Naturlig sprogbehandling i Fintech-verdenen
Teknologi i bank- og finansområdet har givet os nogle af de optimistiske eksempler på teknologier, der udvikler sig i den finansielle industri, og har altid været en tidlig adopter af nye og disruptive teknologier.
For kort tid siden bringer forbedringer i kunstig intelligens os tæt på det tidspunkt, hvor vi ikke vil skelne mellem den måde, folk taler på, og den måde, maskiner fortolker og forstår det på.
Hvis du tænker på Natural Learning Processing (NLP) integration i din tjeneste, er her nogle tanker om, hvordan du får brug af den almindelige programmeringssoftware til naturlige sprog med en dokumenteret forudset besparelse i dag, hvad vil det kunne slå i morgen – og hvordan du kan udnytte næste generations værktøjer tidligere end dine konkurrenter.
Et overblik: Naturlig sprogbehandlings indvirkning på finansverdenen
Hvad ønsker kunderne i dag fra deres finansielle institutioner som banker, forsikringsselskaber eller kreditforeninger? Transaktioner i realtid, overvåget styring af deres aktiver og mulighed for at løse ethvert problem online og hurtigt.
For at få det til at ske, skal finansielle tjenester forsynes med banebrydende teknologier, der demonstrerer hastighed, intelligens og autonomi.
Kunstig intelligens, der gør maskiner til menneskelignende enheder, får dem til at udføre de samme opgaver, som mennesker gør – bedre og hurtigere. Dette opnås via et kompleks af værktøjer og tekniske løsninger, som hovedsageligt er udstyret med dets store underdomæner - Machine Learning og Natural Language Processing.
Machine Learning træner systemer til at lære af "erfaring", dvs. indkommende data, og træffe datadrevne beslutninger. Naturlig sprogbehandling trænes på samme måde som andre systemer, men har et specifikt mål: det skal give maskiner mulighed for at fortolke menneskelig tale, både som den bliver talt (automatiseret tale) og maskinskrevet (automatiseret tekstskrivning).
Naturlig sprogbehandling i Fintech (som i enhver anden sektor), har 2 store anvendelsesmuligheder:
- Forstå menneskelig tale og mining af dens betydning. Erkender hensigten og kommer med et relevant svar (anmodning om hjælp, videregivelse af et krav osv.).
- At omdanne ustrukturerede data i databaser og dokumenter til strukturerede data og udvinde handlingsorienteret indsigt gennem mønstergenkendelse (tekstmining).
Naturlig sprogbehandling i Fintech: Use Cases fra i dag og i morgen
Vi kan fremhæve et par brugssager, hvor AI og NLP påvirker FinTech-verdenen:
- Forvandler chatbots til virtuelle assistenter og rådgivere
- Berige dem med avanceret dataanalyse
- At gøre kommunikationen med dem uadskillelig fra menneskelig kommunikation
- Brug af NLP til at opdage svindel
- Segmentering af kunder i grupper og forbedring af relevante produkttilbud
- Reducerer administrativt arbejde og automatiserer separate opgaver og hele domæner
De områder, hvor det kan anvendes:
Kundeservice
"Conversational banking" er et nyt fænomen, og det betyder et radikalt skift fra simple chatbots til fuldgyldige digitale assistenter. NLP-virksomheder giver dem funktionalitet, der hjælper med at oversætte brugerforespørgsler til information, der kan bruges til passende svar.
Hvad dine konkurrenter bruger i dag: Den 24/7 tilgængelige chatbot, som forenkler kommunikationen mellem en bank og dens klient, giver script-baseret assistance med trivielle problemer og løser hurtigt simple klager.
Sådan adskiller du din virksomhed fra dem: Invester i virtuelle assistenter med avancerede funktioner, som er i stand til at behandle kontekst, analysere tekstfølelser og udføre forudsigende analyser.
- Rådgivning af forbrugere om bankkontostyring
- Udløser en advarsel, når forbrugsgrænsen nærmer sig
- Markering af betalinger i tilfælde af opdagelse af abnormitet
Disse funktioner er karakteristiske for "Erica"-botten - og dens succes har været utrolig: den AI-drevne virtuelle assistent hjalp Bank of America med at tiltrække mere end 1 million nye brugere inden for mindre end 2 måneder efter bot-udrulningen i 2017.
En anden ny tendens til at passe på er undersøgelse af stemmeaftryk og stemmebiometri, der bruges til at autentificere en bruger, hjælpe med at gennemføre en transaktion og forhindre svigagtige aktiviteter.
Hvad er det næste: Udvikling af maskinlæringsalgoritmer og især dybe neurale netværk vil snart muliggøre oprettelsen af de virtuelle assistenter, der er i stand til:
- Holde semantisk konsistent kommunikation
- Opbygning af en personbaseret neural samtalemodel
- Diverse reaktioner i dialog med en klient.
InsurTech
Avancerede digitale agenter og Natural Language Processing baseret kundeservice er den næste store ting på det globale forsikringsmarked.
Hvad dine konkurrenter bruger i dag: En chatbot baseret på foruddefinerede regler for valg af en risikoprofil, der er i stand til:
- Automatisk valg af forsikringsprodukter
- Tegningsautomatisering: en bruger indgiver en onlineansøgning om et forsikringskrav, modtager en afgørelse og en tilhørende rentesats.
- Indsendelse af krav ved at besvare standard opfølgende spørgsmål.
Sådan adskiller du din virksomhed fra dem: Når du beslutter dig for at integrere en chatbot og henvende dig til et FinTech-softwareudviklingsfirma, så tænk på at tilføje avanceret funktionalitet som:
- Simpel kravgodkendelse. Det tog en AI-chatbot, udviklet af New York-baseret forsikringsopstart kaldet Lemonade, 3 sekunder til at afgøre et simpelt forsikringskrav. Som nævnt af Daniel Schreiber, startup CEO, tillader sådanne chatbots at skære dramatisk ned på omkostningerne, ellers "forbruges 11-13% af præmierne af bureaukratiet med at håndtere krav".
- Anti-svig algoritmer. I dette tilfælde sender en chatbot kravdetaljerne gennem en svindeldetektionsalgoritme, før han betaler for erstatningskravet. For eksempel kan den opdage personlige forbindelser mellem personer, der er involveret i et krav, og markere det til yderligere undersøgelse, hvis det er nødvendigt.
Hvad er det næste: Ligesom i kundeservice bliver en chatbot i InsurTech til en virtuel assistent, som kan udføre:
- Personlig risikoprofil og scoring
- Realtidsbehandling af komplekse krav og beregninger
- Sikker hentning af personlige oplysninger.
RegTech
RegTech er et spirende FinTech-segment, hvor nye teknologier bruges til at lette overholdelse af regulatoriske krav.
Financial Services-branchen er en af de mest regulerede, og det kræver finansielle institutioner tusindvis af timers dagligdags arbejde for at sikre overholdelse af udviklende og skiftende standarder. Hvis der mangler noget – vil en virksomhed betale utrolige bøder, for ikke at tale om skade på omdømmet.
Ikke underligt, at efterspørgslen efter nye teknologier i denne sektor vokser, og NLP er øverst på listen: 11 % af institutionerne, der arbejder på tværs af Financial Risk, FCRM og GRC, bruger Natural Language Processing som en kernekomponent i deres apps.
Der er allerede nogle positive eksempler på markedet. For eksempel implementerede Rabobank, en hollandsk bank, og dets Compliance-team en indtag-og-søg-platform, hvor strukturerede og ustrukturerede data automatisk indekseres og gøres søgbare. Resultatet er reduceret overholdelseskontrol fra 15 til næsten 3 minutter.
Hvad dine konkurrenter bruger i dag: Natural Language Processing og Artificial Intelligence-løsninger, strømlining af undersøgelsen af nye reguleringsdokumenter, fremhævelse af de nødvendige forpligtelser, validering af front office-beslutninger i realtid, sikring af BSA/AML-overholdelse og et voksende antal af industriens standarder , ligesom MiFID II/MiFIR/EMIR.
Sådan adskiller du din virksomhed fra dem: Den næste generation af AI-instrumenter med integrerede NLP-funktioner udfører:
- Kontraktgennemgang. Det tog JP Morgans program kaldte COIN (Kontrakt + Efterforskning) nogle sekunder til at udføre fuldskala dokumentgennemgang, som tog 360,000 timers rutinearbejde – lyder ret tiltalende, ikke?
- Regulatoriske undersøgelser. Opdagelse af potentiel anti-hvidvaskning af penge (AML) og bekæmpelse af finansiering af terrorisme (CFT) krænkelser kræver avancerede AI-drevne dataanalyseværktøjer (NLP/ML) til at opdage netværk af relaterede transaktioner og identificere unormal adfærd.
RegTech udvikler sig med en utrolig hastighed, uden tegn på at bremse farten (specialister kalder endda 2020 Year of RegTech). Hvad betyder det for it-professionelle?
- Arbejder med tværinstitutionelle og tværjurisdiktionelle analyser. Snart vil vi se RegTech vokse fra et mindre segment af markedet for finansielle tjenesteydelser til et separat domæne. Det vil ligne en informationsramme med kontekstualiserede forpligtelser, præcise definitioner og klare datakrav. AI, og i særdeleshed NLP, vil være drivkraften bag denne proces – derfor er det af yderste vigtighed at blive klar til RegTech-fremtiden nu med dens due diligence-løsninger, robuste sagsbehandlingsfunktioner, automatiseret regulatorisk rapportering og evnen. at dele information på tværs af flere kanaler.
For at konkludere, er det ikke den fulde liste over Natural Language Processing-brugssager, der anvendes til FinTech-verdenen. Handel, crowdfunding, P2P-finansiering – det er kun nogle få områder, som kan vinde ved Natural Language Processing.
