De term 'financiële diensten' roept beelden op van mensen in donkere pakken in hoge gebouwen, terwijl het in werkelijkheid de basis vormt voor een soepel verloop van je dagelijkse leven. Uw dagelijkse klantervaring eigenlijk. Het is snel op weg naar een toekomst van volledige integratie tot het punt dat het bijna onzichtbaar is.

Overweeg hoe de dingen zijn veranderd in de afgelopen 20 jaar. Chip-and-pin werd pas in 2004 geïntroduceerd en contactloos betalen is pas onlangs echt op grote schaal toegepast, waardoor een tijdperk van niet alleen frictieloze betalingen maar ook reizen mogelijk is. Mobiel bankieren heeft een sprong voorwaarts gemaakt, nu met behulp van biometrische authenticatie op uw telefoon en op zoek naar afschaffing van de kaartlezers uit het verleden. Zelfs je spelervaring is veranderd, waardoor je naadloos aangepaste skins op Fortnite kunt kopen met een paar klikken. Stelt u zich eens voor wat de komende 20 jaar in petto heeft!

Om deze 'onzichtbare' visie uit te laten komen, moeten financiële diensten werken aan één grote uitdaging: wrijving verwijderen, of het nu gaat om verkoop, klachten of welke transactie de klant maar wil. En de manier waarop dit wordt bereikt (tenminste gedeeltelijk) is door toegepaste AI. Dit is geen gemakkelijke taak. Het vergt een enorme hoeveelheid gegevensaggregatie, modellering, anticipatie en risicobeheer, om nog maar te zwijgen van een volledig verbonden netwerk van klant- en interne contactpunten dat echt moet worden gerealiseerd via toegepaste AI. Maar de voordelen zouden in de ordes van grootte kunnen zijn. Bankieren is in wezen het beheren van risico's, en uitgaven voor kunstmatige intelligentie klinken als een risicovolle onderneming. Toch presenteert AI in feite een zeer eenvoudig zakelijk argument, vooral voor de 'laagwerkers' of 'encumbants': investeer nu, sla later op.

Om een ​​schilderij te helpen schilderen, zijn hier vijf voorbeelden van waar en hoe kunstmatige intelligentie en geavanceerde analyses toekomstige processen naadloos kunnen maken:

1. Selectie van hypotheken, betalings- en afwikkelingsprocessen

Dit gebied vereist een fundamentele verschuiving in hoe we denken dat 'de klantervaring' wordt geleverd. De ervaring moet opgebouwd zijn rond 'een nieuw huis hebben' (een spannende en vrolijke ervaring) versus het hypotheekaanvraagproces (een langdurig en pijnlijk proces dat bijna moet verdwijnen). KI zou bijvoorbeeld banken in staat kunnen stellen risico's vooraf te meten en kredietscores te berekenen, zodat het aanvraagproces al voor 99% voltooid is voordat de klant wordt gevraagd iets in te voeren. Stel je voor dat je je aanmeldt bij je geldschieter of makelaarskantoor en al je voorlopige offertes hebt opgesteld zonder input van jou!

2. Rijkdommaximalisatie en bestedingspatronen

Iedereen wil dat sparen en groeien zo eenvoudig mogelijk zijn. Het is eenvoudiger om een ​​vermogensmaximaliseringsplan van klanten in te stellen, te monitoren en te bereiken, en dat is nog een geweldige vorm van toegepaste AI. Natuurlijk kan een KI de combinatie van inkomsten, sparen en belastingen optimaliseren om u de maximale rijkdom te bieden over een geannualiseerde periode. De naadloze klantervaring zou zijn dat het eenvoudig zou zijn om in lijn te komen met uw doelstelling voor het jaar, te controleren wat u nodig heeft en de banken in staat zouden zijn om het hele jaar door advies te geven, bijvoorbeeld. “We denken dat uw bestedingspatronen kunnen worden verbeterd, hier is hoe ... ” Deze functie kan zelfs een punt van concurrentie tussen banken worden, waarbij elk zijn best presterende producten aanbeveelt om klanten te helpen hun vermogensmaximalisatiedoelen te bereiken.

3. Hypotheekbescherming

Banken kunnen onder druk komen te staan ​​van toezichthouders om klanten te helpen die hun hypotheek niet kunnen betalen. Doet-it echter zonder preventieve maatregelen te nemen, resulteert in een slechte tijd voor alle partijen. Banken moeten dus weten of en wanneer dit kan gebeuren. Door de AI (d.w.z. machine learning) te trainen met behulp van de eerdere gedragspatronen van het gehele historische klantenleningboek - met inbegrip van degenen die in gebreke zijn gebleven - kunnen banken vergelijkbaar gedrag ruim van tevoren van het evenement herkennen. De gegevens zijn hier meer 'operationeel' dan 'transactioneel', b.v. bekijkt hoe regulier betalingen zijn, van tevoren of te laat, hoeveel enzovoort, in plaats van op basis van de huidige accountuitgaven. Dit biedt banken de mogelijkheid om op een verantwoorde manier met de klant in gesprek te treden en oplossingen te vinden voordat het probleem zich voordoet. Als een toegevoegde bonus kunnen ze ook aan de toezichthouder aantonen dat ze dit zo goed mogelijk doen.

4. Klachten en behandeling door klanten

Het gebruik van voorspellende analyses om vast te stellen wanneer een klant gaat klagen, is van onschatbare waarde. Het vergroot de intelligentie van de bank. Niet alleen benadrukt het interne problemen, het stelt hen in staat om op te lossen of op zijn minst voor hen te verschijnen voordat de klacht wordt gelogd, bijvoorbeeld door geld terug te betalen voorafgaand aan het ontvangen van een klacht in rekening-courantkrediet en de klant hiervan per tekst op de hoogte te stellen. Dit helpt niet alleen om een ​​gezonde klantrelatie op te bouwen, het bespaart ook op lange termijn geld voor de bank door het afsluiten van rekeningen vanwege slechte service te beperken. Bovendien kan analytics ook worden gebruikt om de emotionele toestand van bellers te volgen, deze te groeperen in persoonlijkheid en emotionele toestanden en vervolgens begeleiding te bieden aan de call-handler over hoe je het gesprek het best kunt sturen.

5. Fraude detectie

Als u denkt aan fraudedetectie, wordt AI nu al grotendeels gebruikt om fraudepatronen realtime te controleren. Dit was een langdurig proces - vele dagen, weken of zelfs maanden doorlopen via een aanvraagprocedure. Door machinaal leren te gebruiken, kunt u patronen zeer snel detecteren. De beslissingen van de machine zijn gebaseerd op historische patronen om te detecteren wanneer er een mogelijke fraude is. En hoewel het nooit een detectiepercentage van 100% zal bereiken, biedt het een veel snellere respons op de waarschijnlijke uitschieters die moeten worden onderzocht.

Wat meer is, als de machine dat eenmaal gedaan heeft, kun je ook ondervragen hoe de machine tot die beslissing is gekomen (althans tot op zekere hoogte). Terwijl banken met deze toepassing van AI op grote sprongen komen te staan, zijn er nog steeds vreselijk 'onhandige' praktijken zoals videofeeds, fotokopieën en dergelijke betrokken bij het proces. Wanneer banken in staat zijn om een ​​puur digitale beslissing te nemen en daar zuiver programmatisch op aan te komen, dan zul je elk individueel aspect van de besluitvorming kunnen ondervragen en tot steeds nauwkeurigere detecties komen. Dit alles betekent dat ons geld in steeds veiligere handen is.

Het is belangrijk dat financiële services verder kunnen kijken dan de hype en toegepaste AI herkennen voor de zakelijke kansen die deze biedt. Alleen al deze vijf voorbeelden rechtvaardigen genoeg reden om op zijn minst twee keer na te denken, en met de rijkdom aan fintechs op het toneel, beginnen kunstmatige intelligentie en onze 'onzichtbare' toekomst er veel realistischer uit te zien..

Richard Hamerton-Stove, Principal bij Capgemini Invent

  • We hebben ook de beste AI-platforms voor bedrijven gemarkeerd