Pieniądze potrzebują sztucznej inteligencji, by się mnożyć

Marketing, obsługa klienta i sprzedaż korzystały z odrębnych technologii gromadzenia danych. Rewolucja cyfrowa pozwoliła na konsolidację i zbliżenie tych odległych od siebie obszarów. Dzisiaj, ocena klienta, badanie jego preferencji i potencjału, przygotowanie produktu i jego sprzedaż - to wszystko odbywa się we wspólnej cyfrowej przestrzeni, przy użyciu narzędzi integralnie ze sobą połączonych, kompatybilnych.

Dane, będące "pokarmem" dla sztucznej inteligencji płyną z różnych stron, ale mają tę samą cyfrową naturę. Co istotne, przeważająca cześć procesów odbywa się w czasie rzeczywistym. Przez długi czas głównymi zmiennymi, istotnymi dla budowania korzystnych relacji z klientem były takie pozycje jak: wiek, wysokość zarobków, zajmowane stanowisko, stan cywilny i dotychczasowa historia współpracy z instytucją finansową. Ciągle są one w użyciu i banki biorą je pod uwagę. Ale to tylko część analitycznej układanki.

Dzisiaj liczą się spostrzeżenia dotyczące bieżącej aktywności klienta (oczywiście aktywności online). Firmy wiedzą, czego chce klient i kim on właściwie jest poprzez analizy jego zachowań na stronie internetowej banku, w trakcie rozmowy z infolinią i podczas jego kontaktu via mail lub telefon. Informacje te zyskują na sile również dzięki temu, że dają się przetwarzać na różne nieograniczone wręcz sposoby i co najważniejsze - to przetwarzanie następuje w czasie rzeczywistym.

Jedna z najbardziej radykalnych zmian, jakiej możemy się spodziewać w najbliższych latach dotyczy obsługi klienta. W customer service rozwijać się będzie karierę botów głosowych, które dzisiaj są już nam znane z sytuacji w życiu prywatnym. Niektórzy zaczynają mówić wręcz o nadchodzącej "aleksyzacji" naszego życia. Termin odnosi się oczywiście do wzrastającej popularności takich urządzeń jak Alexa i Siri.

Według prognoz funduszu inwestycyjnego RBC Capital do 2020 roku na całym świecie będzie pracować blisko 130 milionów urządzeń bezpośrednio podłączonych do Alexy.

Nic nie stoi na przeszkodzi, by oprogramowanie bazujące na schemacie tych programów, mogło być wykorzystywane do obsługi klienta bankowego. Tym bardziej, że boty trenowane przez specjalistów, coraz lepiej radzą sobie z ludzko brzmiącymi wypowiedziami. Bank of America zaimplementował do swoich działań czatbota Erica, który doradza klientom banku, używając głosu i wiadomości tekstowych. Bot pracuje 24 godziny na dobę, umożliwiając dokonywanie wszelkich transakcji z których korzysta klient na codzie.

Łatwo się domyślić, że koszty zatrudnienia kilkunastu lub kilkudziesięciu specjalistów pracujących całą dobę byłyby niemałe. W Silicon Valley mówi się że człowiek nie jest skalowalny jak algorytmy maszynowe i oparte na nich czatboty.

Zgodnie z zasadą samodoskonalenia się systemów opartych na uczeniu maszynowym, ich kompetencje tego typu urządzeń będą rosnąć. Bot z którym można rozmawiać nie będzie odpowiadał na pytania o pogodę czy sytuację na drodze. Bedzie mówił o oprocentowaniu kredytu i korzyściach z lokaty. Informował nas, ile pozostało nam pieniędzy do spłacenia, i przypominał o zaległej racie.

Dzisiaj urządzenia tego typu sprawdzają się w pierwszym kontakcie z klientem; porządkują połączenia z infolinii, kierują klienta do odpowiednich działów. W przyszłości asystenci będą delegowani do bardziej złożonych obowiązków. By tak się stało, potrzebny jest oczywiście dalszy rozwój kompetencji komunikacyjnych botów. Budowanie zdań złożonych, wczuwanie się w intonacje klienta, wyczuwanie jego głębszego problemu - to wszystko kwestia przyszłości. Ale boty uczą się coraz szybciej.

Bankowość, jako branża gromadząca i przetwarzająca potężne zbiory informacji stoi przed poważnym wyzwaniem. Tym bardziej poważnym, że współczesny użytkownik jest przewrażliwiony jeśli chodzi o kwestie bezpieczeństwa Informacje medialne o cyklicznych wyciekach wrażliwych danych gromadzonych przez firmy i portale dodatkowo tą nieufność wzmacniają. Specjaliści od systemów IT w bankowości i ubezpieczeniach mają więc pełne ręce roboty i nie ustają w poszukiwaniu rozwiązań, które mogłyby wzmacniać nadwątlone ostatnio zaufanie przeciętnego konsumenta.

W tym kontekście ciekawa staje się tendencja, by zmieniać sposoby dostępu do konta online. Najkrócej rzecz ujmując, chodzi o logowanie i wszystkie procedury autoryzacji. Tradycyjne rozwiązania, to nic innego, jak zwyczajne logowanie przy użyciu ciągu znaków - liczb i cyfr. Doskonalenie się technik hakerskich oznacza jednak, że zaczynamy mieć do czynienia z krytycznym elementem w systemach informatycznych.

Kody i hasła zabezpieczające stają łupem botów, których zadaniem jest kradzież tego typu danych. Stąd konieczność nowych rozwiązań. Wiele wskazuje na to, ze techniką, która ma szanse zrewolucjonizować procesy autoryzacji, będzie używanie odcisku palca, a za chwilę rozpoznawania twarzy. Taki niepowtarzalny, indywidualny personalny znak - kod jest wydaje się jak dotąd najlepszym i najprostszym zabezpieczeniem przed włamaniami do systemu. Tak jak obsługa głosowa urządzeń może eliminować z rynku tradycyjne wyszukiwarki i interfejsy dotykowe, tak w tym przypadku wpisywany ręcznie ciąg znaków, stanie się anachronizmem wobec mechanizmu opartego na dotyku ludzkiej ręki.

A co z autoryzacją na podstawie zdjęcia twarzy? Czy to jest możliwe? Zaczyna być. Przecież indywidualne rysy utrwalone na fotografii również stanowią unikalną, niepodrabialną treść. Ta unikalność może być zdekodowana dzięki rzetelnym analizom z zastosowaniem oprogramowania, które potrafi zidentyfikować największe niuanse w obrazie.

Skanowanie zdjęcia, czy skanowanie twarzy poprzez kamerę w naszym laptopie ma więc spore szanse, by stać się kolejną procedurą weryfikacyjną. Jeśli sztuczna inteligencja potrafi rozpoznawać twarze - co staje się umiejętnością coraz bardziej cenioną chociażby przez policję, to fakt ten może być wykorzystywany w zupełnie innych sytuacjach.

Możemy więc sobie wyobrazić, że w przyszłości kredyt będzie przyznawany na podstawie sygnałów „wypisanych” na zdjęciu, które załadujemy w przeznaczone do tego miejsce. Zdjęcie zanalizowane przez algorytmy wyśle do banku informacje o naszym zdrowiu, ogólnej sytuacji życiowej i oceni naszą wartość.

W kontekście rozważań o bezpieczeństwie warto wspomnieć także o zastosowaniu narzędzi sztucznej inteligencji do monitorowania bezpieczeństwa systemów bankowych. Działające w czasie rzeczywistym inteligentne oprogramowanie ma za zadanie śledzić najdrobniejsze anomalie świadczące o atakach hakerskich.

Na świecie codziennie dochodzi do setek tysięcy prób włamań i kradzieży cennych danych lub zgromadzonych środków finansowych. Starego typu oprogramowanie nie byłoby w stanie wykryć takiej ilości ataków. Dopiero narzędzia sztucznej inteligencji dają gwarancje stosownych zabezpieczeń i gwarantują poczucie bezpieczeństwa.

Nie chodzi zresztą tylko o ataki. Bankowość zmaga się ze stałym i naturalnym problemem zatwierdzania transakcji niejednoznacznych, naznaczonych ryzykiem, poddających się różnym interpretacjom. Może to dotyczyć różnych obszarów: kredytów, spłat kredytów, wyliczania oprocentowania, całej masy działań księgowych.

Analiza konkretnych przypadków i tradycyjna akceptacja operacji zajmuje w takich przypadkach wiele godzin potrzebnych ludziom i tradycyjnym urządzeniom. W przypadku urządzeń korzystających z machine learning, autoryzacje tego typu transakcji trwają zaledwie sekundy. Korzyści dla sprawności i bezpieczeństwa systemów wydają się jednoznaczne.

Omawiane rozwiązania znajdują lub znajdą zastosowanie także na rynku ubezpieczeń. Tu także sztuczna inteligencja znajdzie pokaźne zasoby danych dotyczących zachowań i potrzeb klienta. Kategorią, na która kładzie się tu jeszcze większy nacisk, niż w bankowości jest ryzyko. Algorytmicznym analizom poddawane są wszelkie możliwe sytuacje związane z zagrożeniem życia lub zdrowiem klienta, a także jego statusem materialnym (nieruchomości).

Również w tym przypadku zastosowanie znajduje technika analizy zdjęć, o której już wspominałem wyżej. Sprzedaż polis na życie będzie wymagała rozbudowanego materiału do analizy. Interesujące z tego punktu widzenia wydają się dążenia do pozyskiwania danych w mniej konwencjonalny sposób.

Kopalnią wiedzy staje się na przykład samochód użytkownika. Takie informacje jak przebieg pojazdu, skłonność kierowcy do powodowania wypadków, a nawet technika jazdy, mogą być cennym materiałem dla każdej firmy, która przygotowuje zindywidualizowany produkt ubezpieczeniowy.

Równie istotne jest zastosowanie skomplikowanych analiz algorytmicznych do określenia szans zachorowań w związku z określonym trybem życia. Czy w przyszłości firmy ubezpieczeniowe będą zainteresowane narzędziami służącymi analizie kodu dna, to się okaże, ale jest to niewykluczone.

Narzędzia sztucznej inteligencji umożliwiają jeden niezwykle istotny zabieg - precyzyjną identyfikację indywidualnej osoby. Dzięki tej właśnie zdolności, klient przestaje być elementem większego zbioru, a staje się całkowicie indywidualnym przypadkiem.

Dlatego nadrzędną innowacją o której należy w tym kontekście wspomnieć, jest pro kliencka personalizacja wszelkich usług i oferowanych produktów. Takie podejście przekłada się na jeszcze jedno rozwiązanie. Klient w niedalekiej przyszłości będzie korzystał z interfejsów, które będą mogły analizować dane samodzielnie przez niego wprowadzane. To kolejny przejaw automatyzacji usług w bankowości, automatyzacji, która jest oczywistą konsekwencją wykorzystywania inteligencji algorytmów.

Idąc dalej tym tropem, warto dodać, że automatyzacja w coraz większym stopniu będzie towarzyszyła zakupom konkretnych produktów. O ile dzisiaj sprzedawca jest ciągle niezbędnym elementem relacji z klientem, to w przyszłości klient może liczyć na aplikacje.

Ich zadaniem może być na przykład seryjny zakup finansowych i ubezpieczeniowych i wyręczanie klienta w podejmowaniu decyzji wymagających większego nakładu czasu. Co warto podkreślić, taka seryjność zakupów będzie zbawienna jeśli chodzi o inwestorów biznesowych, których codziennością są duże zbiory produktów i informacji. Profesjonalni traderzy mogą liczyć na to, że sztuczna inteligencja zdejmie z ich pleców całą masę obowiązków, które dzisiaj związane są zarówno z zakupami jak i wielkim arsenałem analiz.

Sztuczna inteligencja w bankowości i ubezpieczeniach ma gwarantowaną przyszłość. Algorytmy uproszczą wiele operacji, wpływając tym samym na wygodę i oszczędność czasu klienta. Poczucie bezpieczeństwa, które klient zyska przy okazji automatyzacji, może być kolejną wartością dodaną w procesie starania się o to, by portfel był zasobniejszy.

Uboczną stroną omawianych zjawisk będą jednak bez wątpienia kwestie związane z zatrudnieniem w branży finansowej. Ilustracją tej ostatniej tezy może być przykład banku JP Morgan, który uruchomił dla swoich potrzeb aplikację (platformę) służącą do ekstrakcji danych z dokumentów związanych z operacjami kredytowymi. Analizy 12 000 dokumentów kredytowych zajęłaby pracownikom banku 360 000 godzin pracy.

Aplikacje działające w oparciu o machine learning pracowały nad powierzonym zadaniem... kilka godzin. Korzyści są jednoznaczne, ale interpretacja tego zdarzenia pod kątem polityki zatrudnienia również może być interesująca.

Istotną kwestią pozostaje także to, czy zalgorytmizowane operacje, o których mowa nie będą wymagały w pewnym momencie wytłumaczenia, głębszego wyjaśnienia - tu chodzi zarówno o poczucie bezpieczeństwa klienta jak i przekonanie władz banków, że wiedzą co "się dzieje" na ich pokładzie. Dotykamy tu słynnej i ostatnio mocno dyskutowanej kwestii zwanej problemem "black box". Chodzi o to wszystko, co dzieje się wewnątrz urządzeń napędzanych sztuczną inteligencją, a co w wielu przypadkach wymyka się ludzkiemu pojmowaniu.

Rewolucja na rynku finansów jak w soczewce skupia wszystkie najistotniejsze kwestie związane z funkcjonowaniem sztucznej inteligencji w naszym życiu, zarówno prywatnym jak i biznesowym. Pytanie o jej możliwości i jej wpływ na wygodę klienta, konsumenta produktów finansowych generuje w zasadzie jedną możliwą odpowiedź: są one olbrzymie i nieporównywalne z niczym dotąd.

Branża finansowa jest jednym z największych beneficjentów faktu, że algorytmy zaczynają dominować na wielu obszarach biznesu. Nie zmienia to faktu, że to właśnie przedstawiciele tego sektora zdają sobie sprawę z tego, jak wiele pytań związanych z ochroną środków finansowych, bezpieczeństwem systemów, przetwarzaniem danych klienta i regulacji, pozostaje ciągle bez odpowiedzi. Pieniądze potrzebują sztucznej inteligencji, by się mnożyć. Jednocześnie potrzebują zasad i regulacji, by gwałtownie nie stopnieć w technologicznym chaosie.

Head of Services CEE, Microsoft. Kieruje usługami Microsoft w 36 krajach, ich zakres obejmuje doradztwo biznesowe i konsulting technologiczny, w szczególności w takich obszarach jak big data i sztuczna inteligencja, aplikacje biznesowe, cybersecurity, usługi premium oraz cloud. Poprzednio jaklo Vice President Digital McKinsey odpowiedzialny za region CEE oraz usługi łączące doradztwo strategiczne i wdrażanie zaawansowanych rozwiązań informatycznych. Od kompleksowej transformacji cyfrowej przez szybkie wdrożenia aplikacji biznesowych, rozwiązania i analizy big data, biznesowe zastosowania sztucznej inteligencji po rozwiązania blockchain i IoT. Wcześniej Norbert pełnił funkcję Prezesa Zarządu i CEO Atos Polska, był również szefem ABC Data S.A. oraz Prezesem Zarządu i CEO Sygnity S.A. Poprzednio również pracował w firmie McKinsey jako partner, był dyrektorem działu usług doradczych, oraz rozwoju biznesu firmy Oracle.

Pasją Norberta są najnowsze technologie robotyzacja, zastosowania sztucznej inteligencji, blockchain, VR i AR, Internet Rzeczy, oraz ich wpływ na gospodarkę i społeczeństwo. Więcej na ten temat można przeczytać na blogu Norberta.