507
«Умный» банк будущего: как RPA и ИИ меняют финансовую отрасль
На протяжении десятилетий банки одними из первых внедряли инновации. В 1960-х годах это были банкоматы, в 1970-х – электронные платежи с помощью карт. В начале 2000-х годов широко распространился онлайн-банкинг, а уже через десятилетие любую транзакцию можно было совершить «на ходу» через мобильное приложение. Только благодаря непрерывному улучшению клиентского опыта с помощью передовых технологий финансовые организации могли стабильно расти на высококонкурентном рынке.
2020 год не стал исключением. В первые несколько месяцев пандемии COVID-19 использование мобильного и онлайн-банкинга в разных странах увеличилось примерно на 20–50%. Взрывной рост новых регистраций и трафика заставил финансовые институты задуматься о том, как сделать работу с клиентами в цифре более качественной. Многие из них начали применять инструменты роботизации, чтобы избавиться от рутинных операций, оптимизировать внутренние процессы и, как результат, ускорить обслуживание клиентов. И теперь, когда банки по всему миру увидели, как RPA совершенствует такие процедуры, как андеррайтинг или обнаружение мошенничества, они пытаются распространить автоматизацию на большинство бизнес-процессов и выйти на новый уровень продуктивности.
Не последнюю роль в этом процессе играет переход к интеллектуальной автоматизации, то есть интеграция RPA с технологиями машинного обучения и искусственного интеллекта. И это неудивительно: банки не первый год применяют инструменты ИИ, чтобы прогнозировать спрос на услуги и сервисы, делать персонализированные предложения клиентам и решать многие другие задачи.
По результатам прошлогоднего опроса WEF и Кембриджского университета, 85% финансовых организаций уже используют ИИ, а 77% руководителей ожидают, что машинный интеллект будет играть значимую роль в их бизнесе в ближайшие два года.
Давайте разберемся, как автоматизация бизнес-процессов с помощью RPA и ИИ может решить некоторые из самых насущных проблем отрасли.
Как банки используют ИИ
В финансовой сфере есть ряд задач, с которыми искусственный интеллект отлично справляется.
Улучшение клиентского опыта минимальными ресурсами
Сейчас банки оцифровывают множество разнообразных услуг, от предложений по розничным и корпоративным продуктам до управления инвестициями и благосостоянием. Благодаря ИИ они могут предлагать клиенту именно тот цифровой продукт или сервис, который ему действительно необходим, и именно тогда, когда он нужен. Взаимодействие банка с клиентом становится более гибким, с одной стороны, и управляемым – с другой.
Например, в Сбербанке есть более 400 точек соприкосновения клиента с банком, через которые он проходит от момента осознания потребности до покупки. Самые значимые из них ежегодно подвергаются оптимизации и редизайну. Сейчас в процессе используется ИИ, который автоматически выявляет «узкие места» на пути клиента, а также неэффективные сценарии его взаимодействия с банком. Благодаря машинному интеллекту компании удалось ускорить процесс редизайна в 25 раз, а клиенты банка получили более удобное и персонализированное обслуживание.
Бесперебойное обслуживание клиентов
Потребители все чаще предпочитают визиту в физическое отделение банка звонок в контакт-центр или обращение через мобильное приложение. Использование искусственного интеллекта позволяет банкам моментально реагировать на запросы клиентов вне зависимости от канала коммуникации. Так, ИИ помог ускорить работу call-центра банка «Тинькофф», в который ежедневно поступало 50–60 тысяч звонков. Раньше из-за того, что звонки принимали и обрабатывали операторы, клиентам приходилось ждать на линии свободного сотрудника. Сейчас голосовой робот «Олег» принимает более 80% входящих звонков, переводит каждый запрос в текст и определяет тематику обращения. Благодаря этому время ответа на запросы уменьшилось в среднем на 40 секунд.
Работа с данными и документами
Сюда входит множество сценариев обработки данных, от распознавания документов до прогнозирования спроса на продукты или сегментации клиентов для таргетинга. Не так давно Росбанк внедрил систему ИИ для автоматической обработки документов. «Умная» технология позволяет распознавать более 70 реквизитов со сканов и фотографий и использовать эти данные для подтверждения личности клиента при открытии счета или совершении банковских операций. Другой пример – алгоритм ИИ, разработанный ВТБ, который подбирает для каждого клиента индивидуальный портфель ценных бумаг с максимальной доходностью при минимальном риске. Для этого алгоритм на базе инструментов машинного обучения перебирает и сравнивает все возможные варианты стратегий и портфелей.
Снижение рисков
Используя искусственный интеллект, банки создают решения, которые сокращают или полностью устраняют человеческий фактор во многих процессах. А значит, уменьшают число ошибок, связанных с ним. Так, искусственный интеллект способен выявить мошеннические действия. Для иллюстрации, Почта Банку удалось предотвратить за 2019 год 1230 попыток использования чужих учетных данных благодаря биометрической системе распознавания лиц. Инструмент на базе ИИ может точно идентифицировать человека, в то время как вероятность ошибки при ручной верификации по фотографии плохого качества и со значительной разницей в возрасте очень высока.
Интеллектуальная автоматизация vs банки
Даже сам по себе искусственный интеллект – революционная технология, которая может кардинально изменить бизнес-процессы любого банка. А объединение с RPA раскрывает его потенциал еще больше, поднимая производительность, эффективность финансовой организации и удовлетворенность клиентов на совершенно новый уровень.
Банки используют ИИ-модели в связке с RPA-инструментами в таких областях, как управление кредиторской задолженностью, соглашениями и контрактами, розничной торговлей и многих других. Именно поэтому в современных RPA-платформах чаще всего уже преднастроена интеграция с инструментами искусственного интеллекта.
Вот лишь несколько сценариев применения ИИ и RPA в сфере финансов:
- Глобальный банк ежегодно получает более миллиона электронных писем от клиентов. ИИ-модель научилась распознавать конкретные продукты банка, названия и категории субпродуктов в неструктурированных данных из электронной почты. А программные роботы UiPath автоматизировали получение, категоризацию и ответы на письма. В результате среднее время обработки данных сократилось на 90%, а точность маршрутизации электронной почты – более чем на 93%.
- Другой пример – крупное кредитное учреждение США. Банк ежегодно обрабатывал миллионы свопов – торгово-финансовых операций – и хотел упростить процесс. Используя модель машинного обучения и роботов UiPath, организация сократила число ошибок на 90% и сэкономила за год около 1,2 млн долл.
Внедрять или не внедрять?
Банки исторически были первопроходцами в использовании передовых технологий для развития бизнеса и предоставления клиентам более качественных продуктов и услуг. И учитывая, что совокупная потенциальная экономия средств для финансовых институтов от ИИ оценивается в 447 млрд долл. к 2023 году, вопрос «внедрять или не внедрять» перед ними уже не стоит. К 2022 году 80% организаций, развернувших RPA, будут внедрять ИИ, справедливо считают в Gartner. И банки окажутся на передовой этого процесса!
По материалам PLUSworld.ru
