Konwersacyjna sztuczna inteligencja w bankowości: przypadki użycia i historie sukcesu w 2024 r

Podczas Dnia Inwestora 2023 JPMorgan Chase, bank z największa kapitalizacja na świecie, zgłosił, że sztuczna inteligencja pomogła zarobić ponad 0,5 miliarda USD poprzez personalizację. Jednym z kierunków tej technologii, która szczególnie znana jest z szerokich możliwości w kontekście personalizacji, jest konwersacyjna sztuczna inteligencja.

W tym artykule przyjrzymy się konwersacyjnej sztucznej inteligencji w bankowości na praktycznych przykładach, dostarczając Tobie, czytelniku, najnowszych, rzeczywistych dowodów na jej wpływ.

Konwersacyjna sztuczna inteligencja a generatywna sztuczna inteligencja: jaka jest różnica?

Rozumiemy koncepcję konwersacyjnej sztucznej inteligencji. Przede wszystkim nie należy go mylić z generatywną sztuczną inteligencją, w skrócie GenAI. Chociaż te dwie podtechnologie mają ze sobą wiele wspólnego i czasami są używane zamiennie, służą różnym celom. W przeciwieństwie do generatywnej sztucznej inteligencji, konwersacyjna sztuczna inteligencja koncentruje się wyłącznie na symulowaniu komunikacji na poziomie ludzkim. Aby to osiągnąć, opiera się na oddzielnych modelach bazowych i połączeniu uczenia maszynowego (ML), przetwarzania języka naturalnego (NLP), zamiany tekstu na mowę i funkcji zamiany mowy na tekst. Tymczasem celem generatywnej sztucznej inteligencji jest tworzenie treści, takich jak tekst, obrazy lub kod, w oparciu o wiedzę zdobytą na podstawie danych wejściowych użytkownika i innych źródeł wiedzy.

Jeśli więc nie można ich używać zamiennie, czy mogą współistnieć? Odpowiedź brzmi zdecydowanie tak! Na przykład Google Cloud zawiera agentów GenAI w swoich konwersacyjnych pakietach AI, które zapewniają wszystkie dialogi tekstowe i głosowe. W tym momencie możesz się zastanawiać, czy w bankowości kiedykolwiek istniała konwersacyjna sztuczna inteligencja? Tak, istniało. Miało to jednak charakter deterministyczny, a nie generatywny. Więcej informacji na temat jego ewolucji można znaleźć w poniższej tabeli porównawczej.

Zalety konwersacyjnej AI w sektorze bankowym

Oczywiście konwersacyjna sztuczna inteligencja w bankowości ma wiele do zaoferowania, w przeciwnym razie nie wprowadzony b tak wiele instytucji na całym świecie.

1. Zwiększa efektywność operacyjną i obniża koszty. Przejmując znaczną część zapytań klientów, konwersacyjna sztuczna inteligencja może znacząco odciążyć call center, co oznacza mniejsze potrzeby kadrowe, a także koszty infrastruktury i szkoleń.
2. Skaluje się na zasadzie jeden do wielu. Konwersacyjni agenci AI mogą prowadzić wiele rozmów z różnymi użytkownikami jednocześnie. W przeciwieństwie do przedstawicieli obsługi klienta, nie należy ich przeciążać dużymi wolumenami.
3. Jest dostępny 24 godziny na dobę, 7 dni w tygodniu. Agenci AI mogą być wdrażani 24 godziny na dobę, 7 dni w tygodniu, 365 dni w roku, zapewniając ciągłą pomoc Twoim klientom niezależnie od strefy czasowej i świąt, co jest szczególnie przydatne w przypadku przedsiębiorstw globalnych.
4. Prowadzi to do większego zaangażowania i personalizacji doświadczenia. Konwersacyjna sztuczna inteligencja potrafi się uczyć i dostosowywać do indywidualnych preferencji użytkownika. Analizując przeszłe interakcje i dane użytkowników (oczywiście za odpowiednią zgodą), NE może dostosować swoje odpowiedzi, zalecenia lub działania, aby lepiej odpowiadać potrzebom każdego użytkownika.

Należy jednak zauważyć, że:

1. Może nie jest tak empatyczny jak człowiek. Nawet te systemy sztucznej inteligencji, które wykazują pewną empatię, opierają się na zaprogramowanych reakcjach lub podpowiedziach, które mogą wydawać się ogólne lub nieszczere w porównaniu z prawdziwą empatią, jaką mogą zaoferować ludzie.
2. Może nie być przeszkolony do rozwiązywania przypadków brzegowych. Konwersacyjna sztuczna inteligencja jest szkolona na ogromnych zbiorach danych, ale zawsze pojawią się scenariusze, z którymi wcześniej się nie spotkała. Co więcej, podstawową funkcją większości konwersacyjnej sztucznej inteligencji jest dostarczanie dokładnych informacji lub wykonywanie zadań, więc w obliczu przypadku brzegowego sztuczna inteligencja może priorytetowo traktować utrzymanie dokładności zamiast oferowania kreatywnego rozwiązania.

Jednakże dziedzina sztucznej inteligencji rozwija się w szybkim tempie i charakteryzuje się ostrą konkurencją, a także hojnymi budżetami na badania i rozwój, co oznacza, że​​istnieje duże prawdopodobieństwo, że przeszkody te zostaną ostatecznie pokonane.

Sprawy zakończone sukcesem

W tej sekcji przyjrzymy się graczom rynkowym, którzy już wykorzystują konwersacyjną sztuczną inteligencję w bankowości i osiągnęli wymierne rezultaty.

EVO Banco

EVO Banco jest jednym z największych banków cyfrowych w Hiszpanii, więc logiczne jest, że też powinien wejść na arenę AI. Głównym elementem jego systemu jest API Speech-to-Text od Google Cloud. Narzędzie działa jako główny silnik przechwytywania danych, konwertując dźwięk rozmów z klientami na przyjazny dla użytkownika format tekstowy. Transkrypcja w czasie rzeczywistym eliminuje opóźnienia przetwarzania, zapewniając natychmiastową analizę zapytań.

Po konwersji rozmowy na tekst na scenę wkracza Dialogflow. Ta zaawansowana platforma przetwarzania języka naturalnego działa jako analityczny rdzeń systemu, określając intencje stojące za każdą interakcją. Czy klient szuka informacji, prosi o konkretne działanie lub stoi przed złożonym problemem wymagającym interwencji człowieka? Algorytmy Dialogflow skutecznie kategoryzują te żądania, zapewniając właściwe przekierowanie.

Na podstawie klasyfikacji intencji Dialogflow system określa optymalną strategię reakcji. System potrafi błyskawicznie udzielić trafnej odpowiedzi na proste pytania wymagające informacji rzeczowych. Przeniesienie na pracownika odbywa się w przypadku skomplikowanych wniosków lub sytuacji, które w danym momencie przekraczają możliwości systemu.

Z kolei Dataflow analizuje wszystkie interakcje z klientami, identyfikując wzorce i wydobywając cenne spostrzeżenia z każdej rozmowy. Ciągłe uczenie się pozwala systemowi z biegiem czasu udoskonalać strategie reagowania, stopniowo poprawiając jego zdolność do dokładnego analizowania intencji klientów i zapewniania wyjątkowej obsługi. Efekty wykorzystania konwersacyjnej AI w bankowości dla EVO Banco były po prostu imponujące:

• 85% pokrycie połączeń do contact center.
• 3% udział w strukturze kosztów contact center.
• 95% dokładność trasowania.
• 2 minuty średni czas oczekiwania.

Federal Bank

Federal Bank stał się pierwszym indyjskim bankiem, który wszedł na technologię cyfrową we wszystkich oddziałach fizycznych. On także stał się pionierem w zakresie asystentów osobistych opartych na sztucznej inteligencji. Za pomocą rozwiązania Google Cloud AI, firma opracowała Feddy, który jest teraz gotowy przyjść z pomocą do ponad 10 milionów klientów w kraju.

Ale Federal Bank nie był usatysfakcjonowany konwencjonalnym rozwiązaniem AI. Jego wizja była ambitna: prawdziwie interaktywny wirtualny agent, zdolny do samouczenia się, obsługi skomplikowanych transakcji bankowych i pozwalający klientom blokować płatności, a nawet wybierać nowe karty debetowe – a wszystko to poprzez prostą rozmowę.

Jednak droga do osiągnięcia tego celu była pełna wyzwań. Bank musiał ocenić dziesiątki dostawców konwersacyjnej sztucznej inteligencji, ciągle napotykając na przeszkodę wizualną ograniczony elastyczność żądań. Rozwiązania te świetnie radziły sobie z odpowiadaniem na proste pytania, takie jak „Jakie jest moje saldo?”, ale nie radziły sobie z nieco innymi sformułowaniami, takimi jak „Ile mam pieniędzy?”. Ponadto proces szkolenia tych chatbotów okazał się dość długi. Federal Bank oszacował, że ręczne szkolenie bota pod kątem każdego potencjalnego pytania będzie wymagało ręcznego szkolenia bota o około tysiąca pytań miesięcznie, wraz z ciągłym doskonaleniem w oparciu o poziom zrozumienia.

Dzięki Dialogflow konwersacyjna sztuczna inteligencja w bankowości zyskała długo oczekiwaną zdolność samouczenia się, eliminując potrzebę ręcznej interwencji w przypadku każdego indywidualnego pytania. Nowo odkryta efektywność umożliwiła także Federal Bank skupienie się na szerszych celach strategicznych. Co więcej, integracja Dialogflow i TextMagic zapewniła atrakcyjny zestaw zaawansowanych technik konwersacyjnych AI. Należą do nich także lustrzane odbicie, gdy bot subtelnie dostosowuje swój styl komunikacji do sposobu mówienia klienta.

Wyniki wyglądają więcej niż obiecująco:

• Zwiększanie zadowolenia klientów na 25%.
• 98% trafność podanych odpowiedzi.
• Wzrost o 133% liczby rozpatrzonych odwołań.
• Oczekiwana redukcja kosztów obsługi klienta do 50%.
• 5 godzin zaoszczędzonego czasu programisty każdego dnia.

Przypadki użycia konwersacyjnej sztucznej inteligencji

W tej sekcji omówiono niektóre z najczęstszych przypadków użycia konwersacyjnej sztucznej inteligencji w bankowości.

Otwieranie konta

NE może zbierać podstawowe informacje KYC — takie jak imię i nazwisko, dowód zamieszkania i data urodzenia. W ten sposób może pomóc klientom w robieniu wyraźnych zdjęć dokumentów tożsamości i innych dokumentów we właściwym formacie. Następnie może automatycznie wyodrębnić dane za pomocą optycznego rozpoznawania znaków (OCR), aby ograniczyć błędy ręcznego wprowadzania i przyspieszyć cały proces sprawdzania poprawności.

Oprócz tego, NE może analizować zebrane dane pod kątem zgodności z wcześniej zdefiniowanymi parametrami ryzyka związanymi z polityką przeciwdziałania praniu pieniędzy (AML) i finansowaniu terroryzmu (ATF), oznaczając potencjalnie ryzykowne przypadki do dalszego przeglądu przez specjalistów ds. zgodności.

Udzielanie porad finansowych

Konwersacyjna sztuczna inteligencja dla banków może zadawać klientom pytania dotyczące ich celów finansowych, tolerancji na ryzyko i sytuacji finansowej. Na podstawie tych informacji sztuczna inteligencja może zapewnić spersonalizowane porady wstępne i pomocne zasoby wsparcia.

Może być także świetnym narzędziem dydaktycznym. W oparciu o obszar zainteresowań konwersacyjna sztuczna inteligencja może wprowadzić klientów w podstawowe pojęcia z zakresu wiedzy finansowej, wyjaśnić produkty finansowe i instrumenty pochodne oraz skierować użytkowników do wykwalifikowanych doradców w bardziej złożonych sytuacjach.

Analityka oszczędności/transakcji

Konwersacyjna sztuczna inteligencja może pomóc klientom śledzić przychody i wydatki, identyfikować obszary oszczędności i konfigurować zautomatyzowane plany budżetowania w celu poprawy świadomości finansowej i odpowiedzialnego zarządzania pieniędzmi. Sztuczna inteligencja może również pomóc klientom w identyfikacji kamieni milowych i śledzić postępy w czasie, utrzymując ich motywację i odpowiedzialność.

Ponadto sztuczna inteligencja może automatyzować powtarzalne zadania, takie jak płacenie rachunków lub wysyłanie terminowych przypomnień o oszczędzaniu lub inwestowaniu. Ponadto sztuczna inteligencja może analizować nawyki związane z wydatkami i identyfikować potencjalne ryzyko finansowe, zachęcając użytkowników do działania, zanim wyrosną w ogromne kłopoty.

Ochrona danych osobowych

Konwersacyjna sztuczna inteligencja w finansach może przeprowadzić klientów przez proces konfigurowania uwierzytelniania wieloskładnikowego (MFA), zapewniając, że dokonywasz wszystkie kroki weryfikacyjne mające na celu zweryfikowanie Twojej tożsamości przed zatwierdzeniem transakcji wysokiego ryzyka. Ten krok polega na zadawaniu pytań opartych na wiedzy, wysyłaniu jednorazowych kodów, a nawet korzystaniu z uwierzytelniania biometrycznego poprzez rozpoznawanie głosu lub obrazu.

W przypadku, gdy incydent już miał miejsce, sztuczna inteligencja może w każdej chwili pomóc klientowi zgłosić kradzież tożsamości, zapewniając raczej responsywność w porównaniu do tradycyjnych kanałów obsługi klienta z ograniczonymi godzinami pracy.

Ochrona przed oszustwami/przekrętami

Konwersacyjna sztuczna inteligencja może analizować interakcje użytkowników w czasie rzeczywistym, generując alerty dotyczące podejrzanych wzorców zachowań, które wskazują na oszukańczą aktywność. Na przykład odchylenia od normalnych wydatków, nietypowe wzorce mowy lub próby uzyskania dostępu do konta z nieznanych urządzeń lub lokalizacji.

Chatboty mogą także uczyć klientów zaawansowanych metod cyberbezpieczeństwa, oferując interaktywne moduły dotyczące tworzenia silnych haseł, a także przeciwdziałania próbom phishingu i metod socjotechniki.

Aby uzyskać więcej informacji na temat podstawowej infrastruktury konwersacyjnej sztucznej inteligencji w bankowości, zapoznaj się z naszym artykułem na temat przyjęcia chmury w usługach finansowych.

Oferta Zendeska

Firma Zedesk jest znanym dostawcą oprogramowania dla pomocy technicznej średniej klasy w G2, popularnej witrynie z recenzjami biznesowymi i IT. Jeśli chodzi o sztuczną inteligencję, Produkty Zendeska oferują następujące funkcje:

• Zautomatyzowana interakcja z klientami: Uwolnij swoich agentów od powtarzalnych zadań dzięki agentom opartym na sztucznej inteligencji, którzy skutecznie radzą sobie ze standardowymi zapytaniami.
• Mówiące boty: Korzystaj z chatbotów, aby odpowiadać na często zadawane pytania 24 godziny na dobę, 7 dni w tygodniu i prowadzić użytkowników przez standardowe zadania, skracając czas oczekiwania i zwiększając satysfakcję.
• Automatyczne odpowiedzi z artykułami: Zapewnij natychmiastowe wsparcie dzięki wcześniej zapisanym odpowiedziom, które automatycznie łączą się z odpowiednimi artykułami w bazie wiedzy, szybko dostarczając użytkownikom potrzebne informacje.
• Odpowiedzi dynamiczne: Wyjdź poza statyczne, wstępnie zaprogramowane reakcje. Zendesk AI może generować dynamiczne odpowiedzi dostosowane do konkretnych intencji użytkownika, zapewniając bardziej naturalny i pomocny przebieg konwersacji.
• Boty z osobowością: Chatboty w bankowości mogą korzystać z unikalnych osobowości zaprojektowanych w celu zapewnienia bardziej wciągającego doświadczenia użytkownika i budowania zaufania klientów posługujących się sztuczną inteligencję.
• Sugerowane intencje podczas tworzenia odpowiedzi: Pozwól platformie sugerować odpowiednie zamiary podczas generowania odpowiedzi. Dzięki temu masz pewność, że Twoje treści zostaną odpowiednio skategoryzowane i skierowane do właściwych użytkowników.
• Zamierzone wskazówki dotyczące pytań bez odpowiedzi: Zidentyfikuj luki w wiedzy i uzyskaj informacje na temat przeznaczenia nowych treści. To proaktywne podejście pomaga zapewnić, że baza wiedzy będzie zawsze aktualna i skutecznie zaspokoi potrzeby użytkowników.
• Sugerowane makra dla agentów: Wyposaż swoich agentów w gotowe makra używane w przeszłości w podobnych odwołaniach, oszczędzając czas i wysiłek, zapewniając jednocześnie spójność komunikacji.
• Wiedza w panelu kontekstowym: Zapewnij agentom łatwy dostęp do odpowiednich artykułów bazy wiedzy i forów społeczności bezpośrednio w oknie interakcji, umożliwiając im szybkie znalezienie informacji potrzebnych do skutecznego pomagania klientom.
• Wskazówki dotyczące treści dla menedżerów treści: Zdobądź cenne informacje na temat luk w wiedzy i obszarów wymagających poprawy. Dane te pomagają menedżerom treści w ustalaniu priorytetów tworzenia nowych materiałów.
• Wyszukiwanie semantyczne w centrum pomocy: Zaimplementuj zaawansowaną funkcję wyszukiwania, która rozumie intencje użytkownika, umożliwiając mu łatwe znajdowanie bardzo trafną treść, nawet jeśli wyszukiwane hasło nie w pełni odpowiada istniejącym słowom kluczowym.

Bez względu na to, z jakiego planu aktualnie korzystasz, Cloudfresh jest głównym partnerem Zendesk i pomoże Ci wybrać pakiet funkcji, który pasuje do Twoich unikalnych scenariuszy biznesowych i uruchomić pełnoprawny projekt z wdrażania Zendeska. Wszystko zaczyna się od bezpłatnej konsultacji na temat konwersacyjnej sztucznej inteligencji w bankowości. Aby umówić się na spotkanie, prosimy o wypełnienie poniższego formularza.