A mesterséges intelligencia (AI) kifejezés alatt alapvetően három fejlett technológiát értünk: a gépi tanulást, a természetes nyelv felismerését és a kognitív számítástechnikát.
A McKinsey 2018-as tanulmánya szerint az ezeket a technológiákat alkalmazó AI megoldások 200-300 milliárd dollárnyi értéket teremtenek évente a bankszektorban, elsősorban marketing, sales és kockázatkezelési területen.
Jósvai Tamás szerint a magyar bankszektor nem áll rosszul a KKE-régióban a mesterséges intelligencia használatában, ugyanakkor egyelőre inkább a nagybankok esetében jellemző, hogy már elkezdték felismerni azokat az üzleti problémákat, „pain pointokat”, amelyekre a legjobb választ egy mesterséges intelligencia megoldás jelentheti. Első lépésként a nagyobb pénzintézetek többnyire feltárták, milyen típusú és minőségű adataik vannak házon belül, hiszen felesleges mesterséges intelligenciáról beszélni, ha nem áll rendelkezésre megfelelő mennyiségű és minőségű adat az öntanuló algoritmusok tanításához és kiértékeléséhez.
A legnagyobb kihívást általában a „zajok” kiszűrése, illetve az adatok egy platformra hozása jelenti a teljes szervezeten belül. A nagyobb és fejlettebb pénzintézetek esetében az adatok előkészítése, az adattudós csapatok felállítása és célzott projektek indítása egészen jó úton halad. A kihívást ezekben az esetekben leginkább az jelenti, hogy milyen módon lehet a teljes pénzintézetre kiterjedő adatkezelési gyakorlatot (data governance) kialakítani, hogy szervezeti egységek közötti szinergiákat hatékonyan ki lehessen használni. A kisebb bankok egyelőre inkább csak szemlélik a mesterséges intelligencia megoldásokat és keresik azokat a területeket, ahol a leginkább tud értéket teremteni ez az technológia.
Az AI megoldások alapvetően négy területen segíthetik a bankszektort:
- A belső működés optimalizálása
- A termékek transzformációja,
- A csapatmunkában rejlő lehetőségek kiaknázása,
- Az ügyfélélmény javítása.
A bankszektorban az ügyfélkiszolgálás oldalán rengeteg olyan lehetőség van, amelyben a mesterséges intelligencia hasznosítható. A tanuló algoritmusokkal működő chatbotok például már sokszor olyan pontossággal tudnak válaszolni az ügyfelek kérdéseire, hogy gyorsaságban, pontosságban felülmúlják a tapasztalt call centeres ügyintézőket is.
Ezeknek a technológiáknak köszönhetően a gyakran ismétlődő ügyeket hatékonyan tudják kezelni a bankok, így az ügyfélkiszolgálásban részt vevő kollégáknak több idejük jut a bonyolultabb, emberi jelenlétet jobban igénylő esetek kezelésére. Fontos előnye a chatbotoknak, hogy könnyen skálázhatók a nagyobb terhelésű időszakokban: például egy leállás vagy túlterhelt időszak esetén, ha égnek a vonalak, és az operátorok nem győzik fogadni a hívásokat, a chatbot folyamatosan rendelkezésre áll. A román Banka Transilvaniánál két Microsoft Azure-ral működő chatbotot vezettek be 2018 tavaszán a call centerben, ma már a lakossági és kkv ügyfelek több mint ötöde ezt a csatornát választja legszívesebben, amikor a bankjával kapcsolatba lép. Ez a fajta AI technológia már a magyar piacon is elérhető.
A „voice to text” kognitív szolgáltatás pedig képes a beszélt nyelvet, akár a magyart is, írott szöveggé alakítani, ezzel pedig az azonnal elemezhetővé válik. A bank a szolgáltatással meg tudja állapítani, hogy az aznap beérkezett hívásokból mennyi volt reklamáció, ezek miről szóltak, a hívások hány százaléka végződött pozitív visszajelzéssel (sentiment analisys). Abból is következtetéseket lehet levonni például, ha az ügyfelek nem találnak információkat egy termékről vagy szolgáltatásról, ez esetben valószínű, hogy a bank honlapján, netbankjában nem megfelelően vagy nem jó helyen kommunikálnak erről.
Szintén a belső operatív működést segítő AI alapú megoldás az RPA (robotic process automation), amely nem csak felismeri-, hanem szemantikailag is képes elemezni egy szöveget, vagyis például meg tudja mondani, hogy egy szerződésen belül egy keresett információ hol található meg, igény esetén pedig automatikusan továbbítja is a feldolgozás helyére. Ezek kiválóan algoritmizálható feladatok, és rengeteg manuális feladat alól tehermentesítik az adminisztratív területen dolgozókat, ezzel akár vonzóbbá is téve bizonyos szakterületeket Az RPA nagy előnye az emberi munkaerővel szemben, hogy szoftverrobot sosem beteg, mindig rendelkezésre áll, skálázható a működése, és akár közel azonnali adatátvitelt tesz lehetővé, vagyis nem kell arra várni, hogy valaki rögzítse az adatokat a rendszerben. Ráadásul már vannak olyan alkalmazások, melyekhez ma már nem szükséges programozói szakértelmet, kódolás, üzleti tudással „összeklikkelhetővé” válnak a szoftverrobot munkavégzési folyamatai.
A bankok ma is rendkívül összetett kockázatkezelő rendszerrel rendelkeznek, de ezek a modellek nem mindig működnek kellően rugalmasan amikor egy hiretelen változás következik be a gazdaságban vagy az ügyfelek viselkedési szokásaiban. Az öntanuló AI technológiák viszont azonnal és folyamatosan észlelik a változásokat és ehhez igazítják a modelleket. Például amikora késedelembe esett hitelekről érkezik visszajelzés, a modell automatikusan finomhangolja működését és a hitelbírálati szabályokon változtat.
„Erre jó példa, hogy a SparkBeyond nevű partnerünk rendszere, mely például képes volt felismerni olyan összefüggéseket a hitelkérelmek és a késedelmes fizetések között, amelyeket emberi megfigyeléssel szinte lehetetlen lett volna felismerni. Ez az algoritmus strukturálatlan adatokból keres automatikusan összefüggéseket, és arra mutat rá, hogy azok, akik kisbetűvel töltik ki a hitelkérelemükben a foglalkozásuknak fenntartott rubrikát, azok szignifikánsan nagyobb eséllyel esnek késedelembe, mint azok, akik nagy kezdőbetűvel írják be a foglalkozásukat” – mondja a szakértő.
A digitális megoldások térnyerésével egyre fontosabb terület a csalásfelderítés, ahol a mesterséges intelligencia megoldások már komoly eredményeket értek el. Például online bankszámlanyitáskor - amely ma már egyre több neobanknál és hagyományos banknál is elérhető – az AI nem csak azt vizsgálja meg, hogy az elkészített selfie és az igazolványkép mennyire hasonlít egymásra, hanem ezek az alkalmazások már arra is képesek, hogy a hamisítványokat kiszűrjék, és riasztást küldjenek további vizsgálat céljából. Az algoritmus felismeri, ha az Ügyfél aláírása eltérő vagy ha az igazolványkép hamisított, továbbá azt is vizsgálja, hogy a személyigazolvány alakja és száma a helyi jogszabályoknak megfelelő-e.
A belső hatékonyság növelésében szintén hasznos a mesterséges intelligencia, így például egy szervezetben meglévő szerződéses dokumentumok is egyszerűen kereshetővé válnak botokon keresztül. Ez azt jelenti, ha egy alkalmazottnak szüksége van egy bizonyos szerződésnek alejárati idejére, azt egy tudás alapú adatbányász szoftver (knowledge mining) teszi lehetővé, amely értelmezni tudja az írott szöveget.
Az AI segít feldolgozni és megérteni az ügyfelekről rendelkezésre álló viselkedési szokásokat, legyen az meglévő adat vagy akár külső, közösségi oldalról származó információ. A mesterséges intelligencia ugyanis a nagy és strukturálatlan adathalmazokból előre tudja jelezni, hogy az ügyfél milyen élethelyzetben van, milyen termékre lehet szüksége vagy azt is érzékeli, ha az Ügyfél éppen bankváltást fontolgat. A technológia arra is képés, hogy megmondja, mikor és milyen ajánlat lesz elfogadható az Ügyfél számára azt az érzetet keltve, hogy a bank szinte olvas az Ügyfél gondolataiban.
Ázsiában, ahol ezeket az eszközöket széles körben alkalmazzák, azt látni, hogy az ügyfelek hajlandóak feladni a privát szférájuk egy részét, hogy cserébe jobb felhasználói élményt kapjanak. És természetesen fizetnek is ezért, ha nem is mindig pénzzel, de megteszik ezt adattal, lojalitással, erősebb ügyfélkapcsolattal is
- magyarázza Jósvai Tamás.
A cikk megjelenését a Microsoft támogatta.
