arvioida asiakkaiden luottohistoriaa tarkemmin välttääkseen tämän tasoisen maksuhäiriön. Mobiilipankkisovellukset seuraavat taloudellisia tapahtumia ja analysoivat käyttäjätietoja. Tämä auttaa pankkeja ennakoimaan lainojen myöntämiseen liittyviä riskejä, kuten asiakkaiden maksukyvyttömyyttä tai petoksen uhkaa.
Tapahtumatietojen rikastaminen
Se on tärkeä osa taloushallintoa sekä rahoituslaitoksille että kuluttajille. Se käyttää koneoppimista ja tekoälyä tulkitsemaan ymmärtämättömät merkkijonot, jotka edustavat tapahtumia ja kauppiaita, ja muuntaa ne luettavaksi tekstiksi, joka näyttää kunkin kauppiaan nimen ja luettelon heidän osoitteensa ja kaupunginsa. Se näyttää paikallisen kauppiaan sijainnin yrityksen keskustoimiston sijaan. Tämä menetelmä muuttaa vaikeaselkoinen tieto helposti luettavaksi tiedoksi, mikä auttaa sekä pankkeja että asiakkaita ymmärtämään, mihin he ovat käyttäneet rahansa ja kenen kanssa. Se pienentää sekä asiakaspalvelupuheluita että petostutkimuskustannuksia, koska asiakkaat voivat kertoa, mitä ovat ostaneet ja mistä ostivat sen. Petosten havaitseminen vähentää ihmisten määrää, jotka soittavat luottokorttilaskussaan olevista mysteerikuluista, koska he ymmärtävät, mitä nämä maksut tarkoittavat. Vähemmän puheluita tarkoittaa vähemmän petostutkimusta, mikä vähentää kustannuksia. Mikä tärkeintä, nämä selkeät kuvaukset auttavat kehittäjiä asettamaan taloustiedot kontekstiin, jotta he voivat helpommin luokitella ja analysoida ostoja. Tämä auttaa esimerkiksi budjetoinnin, kulutustottumusten analysoinnin, luottopisteiden ja tulevien ansainta- ja kulutusongelmien ennustamisessa.
Tietoturva
Federal Trade Commissionin vuoden 2020 raportin mukaan luottokorttipetokset ovat yleisin henkilötietojen varkaus.
Tekoälypohjaiset järjestelmät ovat tehokkaita väärintekijöitä vastaan. Ohjelmat analysoivat asiakkaiden käyttäytymistä, sijaintia ja taloudellisia tottumuksia ja käynnistävät turvamekanismin, jos ne havaitsevat epätavallista toimintaa. ABI Research arvioi, että tekoälyn ja kyberturvallisuuden analytiikkaan käytettävät menot ovat 96 miljardia dollaria vuoden 2021 loppuun mennessä.
Amazon on jo hankkinut harvest.AI:n – tekoälyn kyberturvallisuuden käynnistyksen – ja julkaissut Macien – palvelun, joka käyttää koneoppimista havaitsemaan, lajittelemaan ja jäsentämään tietoja S3-pilvitallennustilassa.
Loppuhuomautus
Tekoälyn soveltamiseen rahoitusalalla on muitakin tapoja. OpenText-tutkimuksen mukaan lähes 80 % pankeista tunnistaa tekoälyn edut, 75 % niistä hyödyntää jo tätä teknologiaa ja noin 46 % suunnittelee ottavansa käyttöön tekoälypohjaisia järjestelmiä lähitulevaisuudessa.
Tekoälypohjaisista ratkaisuista tulee olennainen osa yritysten kehitysstrategioita, mikä auttaa niitä pysymään kilpailukykyisinä markkinoilla. Tämä tekniikka minimoi käyttökustannukset, parantaa asiakastukea ja automatisoi prosesseja.
Seuraava asia, jolla on nyt suuri merkitys, on tekoälyn etiikka.
