IA și machine learning în industria bancară și în cea financiară

Dacă ne raportăm la cum sunt folosite inteligența artificială și învățarea automată (machine learning) în industria financiară și cea bancară, cel mai probabil, primul lucru care ne vine în minte este zona de customer service, cu ale sale exemple locale și internaționale.

Chatbots precum George, Ana, Livia sau Ada s-au poziționat ca reprezentanți automatizați ai serviciilor de relații cu clienții ai celor mai cunoscute bănci din România, făcând ca milioane de clienți să interacționeze cu ei. 

Cu toate acestea, zona de customer service reprezintă doar vârful icebergului utilizării tehnologiilor revoluționare. Există o serie semnificativ mai amplă de beneficii și utilizări, atât pentru instituțiile financiare, cât și pentru consumatorii finali. Inteligența artificială și machine learning contribuie la automatizarea proceselor, îmbunătățirea experienței utilizatorilor și la reducerea fraudei. 

În cadrul Twispay, suntem familiarizați cu domeniul și folosim constant AI și machine learning pentru a ne face procedurile mai rapide și mai sigure. De aceea, mi-am propus să împărtășesc în acest articol câteva exemple despre cum pot tehnologiile prezentului să contribuie la modernizarea sistemului financiar și ce avantaje pot aduce.

Oferirea de experiențe personalizate

Știm cu toții cât de importantă este personalizarea în marketingul B2C. Aceasta permite companiilor să atragă clienți și să își îmbunătățească strategiile de onboarding. Totuși, astfel de tactici sunt asociate mai mult cu branduri precum Netflix, eMag sau Glovo, decât cu băncile. Acest lucru se datorează faptului că jucătorii din e-commerce și platformele de streaming investesc constant în a livra produse și servicii care sunt relevante pentru utilizatori. 

În acest context, consumatorii au devenit semnificativ mai exigenți. Ei se așteaptă acum ca toate companiile, indiferent de domeniile lor de interes, să le ia în considerare preferințele, nevoile și comportamentele, pentru a le crea experiențe fără fricțiune. 

Astfel, aceste noi segmente de public se așteaptă ca băncile să folosească tehnologia și datele pe care le dețin despre ele pentru a le propune produse financiare relevante și convenabile.

Inteligența artificială poate ajuta instituțiile financiare să ofere utilizatorilor experiențe personalizate, analizând și prezicând comportamentul clienților. De exemplu, algoritmii IA pot analiza istoricul tranzacțiilor, veniturile și obiceiurile de cheltuieli ale clienților pentru a-i ghida către cele mai bune carduri de credit, împrumuturi sau oportunități de investiții.

Erica, chatbotul bazat pe inteligență artificială lansat de către Bank of America, în 2018, face exact asta. Definit de David Tyrie, Chief Digital Officer și Head of Global Marketing la Bank of America, drept „definiția modului în care Bank of America oferă personalizare și individualizare la scară”, acest asistent financiar folosește tehnologii avansate de analiză și mesagerie cognitivă pentru a oferi clienților recomandări personalizate. Erica ia în considerare totul, de la fluxul de numerar al utilizatorilor, soldurile, istoricul tranzacțiilor și facturile viitoare și profită de aceste informații pentru a ajuta clienții băncii să-și gestioneze finanțele.

În octombrie 2022, Erica a depășit 1 miliard de interacțiuni cu clienții, cu o medie de aproximativ 1,5 milioane pe zi și a ajutat 32 de milioane de clienți Bank of America.

Subscrierea de credite și realizarea scorului de credit

În zilele noastre, băncile și instituțiile de credit beneficiază de cantități enorme de date, pe care le obțin de pe platformele lor, în conformitate cu legislația în vigoare. În funcție de regiunea unde operează, unii dintre ei beneficiază, de asemenea, de surse suplimentare, rezultate în urma colaborării cu furnizorii de telecomunicații și de utilități, producătorii de dispozitive tehnologice și operatorii de platforme non-bancare (cum ar fi rețelele sociale, comerțul electronic, aplicații, site-uri web etc.).

După cum subliniază McKinsey, disruptorii din SUA, unde legislația de protecție a datelor este diferită de cea europeană, fac lucrurile diferit: 

• Ei folosesc datele GPS de pe telefoane mobile și smartphone-urile solicitanților pentru a verifica adresele lor de locuință și de serviciu;
• Evaluează veniturile consumatorilor prin metadate obținute de la companii de telecomunicații - cum ar fi raportul dintre apelurile efectuate și cele primite - facturile de utilități plătite, informațiile din rețelele sociale și datele primite prin SMS referitor la achiziții și cheltuieli. Când vine vorba de companii, situația este și mai simplă, deoarece adună informații despre afacere, tranzacțiile și vânzările lor de la Amazon, eBay, aparate POS, coduri QR și recenzii din rețelele sociale (Yelp, TripAdvisor). Aceste surse de informații, combinate cu cele tradiționale, ajută la crearea de profiluri mai aprofundate pentru potențialii debitori B2B și B2C.
• Ei prevăd probabilitatea rambursării unui împrumut analizând diferite aspecte, de la frecvența plăților facturilor de utilități și apelurile către membri apropiați ai familiei până la modul în care sunt completate formularele de cerere. De exemplu, folosirea majusculelor și trimiterea unei cereri între 1:00 și 6:00 a.m. stabilește o premisă negativă.

Bineînțeles, pentru a strânge aceste informații și a face ordine printre ele, instituțiile moderne de creditare moderne au nevoie de modele de analiză și platforme de învățare automată, care să colecteze acest tip de informații și să le folosească în favoarea lor.  

Zest AI este un exemplu excelent al modului în care învățarea automată poate fi utilizată în subscrierea de credite, deoarece, atunci când este intuitivă și în concordanță cu regulamentele regionale, aceasta sprijină creditorii pe întreg ciclul de viață al modelului de credit. Una dintre companiile de fintech cu cea mai rapidă creștere în Statele Unite, Zest AI, și-a dovedit eficiența și este acum folosită de instituții precum Citibank, First National Bank of Omaha și Hawaii USA Federal Credit Union.

Prevenirea și detectarea fraudelor

În fiecare zi, sistemele de inteligență artificială trec printr-un număr mare de tranzacții financiare pentru a identifica tiparele de fraudă, pentru a detecta în timp real tentativele le răufăcătorilor, fie prin semnalarea tranzacțiilor, fie prin respingerea lor totală.

Modelele moderne de inteligență artificială și de învățare automată se concentrează pe o serie de aspecte, cum ar fi:

• Înțelegerea comportamentelor de consum și profilarea consumatorilor 

Învățarea automată permite băncilor să analizeze tranzacțiile financiare și nefinanciare, împărțind consumatorii în profiluri diferite. Evaluând activitatea lor, AI poate identifica momentul în care cumpărătorul are un comportament neobișnuit și, prin urmare, merită investigații suplimentare. De exemplu, dacă știe că un client cumpără produse alimentare în fiecare sâmbătă după-amiaza sau comandă livrări de alimente la fiecare două zile, inteligența artificială poate face predicții și identifica tranzacțiile care nu respectă tiparele.

• Calcularea scorurilor de fraudă

Inteligența artificială utilizează date din tranzacții legitime, aprobate de către client, pentru a înțelege cât de des acesta face plăți, de pe ce adrese de IP și în ce marje de sume. Toate acestea sunt coroborate cu o serie de parametri stabiliți de instituțiile financiare pentru a calcula scorurile de fraudă. Fiecare formă de activitate financiară poate fi aprobată, marcată sau respinsă în funcție de punctaj. Cu cât mai multe companii folosesc învățarea automată, cu atât algoritmii devin mai eficienți și deciziile luate de ele au un grad mai mare de precizie. 

• Investigarea fraudei

Analizând sute de mii de tranzacții în timp real, învățarea automată le poate identifica pe cele care trebuie investigate amănunțit de un profesionist uman. Deoarece implicarea oamenilor este costisitoare, instituțiile doresc să utilizeze cea mai bună tehnologie cu un nivel maximum de acuratețe. Aceasta implică adesea procese bazate pe data mining, rețele neuronale și recunoașterea modelelor.

• Implementarea proceselor de tip Know-Your-Customer (KYC)

Un proces de KYC manual se poate dovedi extrem de consumator de resurse pentru companii, deoarece necesită profesioniști care să colecteze și să proceseze documentele clienților, să introducă informații și să verifice fiecare lucru individual. Având în vedere că vorbim despre o zona extrem de sensibilă, unde eroarea umana poate duce la amenzi consistente, procesul de cunoaștere a consumatorului devine și mai complex, pentru că necesită verificări constante. 

Automatizarea procedurilor KYC permite instituțiilor financiare să accelereze lucrurile, să elimine riscul erorilor umane și să facă totul mai rapid, rezultând astfel o experiență mai bună pentru clienți.

Măsurile KYC bazate pe inteligența artificială transformă verificarea actelor de identitate și a documentației, potrivirea amprentelor digitale și recunoașterea facială în acțiuni instantanee.

Managementul Investiției

După cum arată datele Deloitte, inteligența artificială poate schimba și peisajul managementului investițiilor, deoarece noile tehnologii pot afecta generarea profitului și gestionarea riscurilor. AI stimulează performanța și ajută companiile să anticipeze și să gestioneze evenimentele ambigue, valorificând potențialul unor date mai diverse și cuprinzătoare.

Erica de la Bank of America este, de asemenea, integrată cu Merril, divizia de investiții și administrare a averii a Bank of America.

Operațiunile de back-end

Inteligența artificială permite instituțiilor financiare să elimine munca care ar necesita o mulțime de ore umane și ar putea fi predispusă la erori.

JP Morgan, un pionier în acest domeniu, folosește AI pentru a îmbunătăți operațiunile back-end și a elibera angajații de sarcini banale și repetitive de ani de zile. În 2017, banca a lansat COiN (prescurtare de la Contract Intelligence), un program care utilizează învățarea automată pentru a revizui documentele, permițând instituției să reducă numărul de greșeli de servicii de împrumut.

La câteva luni de la lansare, JP Morgan a făcut titluri cu soluția sa care a rezolvat 360.000 de ore de muncă umană în doar câteva secunde folosind AI.

Inteligența artificială și învățarea automată vor deveni indispensabile în industria financiară

Cu atât de multe cazuri de utilizare complexe, este clar că inteligența artificială și învățarea automată vor deveni indispensabile pentru industria bancară și financiară. În timp ce nume globale investesc miliarde în dezvoltarea de programe proprietare, jucătorii mai mici se concentrează pe identificarea celor mai bune soluții de plată pe utilizare care satisfac nevoile mărcilor lor, oferind personalizare și securitate ridicate.

Indiferent de dimensiunea și capitalul instituției dvs., o mulțime de opțiuni pot aduce valoare adăugată fluxurilor și proceselor dvs. interne, permițându-vă să faceți munca mai eficientă, mai sigură și mai orientată către client.