Ostatnie postępy w sztucznej inteligencji (AI), a mianowicie jej poddomenach – uczeniu maszynowym (ML) i przetwarzaniu języka naturalnego (NLP), przybliżają nas do momentu, w którym nie będziemy już rozróżniać sposobu, w jaki ludzie mówią (mowa ludzka ) oraz sposób, w jaki maszyny go interpretują i odtwarzają (mowa maszynowa).
Założymy się, że FinTech poda nam tutaj kilka najjaśniejszych przykładów – branża usług finansowych zawsze wcześnie wdrażała nowe technologie.
Zastanawiasz się nad włączeniem NLP do swoich usług? Oto kilka pomysłów na to, jak dziś wykorzystać mainstreamowe oprogramowanie NLP ze sprawdzonym zwrotem z inwestycji, co będzie się rozwijać jutro – i jak wykorzystać narzędzia nowej generacji wcześniej niż konkurencja.
Wpływ NLP na FinTech: przegląd
Czego oczekują dziś klienci od swoich banków, firm ubezpieczeniowych i spółdzielczych kas oszczędnościowo-kredytowych? Transakcje w czasie rzeczywistym, nadzorowane zarządzanie majątkiem i możliwość załatwienia wszelkich spraw online.
Aby tak się stało, usługi finansowe muszą być wyposażone w najnowocześniejsze technologie, charakteryzujące się szybkością, inteligencją i autonomią.
AI, zamieniając maszyny w istoty podobne do ludzi, sprawia, że wykonują one te same zadania, co ludzie – ale lepiej i szybciej. Osiąga się to za pomocą zestawu narzędzi i rozwiązań technologicznych, wspieranych głównie przez główne subdomeny – uczenie maszynowe (ML) i przetwarzanie języka naturalnego (NLP).
Uczenie maszynowe uczy systemy uczenia się na podstawie „doświadczenia”, czyli napływających danych, i podejmowania decyzji w oparciu o dane. NLP uczy się w taki sam sposób, jak inne systemy, ale ma konkretny cel: musi umożliwić maszynom interpretowanie ludzkiej mowy zarówno w formie mówionej (mowa automatyczna), jak i pisanej (automatyczne pisanie tekstu).
Przetwarzanie języka naturalnego w Fintech (jak w każdej innej branży) ma 2 główne przypadki użycia:
- Rozumienie mowy ludzkiej i wydobywanie jej znaczenia. Rozpoznanie intencji i wymyślenie odpowiedniej reakcji (prośba o pomoc, złożenie reklamacji itp.).
- Przekształcanie nieustrukturyzowanych danych w bazach danych i dokumentach w dane strukturalne i wydobywanie praktycznych spostrzeżeń poprzez rozpoznawanie wzorców (eksploracja tekstu).
NLP w Fintech: przypadki użycia z dziś i jutro
Możemy wyróżnić kilka przypadków użycia, w których sztuczna inteligencja i NLP wpływają na świat FinTech:
- Zamiana chatbotów w wirtualnych asystentów i doradców
- Wzbogacanie ich o zaawansowaną analitykę Big Data
- Sprawienie, że komunikacja z nimi będzie nie do odróżnienia od komunikacji ludzkiej
- Wykorzystanie NLP do wykrywania oszustw
- Segmentacja klientów na grupy i ulepszanie odpowiednich ofert produktów
- Ograniczenie pracy administracyjnej i automatyzacja oddzielnych zadań i całych domen
Obszary, w których można go zastosować:
Obsługa klienta
„Bankowość konwersacyjna” to nowe zjawisko, które oznacza radykalne przejście od prostych chatbotów do pełnoprawnych asystentów cyfrowych. Firmy zajmujące się przetwarzaniem języka naturalnego zapewniają im funkcjonalność, pomagając tłumaczyć zapytania użytkowników na informacje, które można wykorzystać do uzyskania odpowiednich odpowiedzi.
Z czego dziś korzysta Twoja konkurencja: Dostępny 24 godziny na dobę chatbot, który ułatwia komunikację banku z klientem, zapewnia pomoc skryptową w przypadku drobnych problemów i szybko rozwiązuje proste reklamacje.
Jak wyróżnić się na ich tle: zainwestuj w wirtualnych asystentów z zaawansowanymi możliwościami, zdolnymi do przetwarzania kontekstu, analizowania nastrojów tekstowych i przeprowadzania analiz predykcyjnych.
- Doradzanie konsumentom w zakresie zarządzania rachunkami bankowymi
- Wysyłanie alertu w przypadku zbliżania się do limitu wydatków
- Flagowanie płatności w przypadku wykrycia nieprawidłowości.
Te cechy są charakterystyczne dla bota „Erica” – a jego sukces jest niesamowity: wirtualny asystent oparty na sztucznej inteligencji pomógł Bank of America przyciągnąć ponad 1 milion nowych użytkowników w niecałe 2 miesiące od wdrożenia bota w 2017 roku.
Inną pojawiającą się tendencją, na którą należy zwrócić uwagę, jest badanie odcisków głosu i biometria głosowa, wykorzystywane do uwierzytelniania użytkownika, pomagania w realizacji transakcji i zapobiegania nieuczciwym działaniom.
Co dalej: Ewoluujące algorytmy uczenia maszynowego, a w szczególności głębokie sieci neuronowe, wkrótce umożliwią stworzenie wirtualnych asystentów zdolnych do:
- Zachowanie spójności semantycznej komunikacji
- Budowanie modelu rozmowy neuronowej opartej na osobie
- Różnorodne reakcje w dialogu z klientem.
Insurtech
Zaawansowani agenci cyfrowi i obsługa klienta oparta na NLP to kolejna wielka rzecz również na globalnym rynku ubezpieczeniowym.
Z czego dziś korzysta Twoja konkurencja: Chatbot bazujący na predefiniowanych zasadach doboru profilu ryzyka, potrafiący:
- Automatyczny dobór produktów ubezpieczeniowych
- Automatyzacja underwritingu: użytkownik składa wniosek online o roszczenie ubezpieczeniowe, otrzymuje decyzję i towarzyszącą jej stopę procentową.
- Zgłaszanie roszczeń poprzez odpowiadanie na standardowe pytania uzupełniające.
Jak wyróżnić się na ich tle: Gdy już zdecydujesz się na integrację chatbota i zwrócisz się do firmy tworzącej oprogramowanie FinTech, pomyśl o dodaniu zaawansowanych funkcjonalności, takich jak:
- Prosta akceptacja reklamacji. To wziął chatbot AI, opracowany przez nowojorski start-up ubezpieczeniowy Lemonade, w 3 sekundy na załatwienie prostego roszczenia ubezpieczeniowego. Jak wspomina Daniel Schreiber, CEO startupu, takie chatboty pozwalają radykalnie obniżyć koszty, w przeciwnym razie „11-13% składek pochłania biurokracja obsługi roszczeń”.
- Algorytmy przeciwdziałające oszustwom. W takim przypadku chatbot przekazuje szczegóły roszczenia przez algorytm wykrywania oszustw przed opłaceniem odszkodowania. Może na przykład wykryć osobiste powiązania między osobami objętymi roszczeniem i w razie potrzeby oznaczyć je do dalszego sprawdzenia.
Co dalej: Podobnie jak w obsłudze klienta, chatbot w InsurTech zmienia się w wirtualnego asystenta, który może wykonywać:
- Spersonalizowany profil ryzyka i scoring
- Przetwarzanie złożonych roszczeń i obliczeń w czasie rzeczywistym
- Bezpieczne odzyskiwanie danych osobowych.
RegTech
RegTech to powstający segment FinTech, w którym wykorzystuje się nowe technologie w celu ułatwienia spełnienia wymogów regulacyjnych.
Branża usług finansowych jest jedną z najbardziej regulowanych, a zapewnienie zgodności z ewoluującymi i zmieniającymi się standardami wymaga od instytucji finansowych tysięcy godzin codziennej pracy. Jeśli czegoś brakuje – firma zapłaci niesamowite kary, nie mówiąc już o uszczerbku na reputacji.
Nic dziwnego, że zapotrzebowanie na nowe technologie w tym sektorze rośnie, a NLP znajduje się na szczycie listy: 11% instytucji działających w obszarach ryzyka finansowego, FCRM i GRC wykorzystuje przetwarzanie języka naturalnego jako podstawowy komponent w swoich aplikacjach.
Jest już kilka pozytywne przykłady w sklepie. Na przykład holenderski bank Rabobank i jego zespół ds. zgodności wdrożyli platformę do pozyskiwania i wyszukiwania, na której dane ustrukturyzowane i nieustrukturyzowane są automatycznie indeksowane i możliwe do przeszukiwania. Wynik? Skrócenie kontroli zgodności z 15 do 3 minut.
Z czego dziś korzystają Twoi konkurenci: rozwiązania NLP i AI, usprawnienie badania nowych dokumentów regulacyjnych, podkreślenie wymaganych obowiązków, weryfikacja decyzji front office w czasie rzeczywistym, zapewnienie zgodności z BSA/AML oraz rosnąca liczba standardów branżowych, takich jak MiFID II/MiFIR/EMIR.
Jak wyróżnić się na tle innych: Następna generacja instrumentów AI ze zintegrowanymi funkcjami NLP zapewnia:
- Przegląd kontraktu. To wziął Program JP Morgana o nazwie COIN (Kontrakt + Dochodzenie) wystarczył kilka sekund na przeprowadzenie pełnego przeglądu dokumentów, co wymagało 360,000 XNUMX godzin rutynowej pracy – brzmi całkiem atrakcyjnie, prawda?
- Dochodzenia regulacyjne. Wykrywanie potencjalnych naruszeń w zakresie przeciwdziałania praniu pieniędzy (AML) i zwalczanie naruszeń w zakresie finansowania terroryzmu (CFT) wymaga zaawansowanych narzędzi analizy danych opartych na sztucznej inteligencji (NLP/ML) w celu wykrywania sieci powiązanych transakcji i identyfikowania nietypowych zachowań.
Co dalej: RegTech rozwija się w niesamowitym tempie i nie ma oznak spowolnienia (specjaliści nazywają nawet 2020 Rokiem RegTech). Co to oznacza dla programistów?
- Praca nad analizą międzyinstytucjonalną i między jurysdykcyjną. Wkrótce będziemy świadkami przekształcenia RegTech z drobnego segmentu rynku usług finansowych w odrębną domenę. Będzie to wyglądać jak ramy informacyjne z kontekstualnymi obowiązkami, precyzyjnymi definicjami i jasnymi wymogami dotyczącymi danych. Siłą napędową tego procesu będą sztuczna inteligencja, a w szczególności NLP – dlatego niezwykle ważne jest, aby już teraz przygotować się na przyszłość RegTech, dzięki jej rozwiązaniom w zakresie należytej staranności, solidnej funkcjonalności zarządzania sprawami, zautomatyzowanym raportom regulacyjnym i możliwościom do dzielenia się informacjami wieloma kanałami.
Oczywiście nie jest to pełna lista przypadków użycia NLP stosowanych w branży FinTech. Handel, finansowanie społecznościowe, finansowanie P2P – to tylko kilka obszarów, w których przetwarzanie języka naturalnego może zyskać.
