Horyzonty Bankowości 2024 | Technologie – Salesforce | Sztuczna inteligencja w bankowości – obniż koszty, uprość zadania, zyskaj klientów
Bartlomiej Mikoda
Strategic Account Director, Poland/Lithuania
Salesforce
M: +48 609 656 646
P: +49 152 346 85483
E: bmikoda@salesforce.com
Aby w pełni wykorzystać obecny i przyszły potencjał sztucznej inteligencji, banki muszą jednak podjąć kroki w celu uporządkowania swoich danych, przeanalizowania istniejących systemów i zidentyfikowania wyzwań procesowych. Oto cztery sposoby, w jakie myślące przyszłościowo banki będą wykorzystywać sztuczną inteligencję, aby poprawić zarówno doświadczenia pracowników, jak i klientów.
Ochrona: prywatności, bezpieczeństwa i zaufania dzięki finansowej sztucznej inteligencji
Niemal 9/10 liderów analityki i IT nadaje zarządzaniu danymi wysoki priorytet w swojej strategii AI. Banki koncentrują się na zapewnieniu bezpieczeństwa swoich danych, co ma fundamentalne znaczenie dla budowania zaufania klientów. Jednak prawie połowa kadry kierowniczej uważa, że sztuczna inteligencja stwarza zagrożenia dla bezpieczeństwa, a 59% konsumentów twierdzi, że nie wierzy, że sztuczna inteligencja jest bezpieczna. Bankowe organy regulacyjne również są zaniepokojone, zwłaszcza jeśli chodzi o generatywną sztuczną inteligencję, która opiera się na dużych modelach językowych (LLM) do generowania odpowiedzi.
Nawet po odpowiednim przygotowaniu danych, wdrożenie sztucznej inteligencji w bankowości wymaga dalszego, unikalnego zarządzania danymi, z różnymi prawami dostępu dla różnych funkcji. Na przykład, aby przestrzegać uczciwych praktyk kredytowych, banki muszą ukrywać informacje demograficzne, takie jak religia lub kraj pochodzenia, przed pracownikami udzielającymi pożyczek. Te same informacje muszą być jednak dostępne dla organów regulacyjnych, jako dowód uczciwego obsługiwania tych wniosków.
Zarządzanie danymi jest jeszcze bardziej złożone, jeśli chodzi o generatywną sztuczną inteligencję, która aby nauczyć się, jak prawidłowo reagować na podpowiedzi, wykorzystuje LLM. Wykorzystanie rozwiązań, które mają wbudowaną integralność danych, takie jak etyczne zabezpieczenia, może pomóc bankom sprostać wyzwaniom związanym z danymi i spełnić zasady zgodności. Na przykład Salesforce ma politykę zerowego przechowywania danych dla LLM – nie udostępniamy danych klientów zewnętrznym modelom LLM.
Sprzedaż: Szybsze odkrywanie możliwości
Sztuczna inteligencja może działać jak osobisty asystent, pomagając menedżerom ds. relacji poprawić ocenę potencjalnych klientów i możliwości sprzedaży we wszystkich rodzajach usług i produktów – od złożonych pakietów, po zabezpieczone pożyczki. Sztuczna inteligencja usprawnia prognozowanie, przewidując prawdopodobne wyniki dla różnych linii biznesowych, czy to w bankowości inwestycyjnej, czy to w komercyjnej i detalicznej.
Generatywna sztuczna inteligencja może integrować dane pochodzące od stron trzecich, a także ze źródeł wewnętrznych w taki sposób, aby przedstawiać bieżące sugestie w toku pracy, co zwiększa dokładność i trafność tych zaleceń.
Dzięki mocy zarówno predykcyjnej, jak i generatywnej sztucznej inteligencji, menedżer ds. relacji może zrozumieć najlepszy kanał dotarcia do klienta z odpowiednią i atrakcyjną ofertą. Funkcje te pomagają skrócić czas potrzebny na pełne zrozumienie potrzeb klientów w całym banku, jednocześnie poprawiając ich doświadczenie.
Marketing: Personalizacja na wyższym poziomie
Tworzenie segmentów i podsegmentów marketingowych zajmowało tygodnie, a wyniki często były niezbyt trafne i zbyt ogólne. Generatywna sztuczna inteligencja zmienia ten stan rzeczy, umożliwiając marketerom tworzenie segmentów w bazie danych klientów za pomocą podpowiedzi w języku naturalnym – a wyniki są dostępne w ciągu zaledwie kilku sekund.
Narzędzia te pomagają marketerom szybko tworzyć najbardziej odpowiednie oferty lub promocje, a następnie testować i uczyć się na ich podstawie, aby dalej udoskonalać segmentację. Na przykład marketerzy korzystający z Einstein Copilot mogą kierować oferty do klientów o niskim poziomie oszczędności, tworząc ofertę rekomendującą produkty lub usługi poprawiające bezpieczeństwo finansowe. Marketerzy mogą następnie użyć generatywnych, opartych na sztucznej inteligencji szablonów wiadomości e-mail, aby udostępnić tę ofertę docelowemu klientowi. Z biegiem czasu wiadomości są udoskonalane, ponieważ silnik AI uczy się, jak klienci reagują na treść. Wynik netto: oferty stają się doskonale spersonalizowane, a współczynniki konwersji poprawiają się.
Obsługa klientów: Lepsze szkolenie pracowników i zadowolenie klientów
Rotacja wśród agentów contact center jest problemem w całej branży. Ciągłe szkolenie i wdrażanie nowych pracowników jest kosztowne i nieefektywne. Wykorzystanie sztucznej inteligencji do poprawy jakości szkoleń i codziennego przepływu pracy umożliwia agentom szybsze wdrożenie, co może przyczynić się do lepszych wskaźników retencji. Sprawia również, że obsługa jest przyjemniejsza dla klienta.
Generatywna sztuczna inteligencja może pomóc w uzyskaniu precyzyjnych informacji potrzebnych agentom kontaktowym do szybkiego rozwiązywania problemów, poprzez wypełnianie treści znanymi odpowiedziami w oparciu o rzeczywisty język używany przez klienta do opisania problemu. Umożliwia to agentom podejmowanie inteligentnych decyzji, co jest ważne w przypadkach, które wymagają oceny – na przykład, czy można cofnąć jakąś opłatę dla klienta.
Ponadto sztuczna inteligencja zapewnia inteligentniejsze narzędzia do wykrywania oszustw i weryfikacji tożsamości. Salesforce ma już gotowy protokół know-your-customer (KYC) do weryfikacji tożsamości i oceny zdolności kredytowej.
Sztuczna inteligencja w bankowości dopiero raczkuje
Sztuczna inteligencja w bankowości ma potencjał, aby pomóc bankom zaoferować klientom więcej, jednocześnie usprawniając koszty i zmniejszając nakłady pracy. Sztuczna inteligencja może potencjalnie zmniejszyć budżety operacyjne o około 6%–10% w zakresie zgodności z przepisami, zwiększając efektywność identyfikacji klientów, weryfikacji i kontroli ryzyka. Aby wykorzystać ten potencjał, należy już teraz położyć podwaliny pod sukces. Oznacza to określenie celów dla instytucji, a następnie przygotowanie danych na wszystko, co sztuczna inteligencja może zrobić dla Ciebie w świecie bankowości.
