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.