Il ruolo del tesoro aziendale si è notevolmente evoluto negli ultimi anni, osserva Pankaj Gupta, amministratore delegato di Synechron.
Una volta, i tesorieri si occupavano principalmente di asset liability management e liquidità, ma oggi sono preoccupati per l'impatto delle normative, come Basilea III, e le loro implicazioni per l'adeguatezza patrimoniale e la gestione del rischio.
Le banche e le società tecnologiche hanno lavorato su una serie di sistemi per aiutare gli economisti ei CFO a rimanere al passo con questi cambiamenti. Poche tecnologie hanno fatto altrettanto, o hanno il potenziale per fornire efficienze future, come l'intelligenza artificiale.
L'intelligenza artificiale può aiutare le banche a far evolvere la loro comprensione dei loro clienti, da quello che vogliono al perché lo vogliono, dice Alenka Grealish, analista senior per il corporate banking di Celent.
"Questo ha profonde implicazioni per la natura del coinvolgimento del cliente, spostandolo dall'essere tattico all'essere strategico", afferma.
Comprendendo il motivo per cui un cliente sceglie determinati servizi, le banche possono formulare raccomandazioni migliori, agendo più come consulente e meno sulla pura esecuzione, spiega.
AI può aiutare le banche e i loro clienti in una miriade di modi, ad esempio riducendo i costi operativi, garantendo la conformità alle normative o migliorando l'analisi, sia per comprendere meglio i dati esistenti sia per produrre previsioni migliori.
Salta nel buio
Tuttavia, c'è un salto nel buio richiesto. La tecnologia è nuova e in alcune circostanze non dimostrata. Il ritorno sull'investimento è difficile da misurare e complesso, come la minimizzazione della crescita dei costi, la parte delle entrate indirette e una parte delle perdite di frode, afferma Grealish.
Dati gli alti tassi di turnover del CFO, ciò può rendere particolarmente difficile pianificare strategicamente e fare i giusti investimenti a lungo termine.
Per quanto difficile possa essere misurare con precisione, il caso di investire in IA sembra chiaro.
Dean Henry, responsabile dell'innovazione nei servizi di transazione globale presso la Bank of America Merrill Lynch (BAML), afferma: "Cerchiamo tre cose in qualsiasi tipo di tecnologia, non solo nell'IA. Vogliamo che faciliti l'interazione con i clienti, aumenti l'efficienza e migliori la gestione del rischio ".
Senza un solo numero per quantificarlo, l'AI può chiaramente offrire questi benefici in una serie di funzioni. La previsione di cassa, ad esempio, è un processo tradizionalmente manuale, che prevede l'esame di estratti conto cartacei per i diversi dettagli del conto e l'aggregazione di elementi quali gli ordini di acquisto. L'intelligenza artificiale può farlo meglio di qualsiasi altro umano, rendendolo notevolmente più efficiente.
Henry dice: "L'intelligenza artificiale ha un'incredibile capacità di sintetizzare tutte queste informazioni e di fare profezie previsioni sul flusso di cassa futuro".
Tuttavia, le banche di progresso hanno fatto nello sviluppo e nell'uso della tecnologia non è sorprendentemente correlata inversamente con le complessità tecniche coinvolte.
La Gupta di Synechron dice: "Alla fine più semplice della scala, l'intelligenza artificiale può aiutare nelle aree di basso valore e volume elevato [come] l'immissione di dati, il processo decisionale automatico per le riconciliazioni e l'identificazione delle interruzioni commerciali. A livello medio-complesso dello spettro ci sono rapporti normativi e capacità di analisi predittiva.
"I formati di reporting sono standardizzati, ma i calcoli e le manipolazioni dei dati sottostanti ai report non lo sono. In definitiva, le macchine di autoapprendimento saranno in grado di aiutare in questo. "
Cauto roll-out
Grealish di Celent afferma che le banche hanno fatto meno progressi nello sviluppo di applicazioni AI orientate ai clienti.
Dopo aver studiato un certo numero di investimenti nelle IA da parte delle banche, ha scoperto che "la maggior parte delle applicazioni rivolte ai clienti si sta dirigendo verso la piattaforma di lancio, il che non sorprende date le complessità coinvolte nel ridimensionamento dal punto di vista commerciale rispetto al dettaglio".
Henry di BAML è d'accordo, dicendo: "Siamo più inclini a rischiare quando possiamo controllare l'impatto, che è più facile con i processi interni che con le funzioni rivolte al cliente. Ma vogliamo anche guidare e offrire ai nostri clienti servizi che li aiutino.
"Quindi siamo cauti riguardo a ciò che mettiamo di fronte ai nostri clienti, non offriamo loro alcunché a cui sia collegato alcun rischio operativo - può solo migliorare l'efficienza".
Con l'aumento della fiducia della banca nei suoi prodotti AI, BAML sarà in grado di offrirli di più, aggiunge.
| Pankaj Gupta, Synechron |
Forse il caso d'uso più ovvio per l'IA nei servizi di transazione, alla fine più semplice dello spettro di Gupta, è l'automazione delle riconciliazioni.
Le banche si occupano abitualmente di una serie di errori dei clienti quando avviano i pagamenti, e le riparazioni e le indagini di pagamento in genere rappresentano il 75% a 80% della parte ad alta intensità di lavoro di un'operazione di elaborazione dei pagamenti, afferma Grealish.
Il team di crediti globali di BAML ha lanciato Intelligent Receivables in agosto 2017, al fine di consentire la riconciliazione diretta (STR) per i pagamenti di clearing house (ACH) automatici per i quali le informazioni sulle rimesse sono mancanti o ricevute separatamente dal pagamento.
Un maggior utilizzo di ACH e schede ha aumentato la sfida di elaborazione, con un numero crescente di clienti che si allontanano dalle banche ai fintech, mentre la regolamentazione sta spingendo i clienti verso una maggiore efficienza dei conti.
Tuttavia, l'apprendimento automatico ha aiutato la banca a ridurre il carico di elaborazione guadagnando punti percentuali aggiuntivi che le tecnologie tradizionali non potevano, spingendo i tassi di STR dal 10% a oltre il 90%, con la pubblicazione diretta sui sistemi di pianificazione delle risorse aziendali SAP e Oracle.
BAML progetta di potenziare i crediti intelligenti con l'elaborazione di valute estere e di incorporarli nel suo servizio di account virtuali, osserva Grealish.
"I suoi clienti stanno già realizzando numerosi vantaggi, tra cui una migliore previsione di cassa e la capacità di gestire il credito commerciale in modo più efficiente", aggiunge.
Futuro dei pagamenti
Grealish crede che l'IA diventerà più importante nell'elaborazione dei pagamenti durante i prossimi cinque anni, poiché la quota dei pagamenti machine-to-machine e dei pagamenti in tempo reale aumenta costantemente. E altre banche hanno già sviluppato o stanno sviluppando applicazioni simili.
La Banca Globale con sede a Panama ha collaborato con il fornitore tecnologico Pelican per creare PelicanPayments; un sistema che applica l'apprendimento automatico e l'elaborazione in linguaggio naturale per fornire logica di riparazione, logica di routing personalizzata e reporting intelligente.
"Impara dagli errori gli operatori corretti, identificando i modelli di comportamento ripetitivo e quindi sviluppando gli strumenti di riparazione automatica", afferma Grealish.
La Global Bank voleva che la IA fosse in grado di riparare automaticamente i file di avvio dei pagamenti per spingere i tassi di elaborazione diretta (STP) al di sopra di quelli dei loro concorrenti. Avendo raggiunto questo obiettivo, è stato anche felice di osservare che l'IA aveva aumentato i margini e migliorato l'esperienza dei propri clienti.
Alla fine più sofisticata dello spettro di Gupta, tuttavia, il programma RegTech Accelerator di Synechron può aiutare ad affrontare le variazioni nei calcoli del capitale, utilizzando l'apprendimento automatico (ML) e la generazione in linguaggio naturale (NLG) per la generazione di calcoli e commenti.
"Gli algoritmi migliorano anche nel tempo attraverso la creazione di cicli di miglioramento continuo", afferma Gupta.
L'impegno di Citibank con l'intelligenza artificiale ha anche tentato di migliorare le informazioni che può fornire ai clienti.
Grealish afferma: "Citi ha prodotto alcune preziose applicazioni di IA, tra cui rilevazione di outlier di pagamento, ottimizzazione e previsione di cassa, ottimizzazione del capitale circolante e approfondimenti contestuali da dati di vendita e pagamenti. Sta lavorando all'applicazione dell'elaborazione in linguaggio naturale alla negoziazione in tempo reale dei contratti e alla costruzione di un motore di raccomandazioni contestuali. "
Ad esempio, un cliente che cerca di espandersi in un nuovo paese potrebbe scoprire che le intuizioni di Citi hanno contribuito a informare la sua decisione, dando il suo accesso a un'analisi unica basata su dati proprietari, come le tendenze nei volumi degli stipendi, dice Grealish.
"Citi è ben posizionata per essere un'azienda leader nell'analisi dei dati, basata sul business e sul cliente, e si differenzia da sola sulla base dell'esperienza di clienti e dipendenti", aggiunge.
| Dean Henry, BAML |
Naturalmente, nel fornire consulenza prima di un potenziale passaggio in un nuovo mercato, le banche non stanno aprendo nuovi orizzonti, oltre a migliorare i consigli che hanno sempre dato. Anche la componente AI non è rivoluzionaria, dice Henry.
"È un comune fraintendimento dell'IA che è tutto completamente nuovo", dice. "Pensa all'IA come a quattro elementi fondamentali: automazione dei processi robotici; analisi; cognitivo; e conversazionale.
"La prima automazione di processo robotica è in circolazione da anni e stiamo facendo molto anche con la seconda. Intelligent Receivables utilizza i primi tre. La nostra banca retail sta conducendo la nostra sperimentazione nella quarta area con Erica [l'assistente vocale virtuale della banca], ma questa tecnologia è nascente. "
Gupta aggiunge: "Le funzionalità AI stanno mostrando un miglioramento progressivo. Analogamente agli umani che migliorano il loro lavoro con l'esperienza, anche le macchine sono abilitate da set di dati più ricchi e loop di feedback.
"Le banche hanno iniziato con le più semplici applicazioni interne di intelligenza artificiale; tuttavia, stanno progredendo verso funzioni più complesse e rivolte verso l'esterno, con miglioramenti tecnologici e miglioramento del sentimento ".
Aggiunge: "Questo è anche accompagnato da significativi miglioramenti nella convergenza di tecnologie come AI, ML, riconoscimento ottico dei caratteri, elaborazione in linguaggio naturale e NLG nell'interruzione di intere catene di valore".
Errore
Tuttavia, è un errore aspettarsi che l'IA trasformi completamente il business bancario, dice Henry.
"Le operazioni bancarie sono altamente regolamentate", afferma. "Si sta evolvendo, ma può farlo solo entro i confini delle regole che governano i flussi di denaro.
"La vera trasformazione non è tanto il settore bancario in sé, quanto i nostri clienti - i consumatori finali - e il modo in cui utilizzano la tecnologia, di cui l'intelligenza artificiale è solo una parte. Le persone sono più coinvolte nel mondo digitale ora, le attività dei nostri clienti sono sempre più digitali. Così tutte le banche stanno facendo sta cercando di trovare i modi per implementare i servizi regolamentati e core che hanno sempre fornito, all'interno di quell'ambiente digitale ".
Ciò include una componente umana, che non sarà probabilmente cacciata dal settore bancario in tempi brevi, afferma Gupta.
"Mentre la tecnologia fornirà i processi di base in questi casi, dovremmo aspettarci uno strato di intervento umano per fornire meccanismi sicuri in caso di guasti tecnologici", dice. "Tutte le banche devono sviluppare attivamente non solo i processi di base, ma anche forti processi di controllo per tali eventi".


Signal2forex.com - I migliori robot e segnali Forex


