AI hjælper kassører med at holde trit med ændrede kravkrav

Ved at forstå, hvorfor en kunde vælger bestemte ydelser, kan banker komme med bedre anbefalinger, fungere mere som rådgiver og mindre om ren eksekvering, forklarer hun.

AI kan hjælpe banker og deres kunder på et utal af måder, såsom at reducere driftsomkostninger, sikre overholdelse af lovgivning eller forbedre analyser, både for bedre at forstå eksisterende data og producere bedre prognoser.

Der er dog et spring i mørket påkrævet. Teknologien er ny og i nogle tilfælde ubevist. Investeringsafkastet er svært at måle og komplekst, idet det dels er minimering af omkostningsvækst, dels indirekte indtægt og dels lavere svindeltab, siger Grealish.

I betragtning af de høje CFO-omsætningsrater kan dette gøre det særligt svært at planlægge strategisk og foretage de rigtige langsigtede investeringer.

Hvor svært det end kan være at måle med præcision, synes argumentet for at investere i AI klart.

Dean Henry, leder af innovation i globale transaktionstjenester hos Bank of America Merrill Lynch (BAML), siger: "Vi ser efter tre ting inden for enhver form for teknologi, ikke kun AI. Vi ønsker, at det skal gøre kundeinteraktion lettere, øge effektiviteten og forbedre risikostyringen."

Uden at komme med et enkelt tal til at kvantificere det, kan AI klart levere disse fordele i en række funktioner. Kontantforudsigelse er for eksempel en traditionelt manuel proces, der involverer undersøgelse af papirudtog for forskellige kontooplysninger samt sammenlægning af ting såsom indkøbsordrer. AI kan gøre dette bedre end noget menneske, hvilket gør det betydeligt mere effektivt.

Henry siger: "AI har en utrolig evne til at syntetisere al denne information og komme med indsigtsfulde forudsigelser om fremtidige pengestrømme."

Men de fremskridt, bankerne har gjort med at udvikle og bruge teknologien, er ikke overraskende omvendt korreleret med de involverede tekniske kompleksiteter.

Synechrons Gupta siger: "I den mere simple ende af skalaen kan AI hjælpe i områder med lav værdi og høj volumen [såsom] dataindtastning, automatiseret beslutningstagning for afstemninger og identifikation af handelspauser. I den mellemstore til komplekse ende af spektret er reguleringsrapportering og forudsigelige analysefunktioner.

“Rapporteringsformaterne er standardiserede, men det er databeregninger og manipulationer, der ligger til grund for rapporterne, ikke. I sidste ende vil selvlærende maskiner kunne hjælpe med det.”

Celents Grealish siger, at banker har gjort mindre fremskridt med at udvikle kundevendte AI-applikationer.

Efter at have studeret en række bankers AI-investeringer fandt hun ud af, at "de fleste kundevendte applikationer bare er på vej til startskuddet, hvilket ikke er overraskende i betragtning af kompleksiteten involveret i skalering på den kommercielle side sammenlignet med detailsiden."

BAMLs Henry er enig og siger: "Vi er mere tilbøjelige til at tage risiko, når vi kan kontrollere påvirkningen, hvilket er lettere med interne processer end med klientvendte funktioner. Men vi vil også gerne lede og tilbyde vores kunder tjenester, der hjælper dem.

"Så vi er forsigtige med, hvad vi stiller foran vores kunder, vi tilbyder dem ikke noget, der har nogen operationel risiko forbundet med det - det kan kun handle om at forbedre effektiviteten."

Efterhånden som bankens tillid til sine AI-produkter stiger, vil BAML kunne tilbyde dem mere, tilføjer han.

Måske den mest oplagte brugssag for AI i transaktionstjenester, i den mere simple ende af Guptas spektrum, er automatisering af afstemninger. 

Banker håndterer rutinemæssigt en række kundefejl, når de initierer betalinger, og betalingsreparationer og -undersøgelser tegner sig typisk for 75 % til 80 % af den arbejdsintensive del af en betalingsbehandlingsoperation, siger Grealish.

BAML's globale debitorteam lancerede intelligente tilgodehavender i august 2017 med henblik på at muliggøre straight-through-afstemning (STR) for automatiserede clearinghus-betalinger (ACH), for hvilke remitteringsoplysningerne enten mangler eller modtages separat fra betalingen.

Mere brug af ACH og kort har øget behandlingsudfordringen, med et stigende antal kunder, der vender sig væk fra banker til fintechs, mens regulering også skubber kunder i retning af større debitoreffektivitet.

Maskinlæring hjalp imidlertid banken med at reducere behandlingsbyrden ved at udtrække de yderligere procentpoint, som traditionelle teknologier ikke kunne, og skubbede STR-rater fra 10 % til over 90 % med direkte postering til SAP og Oracles virksomhedsressourceplanlægningssystemer.

BAML planlægger at forbedre intelligente tilgodehavender med behandling af fremmed valuta og inkorporere det i sin virtuelle kontotjeneste, bemærker Grealish.

"Allerede indser dets kunder adskillige fordele, herunder forbedret kontantprognose og evnen til at administrere handelskredit mere effektivt," tilføjer hun.

Grealish mener, at kunstig intelligens vil blive vigtigere i betalingsbehandlingen i løbet af de næste fem år, efterhånden som andelen af ​​maskine-til-maskine-betalinger og realtidsbetalinger støt stiger. Og andre banker har allerede udviklet eller er ved at udvikle lignende applikationer.

Panama-baserede Global Bank samarbejdede med tech-leverandøren Pelican for at oprette PelicanPayments; et system, der anvender maskinlæring og naturlig sprogbehandling til at levere reparationslogik, tilpasset routinglogik og intelligent rapportering.

"Den lærer af de fejl, som operatørerne retter, identificerer mønstre for gentagen adfærd og udvikler derefter autoreparationsværktøjer," siger Grealish.

Global Bank ønskede, at dens AI skulle autoreparere betalingsinitieringsfiler for at skubbe raterne for straight-through-behandling (STP) over deres konkurrenters. Efter at have opnået dette, var det også glad for at observere, at AI havde øget marginer og forbedret deres kunders oplevelse.

I den mere sofistikerede ende af Guptas spektrum kan Synechrons RegTech Accelerator-program dog hjælpe med at håndtere afvigelser i kapitalberegninger ved at bruge maskinlæring (ML) og generering af naturligt sprog (NLG) til beregning og generering af kommentarer.

"Algorithmer forbedres også med tiden gennem oprettelse af kontinuerlige forbedringsløkker," siger Gupta.

Citibanks engagement med kunstig intelligens har også forsøgt at forbedre den indsigt, den kan levere til kunder.

Grealish siger: "Citi har produceret nogle værdifulde AI-applikationer, herunder registrering af afvigende betalinger, kontantoptimering og prognose, optimering af arbejdskapital og kontekstuel indsigt fra salgs- og betalingsdata. Det arbejder på at anvende naturlig sprogbehandling til kontraktforhandling i realtid og opbygge en kontekstuel anbefalingsmotor."

For eksempel kan en klient, der søger at ekspandere til et nyt land, finde ud af, at Citis indsigt hjalp med at informere dens beslutning, hvilket giver dens adgang til unikke analyser baseret på proprietære data, såsom tendenser i lønmængder, siger Grealish.

"Citi er godt positioneret til at være førende inden for dataanalyse, der er forretnings- og kundedrevet og differentierer sig baseret på overlegen kunde- og medarbejderoplevelse," tilføjer hun.

Når bankerne yder rådgivning forud for en potentiel flytning til et nyt marked, bryder bankerne naturligvis ikke nye veje, så meget som at forbedre den rådgivning, de altid har givet. Selv AI-komponenten er ikke revolutionerende, siger Henry. 

"Det er en almindelig misforståelse af AI, at det hele er helt nyt," siger han. “Tænk på AI som fire byggesten: robotprocesautomatisering; analytics; kognitiv; og samtale.

“Den første – robotprocesautomatisering – har eksisteret i årevis, og vi gør også meget med den anden. Intelligente Debitorer bruger de tre første. Vores detailbank leder vores eksperimenter på det fjerde område med Erica [bankens virtuelle stemmeassistent], men denne teknologi er begyndende."

Gupta tilføjer: "AI-kapaciteter viser progressive forbedringer. Ligesom mennesker bliver bedre til deres job med erfaring, så vil maskiner aktiveret af rigere datasæt og feedback-loops.

“Banker er begyndt med enklere interne applikationer af kunstig intelligens; Men de udvikler sig til mere komplekse og udadvendte funktioner med teknologiforbedringer og følelsesforbedringer."

Han tilføjer: "Dette er også kombineret med betydelige forbedringer i konvergens af teknologier som AI, ML, optisk tegngenkendelse, naturlig sprogbehandling og NLG i at forstyrre hele værdikæder."

Det er dog en fejl at forvente, at AI fuldstændig transformerer bankforretningen, siger Henry.

"Transaktionsbank er stærkt reguleret," siger han. "Det er under udvikling, men det kan kun gøre det inden for rammerne af reglerne for pengestrømme.

"Det, der virkelig er transformerende, er ikke så meget bankvirksomhed i sig selv, men vores kunder - slutforbrugerne - og hvordan de bruger teknologi, som AI kun er en del af. Folk er mere engagerede i den digitale verden nu, vores kunders virksomheder er også i stigende grad digitale. Så alt, hvad banker gør, er at forsøge at finde måder at implementere de regulerede kernetjenester, de altid har leveret, i det digitale miljø."

Det inkluderer en menneskelig komponent, som sandsynligvis ikke bliver drevet ud af bankvirksomhed på et tidspunkt, siger Gupta.

"Mens teknologien vil levere basisprocesserne i disse tilfælde, bør vi forvente et lag af menneskelig indgriben til at levere fejlsikre mekanismer i tilfælde af teknologiske fejl," siger han. "Alle banker skal aktivt udvikle ikke kun basisprocesser, men også stærke kontrolprocesser for sådanne hændelser."