AI auttaa rahastonhoitajaa pitämään vauhtia roolin muuttuvista vaatimuksista

Ymmärtämällä, miksi asiakas valitsee tietyt palvelut, pankit voivat antaa parempia suosituksia, toimia enemmän neuvonantajana ja vähemmän puhtaasta toteutuksesta, hän selittää.

Tekoäly voi auttaa pankkeja ja niiden asiakkaita lukemattomilla tavoilla, kuten alentamalla toimintakustannuksia, varmistamalla sääntelyn noudattamisen tai parantamalla analytiikkaa, sekä ymmärtää paremmin nykyisiä tietoja että tuottaa parempia ennusteita.

Tarvitaan kuitenkin harppaus pimeässä. Teknologia on uutta ja joissakin olosuhteissa todistamatonta. Sijoitetun pääoman tuottoprosenttia on vaikea mitata ja se on monimutkainen. Se on osa kustannusten kasvun minimointia, osittain välillisiä tuloja ja osittain pienempiä petostappioita, Grealish sanoo.

CFO: n korkean liikevaihdon vuoksi tämä voi tehdä strategisen suunnittelun ja oikeiden pitkäaikaisten investointien tekemisen erityisen vaikeaksi.

Huolimatta siitä, kuinka vaikeaa onkaan mitata tarkasti, tekoälyyn sijoittaminen näyttää selkeältä.

Dean Henry, Bank of America Merrill Lynchin (BAML) globaalien transaktiopalveluiden innovaatiojohtaja, sanoo: "Etsimme kolmea asiaa kaikentyyppisessä tekniikassa, ei vain tekoälyssä. Haluamme, että se helpottaa asiakkaiden vuorovaikutusta, lisää tehokkuutta ja parantaa riskienhallintaa. "

AI ei kykene keksimään yhtä numeroa sen kvantifioimiseksi, tekoäly voi selvästi tuottaa nämä edut useissa toiminnoissa. Esimerkiksi käteisennuste on perinteisesti manuaalinen prosessi, johon sisältyy paperitilastojen tarkasteleminen eri tilitietoja varten sekä kootut asiat kuten ostotilaukset. Tekoäly voi tehdä tämän paremmin kuin kukaan ihminen, mikä tekee siitä huomattavasti tehokkaamman.

Henry sanoo: "Tekoälyllä on uskomaton kyky syntetisoida kaikki nämä tiedot ja tehdä oivaltavia ennusteita tulevasta kassavirrasta."

Pankkien edistysaskeleet tekniikan kehittämisessä ja käytössä ovat kuitenkin yllättävän kääntäen korreloivia teknisten monimutkaisuuksien kanssa.

Synechronin Gupta sanoo: "Asteikon yksinkertaisemmassa päässä tekoäly voi auttaa pieniarvoisilla ja suurilla alueilla [kuten] tietojen syöttämisessä, automatisoidussa sovittelussa tehtävässä päätöksenteossa ja kaupankäynnin katkosten tunnistamisessa. Taajuuden keskipitkässä tai monimutkaisessa päässä ovat sääntelyraportointi ja ennakoivan analyysin ominaisuudet.

”Raportointimuodot ovat standardoituja, mutta tietojen laskelmat ja manipulointit eivät ole. Viime kädessä itseoppivat koneet voivat auttaa siinä. "

Celentin Grealishin mukaan pankit ovat edistyneet vähemmän asiakaskohtaisten tekoälysovellusten kehittämisessä.

Tutkittuaan useiden pankkien tekoälyinvestointeja hän huomasi, että "useimmat asiakaskohtaiset sovellukset ovat vain siirtymässä laukaisualustalle, mikä ei ole yllättävää, kun otetaan huomioon skaalautumisen monimutkaisuus kaupallisella puolella verrattuna vähittäiskaupan puoleen".

BAML: n Henry on samaa mieltä sanoen: "Olemme taipuvaisempia ottamaan riskejä, kun voimme hallita vaikutuksia, mikä on helpompaa sisäisissä prosesseissa kuin asiakkaan edessä olevissa toiminnoissa. Mutta haluamme myös johtaa ja tarjota asiakkaillemme palveluita, jotka auttavat heitä.

"Joten olemme varovaisia ​​siitä, mitä asetamme asiakkaillemme, emme tarjoa heille mitään, johon liittyy operatiivisia riskejä - kyse voi olla vain tehokkuuden parantamisesta."

Kun pankin luottamus tekoälytuotteisiin kasvaa, BAML pystyy tarjoamaan heille enemmän, hän lisää.

Ehkä ilmeisin tekoälyn käyttötapaus transaktiopalveluissa Gupta-spektrin yksinkertaisemmassa päässä on täsmäytysten automatisointi. 

Pankit käsittelevät rutiininomaisesti erilaisia ​​asiakasvirheitä maksuja aloittaessaan, ja maksujen korjaukset ja tutkimukset ovat tyypillisesti 75-80% maksunkäsittelyoperaation työvoimavaltaisesta osasta, Grealish sanoo.

BAML: n maailmanlaajuinen saamisryhmä käynnisti älykkäät saamiset elokuussa 2017, jotta mahdollistettaisiin suorat täsmäytykset (STR) automaattisille selvityskeskuksen (ACH) maksuille, joiden rahalähetystiedot joko puuttuvat tai vastaanotetaan maksusta erikseen.

ACH: n ja korttien lisääntynyt käyttö on lisännyt käsittelyhaastetta, kun yhä useampi asiakas kääntyy pankeista fintechiksi, kun taas sääntely ajaa asiakkaita myös parempaan myyntisaamisten tehokkuuteen.

Koneoppiminen auttoi kuitenkin pankkia vähentämään käsittelytaakkaa poistamalla ylimääräiset prosenttiyksiköt, joita perinteiset tekniikat eivät pystyneet, työntämällä STR-prosentit 10 prosentista yli 90 prosenttiin lähettämällä ne suoraan SAP- ja Oracle-yritysresurssien suunnittelujärjestelmiin.

BAML aikoo parantaa älykkäitä saamisia valuutan käsittelyllä ja sisällyttää ne virtuaalisiin tilipalveluihinsa, toteaa Grealish.

"Asiakkaat ovat jo ymmärtäneet lukuisia etuja, kuten parannetun kassan ennustamisen ja kyvyn hallita kauppaluottoja tehokkaammin", hän lisää.

Grealish uskoo, että tekoälystä tulee entistä tärkeämpää maksujen käsittelyssä seuraavien viiden vuoden aikana, kun koneiden välisten maksujen ja reaaliaikaisten maksujen osuus kasvaa tasaisesti. Ja muut pankit ovat jo kehittäneet tai kehittävät vastaavia sovelluksia.

Panamassa toimiva Global Bank on yhteistyössä teknisen toimittajan Pelicanin kanssa luonut PelicanPayments; järjestelmä, joka soveltaa koneoppimista ja luonnollisen kielen käsittelyä korjauslogiikan, räätälöidyn reitityslogiikan ja älykkään raportoinnin tuottamiseksi.

"Se oppii virheistä, joita operaattorit korjaavat, tunnistamalla toistuvan käyttäytymisen mallit ja kehittämällä sitten automaattisia korjaustyökaluja", Grealish sanoo.

Global Bank halusi tekoälyn korjaavan maksujen aloitustiedostot nostamaan suorien käsittelyjen (STP) hinnat kilpailijoidensa yläpuolelle. Tämän saavutettuaan oli myös iloista havaita, että tekoäly oli lisännyt marginaaleja ja parantanut asiakkaiden kokemuksia.

Guptan taajuuksien kehittyneemmässä päässä Synechronin RegTech Accelerator -ohjelma voi kuitenkin auttaa käsittelemään pääoman laskennan variansseja käyttämällä koneoppimista (ML) ja luonnollisen kielen tuottamista (NLG) laskennassa ja kommenttien luomisessa.

"Algoritmit paranevat myös ajan myötä luomalla jatkuvia parannussilmukoita", Gupta sanoo.

Citibankin sitoutuminen tekoälyyn on myös yrittänyt parantaa oivalluksia, joita se voi tarjota asiakkailleen.

Grealish sanoo: "Citi on tuottanut joitain arvokkaita tekoälysovelluksia, mukaan lukien maksujen ulostulon havaitseminen, käteisvarojen optimointi ja ennustaminen, käyttöpääoman optimointi sekä asiayhteyteen liittyvät näkemykset myynti- ja maksutiedoista. Se työskentelee luonnollisen kielen käsittelyn soveltamiseksi reaaliaikaisiin sopimusneuvotteluihin ja rakentaa asiayhteyteen perustuvien suositusten moottorin. "

Esimerkiksi asiakas, joka haluaa laajentua uuteen maahan, saattaa huomata, että Citin oivallukset auttoivat ilmoittamaan päätöksestään ja antoivat pääsyn ainutlaatuiseen analyysiin, joka perustuu omaan tietoon, kuten palkkamäärien kehitykseen, sanoo Grealish.

"Citillä on hyvät mahdollisuudet olla johtajana data-analytiikassa, joka on liike- ja asiakaslähtöistä ja erottaa itsensä ylivoimaisen asiakas- ja työntekijäkokemuksen perusteella", hän lisää.

Tietysti antaessaan neuvoja ennen potentiaalista siirtymistä uusille markkinoille pankit eivät ole murtamassa uutta alaa yhtä paljon kuin parantaneet aina antamiaan neuvoja. Jopa tekoälyn komponentti ei ole vallankumouksellinen, Henry sanoo. 

"Tekoälyn väärinkäsitys on, että kaikki on täysin uutta", hän sanoo. "Ajattele tekoälyä neljänä rakennuspalikkana: robotti prosessiautomaatio; analytiikka; kognitiivinen; ja keskusteleva.

"Ensimmäinen - robottiprosessiautomaatio - on ollut olemassa jo vuosia, ja teemme paljon myös toisen kanssa. Älykkäät saamiset käyttävät kolmea ensimmäistä. Vähittäispankkimme johtaa kokeilumme neljännellä alueella Erican [pankin virtuaalinen ääniavustaja] kanssa, mutta tämä tekniikka on syntymässä. "

Gupta lisää: "Tekoälyn ominaisuudet ovat asteittain parantumassa. Samanlainen kuin ihmisten paraneminen työpaikoillaan kokemuksella, niin myös rikkaampien tietojoukkojen ja palautesilmukoiden mahdollistamat koneet.

”Pankit ovat aloittaneet tekoälyn yksinkertaisemmilla sisäisillä sovelluksilla; he kuitenkin etenevät monimutkaisempiin ja ulospäin suuntautuviin toimintoihin tekniikan parannusten ja tunteiden parantamisen avulla. "

Hän lisää: "Tähän liittyy myös merkittäviä parannuksia tekniikoiden, kuten tekoälyn, ML: n, optisen merkintunnistuksen, luonnollisen kielen prosessoinnin ja NLG: n, lähentymisessä kokonaisen arvoketjun häiritsemisessä."

On kuitenkin virhe odottaa tekoälyn muuttavan pankkitoimintaa kokonaan, Henry sanoo.

"Transaktiopankkitoiminta on erittäin säänneltyä", hän sanoo. "Se kehittyy, mutta se voi tehdä sen vain rahavirtaa säätelevien sääntöjen rajoissa.

"Muutosta ei todellakaan ole niinkään pankkitoiminnassa, vaan asiakkaissamme - loppukäyttäjissä - ja miten he käyttävät tekniikkaa, johon tekoäly on vain yksi osa. Ihmiset ovat nyt enemmän sitoutuneita digitaalimaailmaan, myös asiakkaidemme liiketoiminta on yhä digitaalista. Joten kaikki pankit yrittävät löytää tapoja ottaa käyttöön säännellyt ydinpalvelut, jotka ne ovat aina toimittaneet, digitaalisessa ympäristössä. "

Tähän sisältyy inhimillinen komponentti, jota ei todennäköisesti poisteta pankkitoiminnasta pian, sanoo Gupta.

"Vaikka tekniikka tarjoaa perusprosessit näissä tapauksissa, meidän pitäisi odottaa, että ihmisen toiminta antaa vikaturvallisuusmekanismeja teknisten vikojen sattuessa", hän sanoo. "Kaikkien pankkien on kehitettävä aktiivisesti paitsi perusprosesseja myös vahvoja valvontaprosesseja tällaisia ​​tapahtumia varten."