Recent advances in Artificial Intelligence (AI) and namely its sub-domains – Machine Learning (ML) and Natural Language Processing (NLP) are bringing us close to the moment when we won’t distinguish the difference between the way people talk (human speech) and the way machines interpret and reproduce it (machine speech).
And we bet that FinTech will give us some of the brightest examples here – the financial services industry has always been an early adopter of new technologies.
Thinking about NLP integration into your services? Here are some ideas on how to get use of the mainstream NLP software with a proven ROI today, what will boom tomorrow – and how to leverage next-gen tools earlier than your competitors.
NLP’s impact on FinTech: Overview
What are customers expecting today from their banks, insurance companies and credit unions? Real-time transactions, supervised management of their assets, and opportunity to settle any issue online.
Για να συμβεί αυτό, οι χρηματοοικονομικές υπηρεσίες πρέπει να παρέχονται με τεχνολογίες αιχμής, που να επιδεικνύουν ταχύτητα, ευφυΐα και αυτονομία.
AI, turning machines into human-like entities, makes them perform the same tasks as people do – but better and faster. This is achieved via a complex of tools and tech solutions, empowered mainly by its major sub-domains – Machine Learning (ML) and Natural Language Processing (NLP).
Machine Learning trains systems to learn from “experience”, i.e. incoming data, and make data-driven decisions. NLP is trained the same way as other systems, but has a specific aim: it must empower machines to interpret human speech both as it is spoken (Automated Speech) and typed (Automated Text Writing).
Natural language Processing in Fintech (like in any other industry), has 2 major use cases:
- Comprehending human speech and extracting its meaning. Recognizing intent & coming up with a relevant reaction (request for help, passing a claim, etc.).
- Turning unstructured data in databases and documents into structured data and extracting actionable insights through pattern recognition (text mining).
NLP in Fintech: Use Cases from Today & Tomorrow
Μπορούμε να επισημάνουμε μερικές περιπτώσεις χρήσης όπου το AI και το NLP επηρεάζουν τον κόσμο του FinTech:
- Μετατρέποντας τα chatbots σε εικονικούς βοηθούς και συμβούλους
- Enriching them with advanced Big Data analytics
- Κάνοντας την επικοινωνία μαζί τους να μην ξεχωρίζει από την ανθρώπινη επικοινωνία
- Χρήση NLP για ανίχνευση απάτης
- Τμηματοποίηση πελατών σε ομάδες και βελτίωση σχετικών προσφορών προϊόντων
- Μείωση της διοικητικής εργασίας και αυτοματοποίηση ξεχωριστών εργασιών και ολόκληρων τομέων
Οι τομείς όπου μπορεί να εφαρμοστεί:
Εξυπηρέτηση πελατών
“Conversational banking” is a new phenomenon, and it means radical shifting from simple chatbots to full-fledged digital assistants. Natural language processing companies provide them with functionality, helping translate user queries into information that can be used for appropriate responses.
What your competitors use today: A 24/7 available chatbot, which simplifies communication between a bank and its client, provides script-based assistance with minor issues and quickly resolves simple complaints.
How to set your business apart from them: Invest into virtual assistants with advanced capabilities, able to process context, analyze text sentiment, perform predictive analysis.
- Συμβουλευτική στους καταναλωτές για τη διαχείριση τραπεζικών λογαριασμών
- Sending an alert when approaching spending limit
- Flagging payments in case of anomaly detection.
Αυτά τα χαρακτηριστικά είναι χαρακτηριστικά του ρομπότ "Erica" - και η επιτυχία του ήταν απίστευτη: ο εικονικός βοηθός με τεχνητή νοημοσύνη βοήθησε την Τράπεζα της Αμερικής να προσελκύσει περισσότεροι από 1 εκατομμύριο νέοι χρήστες μέσα σε λιγότερο από 2 μήνες μετά την κυκλοφορία του bot το 2017.
Μια άλλη αναδυόμενη τάση για προσοχή είναι η έρευνα φωνητικού αποτυπώματος και τα βιομετρικά στοιχεία φωνής, που χρησιμοποιούνται για τον έλεγχο ταυτότητας ενός χρήστη, για να βοηθήσουν στην ολοκλήρωση μιας συναλλαγής και στην αποτροπή δόλιων δραστηριοτήτων.
Τι ακολουθεί: Οι εξελισσόμενοι αλγόριθμοι μηχανικής μάθησης και ιδιαίτερα τα βαθιά νευρωνικά δίκτυα θα επιτρέψουν σύντομα τη δημιουργία εικονικών βοηθών ικανών:
- Διατήρηση σημασιολογικά συνεπούς επικοινωνίας
- Δημιουργία ενός μοντέλου νευρωνικής συνομιλίας που βασίζεται σε πρόσωπα
- Διαφορετικές αντιδράσεις σε διάλογο με πελάτη.
InsurTech
Advanced digital agents and NLP-based customer service is the next big thing in the global insurance market as well.
What your competitors use today: A chatbot based on predefined rules of selecting a risk profile, capable of:
- Αυτόματη επιλογή ασφαλιστικών προϊόντων
- Αυτοματοποίηση αναδοχής: ένας χρήστης υποβάλλει μια ηλεκτρονική αίτηση για απαίτηση ασφάλισης, λαμβάνει μια απόφαση και ένα συνοδευτικό επιτόκιο.
- Υποβολή αξιώσεων, απαντώντας σε τυπικές επακόλουθες ερωτήσεις.
How to set your business apart from them: Once you decide to integrate a chatbot and turn to a FinTech software development company, think about adding advanced functionality like:
- Απλή έγκριση αξίωσης. Το πήρε ένα chatbot τεχνητής νοημοσύνης, που αναπτύχθηκε από μια ασφαλιστική startup με έδρα τη Νέα Υόρκη που ονομάζεται Lemonade, 3 δευτερόλεπτα για να διευθετήσει μια απλή αξίωση ασφάλισης. Όπως ανέφερε ο Daniel Schreiber, Διευθύνων Σύμβουλος startup, τέτοια chatbot επιτρέπουν τη δραματική μείωση του κόστους, διαφορετικά «το 11-13% των ασφαλίστρων καταναλώνεται από τη γραφειοκρατία του χειρισμού των αξιώσεων».
- Αλγόριθμοι κατά της απάτης. Σε αυτήν την περίπτωση, ένα chatbot περνά τις λεπτομέρειες της αξίωσης μέσω ενός αλγόριθμου ανίχνευσης απάτης προτού πληρώσει για τη διευθέτηση της αξίωσης. Για παράδειγμα, μπορεί να εντοπίσει προσωπικούς δεσμούς μεταξύ ατόμων που εμπλέκονται σε μια αξίωση και να την επισημάνει για περαιτέρω εξέταση, εάν είναι απαραίτητο.
Τι ακολουθεί: Όπως και στην εξυπηρέτηση πελατών, ένα chatbot στο InsurTech μετατρέπεται σε εικονικό βοηθό, ο οποίος μπορεί να εκτελέσει:
- Εξατομικευμένο προφίλ κινδύνου και βαθμολογία
- Επεξεργασία σύνθετων αξιώσεων και υπολογισμών σε πραγματικό χρόνο
- Ασφαλής ανάκτηση προσωπικών πληροφοριών.
RegTech
Το RegTech είναι ένας αναδυόμενος τομέας FinTech, όπου χρησιμοποιούνται νέες τεχνολογίες για τη διευκόλυνση της συμμόρφωσης με τις κανονιστικές απαιτήσεις.
Ο κλάδος των Χρηματοοικονομικών Υπηρεσιών είναι ένας από τους πιο αυστηρά ρυθμιζόμενους κλάδους και απαιτούνται από τα χρηματοπιστωτικά ιδρύματα χιλιάδες ώρες καθημερινής εργασίας για να διασφαλίσουν την τήρηση των εξελισσόμενων και μεταβαλλόμενων προτύπων. Αν κάτι λείπει - μια εταιρεία θα πληρώσει απίστευτα πρόστιμα, για να μην αναφέρουμε ζημιά στη φήμη.
Δεν είναι περίεργο που η ζήτηση για νέες τεχνολογίες σε αυτόν τον τομέα αυξάνεται και το NLP βρίσκεται στην κορυφή της λίστας: το 11% των ιδρυμάτων που εργάζονται σε χρηματοοικονομικούς κινδύνους, FCRM και GRC, χρησιμοποιούν την Επεξεργασία Φυσικής Γλώσσας ως βασικό στοιχείο στις εφαρμογές τους.
Υπάρχουν ήδη μερικά θετικά παραδείγματα on the market. For example, Rabobank, a Dutch bank, and its Compliance team implemented an ingest-and-search platform, where structured and unstructured data is automatically indexed and made searchable. The result? Reduced compliance controls from 15 to 3 minutes.
What your competitors use today: NLP and AI solutions, streamlining the examination of new regulation documents, highlighting the required obligations, validating front office decisions in real-time, ensuring BSA/AML compliance, and a growing number of the industry’s standards, like MiFID II/MiFIR/EMIR.
Πώς να ξεχωρίσετε την επιχείρησή σας από αυτά: Η επόμενη γενιά οργάνων AI με ενσωματωμένες λειτουργίες NLP αποδίδει:
- Αναθεώρηση της σύμβασης. Το πήρε Το πρόγραμμα της JP Morgan με το όνομα COIN (Συμβόλαιο + Έρευνα) μερικά δευτερόλεπτα για να πραγματοποιήσει πλήρη ανασκόπηση εγγράφων, το οποίο χρειαζόταν 360,000 ώρες καθημερινής εργασίας – ακούγεται αρκετά ελκυστικό, έτσι δεν είναι;
- Ρυθμιστικές έρευνες. Ο εντοπισμός πιθανής καταπολέμησης της νομιμοποίησης εσόδων από παράνομες δραστηριότητες (AML) και η καταπολέμηση των παραβιάσεων της χρηματοδότησης της τρομοκρατίας (CFT) απαιτούν προηγμένα εργαλεία ανάλυσης δεδομένων που βασίζονται στην τεχνητή νοημοσύνη (NLP/ML) για τον εντοπισμό δικτύων σχετικών συναλλαγών και τον εντοπισμό μη φυσιολογικής συμπεριφοράς.
What is next: RegTech is developing at an incredible speed, with no signs of slowing down (specialists even call 2020 Year of RegTech). What does it mean for developers?
- Εργασία σε διαθεσμική και διεθνική ανάλυση. Σύντομα θα δούμε την RegTech να αναπτύσσεται από ένα μικρό τμήμα της αγοράς χρηματοοικονομικών υπηρεσιών σε έναν ξεχωριστό τομέα. Θα μοιάζει με ένα πλαίσιο πληροφοριών, με υποχρεώσεις προσαρμοσμένες στα συμφραζόμενα, ακριβείς ορισμούς και σαφείς απαιτήσεις δεδομένων. Η τεχνητή νοημοσύνη, και ειδικότερα το NLP, θα είναι η κινητήρια δύναμη πίσω από αυτήν τη διαδικασία – γι' αυτό είναι εξαιρετικά σημαντικό να προετοιμαστούμε για το μέλλον της RegTech τώρα, με τις λύσεις δέουσας επιμέλειας, την ισχυρή λειτουργικότητα διαχείρισης υποθέσεων, την αυτοματοποιημένη ρυθμιστική αναφορά και την ικανότητα για κοινή χρήση πληροφοριών σε πολλά κανάλια.
Of course, it is not the full list of NLP use cases applied to the FinTech industry. Trading, crowdfunding, P2P financing – these are but a few areas which can win from Natural Language Processing.
