logologo
  •  
  • Oferta
    • Whizzapi – agregator API bankowych
    • Finsav Banking Platform
      • Finsav Open Your Business
    • Savangard PSD2 Solution
    • Integracja systemów
    • Procesy biznesowe BPM/BAM
    • Szkolenia
  • Referencje
  • Kariera
    • Oferty pracy
    • Savangard Labs – program stażowy
  • O Firmie
  • Blog
  • Kontakt
  • EN
  •  
  • Oferta
    • Whizzapi – agregator API bankowych
    • Finsav Banking Platform
      • Finsav Open Your Business
    • Savangard PSD2 Solution
    • Integracja systemów
    • Procesy biznesowe BPM/BAM
    • Szkolenia
  • Referencje
  • Kariera
    • Oferty pracy
    • Savangard Labs – program stażowy
  • O Firmie
  • Blog
  • Kontakt
  • EN

All eyes on… AI w bankowości cz. 1/2

Dzisiaj sztuczna inteligencja z filmu „Ja robot” zapytana przez bohatera granego przez Willego Smitha “Can a robot write a symphony?” zamiast odpowiedzieć oryginalną kwestią „Can You?” mogłaby… napisać symfonię*. Rozwój sztucznej inteligencji  następuje bardzo szybko, a banki będące mocno zaawansowane technologicznie i posiadające ogromne ilości danych są naturalnymi kandydatami do wykorzystywania sztucznej inteligencji do swoich potrzeb.

Jak zatem bankowość może wykorzystywać potencjał tej technologii?

Analiza danych i profilowanie

Banki dysponują dużymi ilościami danych. Oprócz historii klientów, aktualnie dzięki dużej liczbie kanałów kontaktu z bankiem (placówki, Internet, telefon, aplikacje mobilne) ilość danych o preferencjach i zachowaniach klientów jest ogromna. Obok tego, że w dużej mierze banki są zobligowane aby te dane zbierać i analizować, kluczem jest umiejętność ich odpowiedniego wykorzystania. AI dzięki analizie odpowiedniej ilości i jakości danych jest w stanie poznać klienta lepiej niż doradca bankowy. W kolejnym kroku może te pozornie nic nie znaczące informacje o zachowaniach klientów przekształcić w dane, które m.in.: dostarczą wiedzę o kliencie mogącą przerodzić się w nowe źródło przychodu, zasygnalizują zmianę sytuacji klienta i natychmiast zaproponują mu dopasowane rozwiązanie, czy przewidzą kiedy klient będzie chciał zrezygnować.

Data has a better idea – How does machine learn?

Wykrywanie fraudów i nadużyć

Bezpieczeństwo finansów to jedno z głównych wymagań jakie klient stawia przed bankiem. Ale jak łatwo się domyślić dane bankowe są jednym z najczęstszych obszarów zainteresowań przestępców. Tutaj na pomoc również może wkroczyć AI. Rutynowe sprawdzanie czynników ryzyka pozwala szybciej wykryć potencjalnych oszustów co z kolei pozwala minimalizować szkody.

Bazą dla większości fraudów jest próba podszycia się pod inną osobę, właściciela karty/konta. To co może udaremnić taką próbę jest zebranie danych z wielu źródeł nt. urządzenia z jakich korzysta, połączenia z Internetem, oprogramowania, standardowych zachować danego użytkownika. Wszystkie zebrane informacje są wzbogacane o kontekst i nowe doświadczenia oraz analizowane przez sztuczną inteligencję. Stworzone do tego modele znajdują powiązania w pozornie nie powiązanych ze sobą parametrach i wyciągają cenne informacje nt. zarówno jednostek jak i ogółu klientów.  Informacje te pozwalają identyfikować transakcje, które noszą znamiona oszustwa. Wszystko dzieje się w czasie rzeczywistym – szybkość reakcji jest czynnikiem kluczowym.

 

 

Przykładem skutecznego wykrywania nadużyć jest sytuacja, gdy występują wyjątkowo wysokie transakcje (nie będące czymś normalnym dla danego konta), a system wykrywania fraudów w banku jest tak skonfigurowany, aby wstrzymać ich działanie do momentu potwierdzenia ich przez właściciela konta. Pomimo, że brzmi to jak prosta procedura w rzeczywistości może sprawiać wiele problemów –  nie możemy zapominać o User Experience – wszystko musi odbywać się w taki sposób, aby komfort korzystania z usług banku był nadal na jak najwyższym poziomie.

Innym sposobem wykorzystania sztucznej inteligencji przy podnoszeniu poziomu bezpieczeństwa jest zastępowanie tradycyjnych haseł rozpoznawaniem głosu czy twarzy.

*https://www.telegraph.co.uk/culture/music/music-news/9369890/London-Symphony-Orchestra-to-play-piece-created-by-computer-program-Iamus.html
AIbanking trendschatbotsMachine learning
Poprzedni postAll eyes on ... AI w bankowości cz. 2/2
Następny postData has a better idea czyli jak maszyny się...
Najnowsze wpisy
  • „Kobiety w IT – a co jeśli zechcę zostać programistką?” – wywiad z Martą Adamek, Integration Developerem w Savangard
  • Bankowość jako platforma – scenariusze rozwoju
  • Rewolucja w świecie płatności – czy rok 2020 zmienił zasady gry?
  • „Kobiety w IT – branża IT to nie tylko programiści” – wywiad z Anią Marcinkowską, Project Manager w Savangard
Tagi
AI API API Gateway API Management Artificial Intelligence automation of business processes BAM banking trends bankowość on-line Blockchain BPM business processes management CEP chatbots Corda Deep Learning DLT EEA Event-driven Architecture IoT Machine learning Open API otwarta bankowość Polish API Project Management PS PSD2 PSD2 Solution R3 SavangardLabs Savangard Labs whizzapi

Polub naszą stronę

Facebook
Facebook
LinkedIn

Dane kontaktowe

Savangard Sp. z o. o.
ul. Aleje Jerozolimskie 142b
02-305 Warszawa
E-mail: info@savangard.com
Telefon: +48 22 436 59 00

Dane firmy

KRS 0000143463
NIP 5732522479
REGON 152084068
Sąd Rejonowy dla M. St. Warszawy w Warszawie,
XII Wydział Gospodarczy KRS
Kapitał zakładowy 50.000,00 PLN


© 2021 Savangard Sp. z o.o. All rights reserved.

Wordpress Social Share Plugin powered by Ultimatelysocial