Jak sztuczna inteligencja może pomóc bankom przetrwać w świecie zerowych stóp procentowych?
Wiele krajów wchodzi w rok 2021 z zerowymi stopami procentowymi. Jak wynika z obliczeń CME FedWatch Tool, rynek nie spodziewa się zmian w tym obszarze do końca tego roku. Skrajnie ekspansywna polityka monetarna w USA utrzymuje się od marca 2020 roku. Jest to reakcja banku centralnego USA na krach finansowy spowodowany zamknięciem gospodarki, w związku z pandemią Covid-19. Stopy procentowe w USA osiągnęły poziom 0‒0,25%, analogicznie jak w latach 2008‒2015, podczas ostatniego kryzysu. Europejski Bank Centralny, w I połowie 2020 roku, także złagodził politykę pieniężną.
Co oznaczają zerowe stopy procentowe dla kredytobiorców? Dla klientów posiadających kredyty, niższe stopy procentowe oznaczają niższe raty kredytów. Niestety, osoby starające się o kredyt muszą liczyć się z większymi kosztami pozaodsetkowymi, takimi jak ubezpieczenia czy prowizje. W dobie kryzysu banki ponoszą większe ryzyko udzielając kredytów, stosują zatem bardzo konserwatywną politykę, a co za tym idzie, trudniej jest wykazać zdolność kredytową.
Nowe technologie stają się motorem do transformacji banków
Co oznaczają zerowe stopy procentowe dla osób oszczędzających? Niskie oprocentowanie depozytów nie tylko nie pozwala zwiększyć kapitału, ale także nie stanowi ochrony przed inflacją. W wielu przypadkach przy dodatkowych opłatach za konto oszczędnościowe lub podatkach nakładanych przez państwo, okazuje się, że oszczędzający musi dopłacić.
Zerowe stopy procentowe mają na celu m.in. zwiększyć skłonność do inwestowania w bardziej ryzykowne aktywa. Realokacja oszczędności w kierunku aktywów, które mogą zapewnić realnie dodatnią stopę zwrotu, wymaga akceptacji większego ryzyka. W sytuacji, gdy zatrudnienie i przyszłość finansowa jest niepewna, chęć do bardziej agresywnego inwestowania oszczędności jest mocno zróżnicowana.
Bankowe być albo nie być
Jak w dobie zerowych stóp procentowych utrzymać obecnych klientów banku? Jak ich nie obciążać nowymi kosztami? W jaki sposób zachęcić nowych klientów do wyboru produktów bankowych? Jak sprawić, aby produkty oferowane przez bank były bardziej konkurencyjne? Jak wyjść z kryzysu obronną ręką i zbudować silną pozycję na rynku, wyróżniając się swoją ofertą? Jak zmniejszyć koszty całkowite, nie zmniejszając kosztów osobowych i nie redukując zatrudnienia? Na te wszystkie pytania jest jedna odpowiedź – kluczem do sukcesu są nowe technologie.
Nowe technologie pozwalają obniżyć zarówno stałe, jak i zmienne, koszty banków i w ten sposób pomagają przetrwać okres zerowych stóp procentowych
Trwająca od roku pandemia przyspieszyła postęp technologiczny i pokazała, że trend ten będzie w najbliższych latach szybszy niż się spodziewano. Digitalizacja i robotyzacja procesów wymuszona została m.in. przez pracę zdalną, na większą niż dotychczas skalę oraz zamykanie oddziałów banków z obawy przed rozprzestrzenianiem się wirusa.
Nowe technologie stają się motorem do transformacji banków. Doskonałym tego przykładem jest Bank Inwestycyjny Goldman Sachs, który ewoluuje poprzez wprowadzanie nowych produktów i usług cyfrowych, odnotowując w III kwartale 2020 roku przychody 10,78 mld USD, czyli wyniki wyższe niż przed rokiem i znacznie przewyższające szacunki analityków z Wall Street.
AI w AML, KYC i Wealth Management
Nowe technologie pozwalają obniżyć zarówno stałe, jak i zmienne, koszty banków i w ten sposób pomagają przetrwać okres zerowych stóp procentowych. Dzięki automatyzacji kluczowych procesów, zmniejsza się również ryzyko wysokich kar finansowych, będących wynikiem błędów człowieka. Obniża się wówczas także niebezpieczeństwo utraty reputacji i wiarygodności banku.
Mowa tutaj m.in. o karach za niewykrycie prania brudnych pieniędzy. W obszarze AML (ang. Anti-Money Laundering) jest sporo miejsca na optymalizację kosztów i poprawę jakości. Jednym z rozwiązań jest priorytetyzacja zgłoszeń pochodzących z systemu regułowego, dzięki zastosowaniu rozwiązań typu AI Risk Ranking, które w oparciu o sztuczną inteligencję i uczenie nadzorowane (ang. supervised learning) opracowują ranking podejrzanych transakcji zgodnie z poziomem ich ryzyka.
Wcześniejsze zajęcie się analizą bardziej ryzykownego alertu i dokładniejsze zbadanie go, pozwala szybciej zgłosić podejrzenie prania brudnych pieniędzy, a w efekcie uniknąć kar od instytucji nadzorujących. Priorytetyzacja pozwala także zastosować procedury uproszczone do alertów znajdujących się na dole rankingu. Tego typu alerty mogą podlegać również procedurze auto-zamykania. Zastosowanie dodatkowo „wyjaśnialnej sztucznej inteligencji” (ang. Explainable Artificial Inteligence, XAI) pozwoli analitykowi AML skupić się na tych elementach transakcji, które wpłynęły na pozycję alertu w rankingu.
Dzięki automatyzacji kluczowych procesów, zmniejsza się również ryzyko wysokich kar finansowych, będących wynikiem błędów człowieka
Kolejną funkcją usprawniającą pracę analityka AML jest dostarczenie wizualizacji przepływów finansowych pomiędzy klientami. Zastosowanie tutaj sztucznej inteligencji umożliwia analizę powiązań w dużych zbiorach danych, których człowiek nie jest w stanie sam przetworzyć. Dzięki temu analityk jest w stanie zidentyfikować powiązania między klientami, których w inny sposób by nie zauważył.
Obszar, w którym AI może przyczynić się do znacznego wzrostu atrakcyjności produktów bankowych jest Wealth Management. Predykcja oczekiwanej stopy zwrotu dla poszczególnych portfeli, uwzględniająca czynniki zewnętrzne takie jak m.in. inflację, stopy procentowe, doniesienia medialne czy analizę sentymentu, podnosi atrakcyjność i konkurencyjność produktów bankowych.
Robot i AI dla człowieka, a nie zamiast człowieka
Dzięki zastosowaniu robotów, w krótkim czasie można zgromadzić dane zarówno z systemów centralnych banku, jak i źródeł zewnętrznych. Można także dokonać podstawowej i zaawansowanej, analizy zgromadzonych danych. Wykorzystując nienadzorowane uczenie maszynowe (ang. unsupervised learning) można wykryć anomalie w danych.
Głównym sposobem banków na zwiększenie przychodów i redukcję kosztów może być optymalizacja i automatyzacja procesów
Wszystkie te operacje pozwolą pracownikowi banku operować na zgromadzonych informacjach, zamiast szukać ich samemu w wielu źródłach. Kompetencje i potencjał pracownika zostaną wykorzystane do analizy, a nie zbierania danych. Automatyzacja procesów (ang. robotic proces automation, RPA) może zostać wykorzystana zarówno w procesie AML, KYC (ang. Know Your Customer), jak i onboardingu nowego klienta.
Z ziemi do chmury
Modele uczenia maszynowego często wymagają dużych mocy obliczeniowych, jednak nie przez cały czas ich działania.
Rozwiązania chmurowe zapewniają atrakcyjność i wysoką dostępność przy jednoczesnej redukcji kosztów
Tutaj doskonałym rozwiązaniem stają się rozwiązania chmurowe, gdzie odpłatność może być dokonywana za czas wykorzystania danych zasobów, zamiast, jak to ma miejsce w rozwiązaniach on-premises, za sam ich zakup i utrzymanie.
Powyższe dotyczy nie tylko rozwiązań opartych na sztucznej inteligencji. Rozwiązania chmurowe zapewniają atrakcyjność i wysoką dostępność przy jednoczesnej redukcji kosztów.
Głównym sposobem banków na zwiększenie przychodów i redukcję kosztów może być optymalizacja i automatyzacja procesów. Inwestycja w rozwiązania oparte na robotyzacji, sztucznej inteligencji i rozwiązaniach chmurowych może skutecznie pomóc te koszty zredukować, a także zwiększyć atrakcyjność oraz dostępność produktów bankowych.
Dyrektor Działu Badań i Rozwoju, Comarch.
