SEGUIGU
Plibonigu komercajn agojn, minimumigu bankan fraŭdon kaj plifortigu riskajn administrajn politikojn. Estas multaj ĉefaj ŝancoj prezentitaj de bankado kun artefarita inteligenteco kaj grandaj datumoj, kun la teknologiaj progresoj, kiujn hispanaj financaj institucioj efektivigas algoritmojn de malpli ol jardeko kun la intenco plibonigi siajn servojn. "Artifarita inteligenteco estas pli grava por bankado ol por aliaj sektoroj ĉar informo estas ĝia krudaĵo. Kaj, ĝuste, ĝi estas sektoro kiu havas pli da informoj pri klientoj ol aliaj”, diras Alberto Calles, partnero respondeca pri la financa reguliga areo ĉe PwC.
La uzo de datumoj kaj artefarita inteligenteco servis al BBVA por provizi siajn klientojn per serio da iloj, kiuj ebligas al ili plibonigi sian financan sanon. "Danke al artefarita inteligenteco kaj maŝinlernado sistemoj, la banko kapablas detekti situaciojn kiuj okazas ekster la kutima normo en la financo de ĉi tiuj klientoj.
En ĉi tiuj situacioj, ni informas klientojn per rimedoj, por doni al ili la ŝancon prepariĝi por neantaŭviditaj eventoj kaj solvi eblajn erarojn,” diris Francisco Maturana, CEO de AI Factory, la altnivela analizcentro de BBVA. Ĉi tiu ento komencis veti por la disvolviĝo de produktoj bazitaj sur artefarita inteligenteco en 2014.
64% de bankoj havas AI-solvojn
Artefarita inteligenteco ankaŭ ebligas efektivigi lernstrategiojn aŭtomate analizante pasintajn kazojn por lerni de sperto kaj trovi ŝablonojn kiuj helpas antaŭdiri estontan konduton. Ĉe Openbank, la reta banko de la Grupo Santander, maŝina lernado ebligas starigi prognozajn modelojn por antaŭvidi klientan konduton kaj tiel agi anticipe. "Danke al niaj tendencaj algoritmoj en nia produktomapo, ni povas desegni taŭgan komunikadplanon por niaj klientoj, minimumigante aŭ pliigante reklamajn kampanjojn por produktoj, kiujn ili scias, ke ili interesas ilin," diras Daniel Villatoro, la ĉefa datuma sciencisto de Openbank.
"La areoj kun la plej granda ebla efiko de la uzo de artefarita inteligenteco estas, unuflanke, la servoj ofertitaj rekte al klientoj. Krome, ĝi ankaŭ povas signife plibonigi efikecon en fraŭda detekto, optimumigi internajn procezojn kaj operaciojn, kaj ankaŭ certigi reguligan korektecon,” diras Maturana de BBVA. "Ĉi tiuj algoritmoj zorgas pri rekomendi al la kliento sian plusan produkton por kontrakti aŭ distingi ĉu iu movado en sia konto estas nenormala, inter aliaj, kaj ĉio ĉi ĉiam anonime kaj garantiante la privatecon de niaj klientoj", komentis Villatoro.
La pritraktata defio
La granda defio por bankoj kiam lanĉas iniciatojn pri artefarita inteligenteco estas konvinki al la reguligisto, ke la uzo de ĉi tiu teknologio konformas al nunaj regularoj, klarigis Calle, partnero de PwC. Projektoj de artefarita inteligenteco ebligas akiri grandegan kvanton da informoj de klientoj, do la reveno kuŝas, ekzemple, en klarigi al la reguligisto, ke ĉi tiuj procezoj estas interretaj kun la datumkolektaj postuloj por taksi la donadon de prunto.
“Unuflanke, en Eŭropo, danke al la ĝenerala regulo pri protekto de datumoj, ni prenis sobran protektisman sintenon al la privateco de individuoj. Aliflanke, en landoj kun forta investo en esplorado pri ĉi tiu tipo de tekniko (kiel Usono aŭ Ĉinio), la administrado de klientdatenoj estas multe pli liberala kaj tial kompanioj profitas ĉi tiun avantaĝon por krei novajn personigitajn servojn. ”, diras Villatoro, el Openbank.
Ĉi tiu dikotomio generas riskon en la disvolviĝo de artefarita inteligenteco kiu estas konata kiel "du rapidoj", tio estas, estas tiuj, kiuj havas pli protektismajn regularojn kaj kiuj havas pli malstreĉajn. "Necesas kunlabori kun la kompreno kaj memgvidita kompreno de modeloj de artefarita inteligenteco, kaj eviti troe zorgan vizion, kiu limigas ilian uzon", diris la Hispana Banka Asocio en deklaroj al ABC.
Plibonigi kapablojn
Alia defio kuŝas en plibonigo de la operacia kapablo de financaj institucioj por povi integri la plej novajn progresojn en artefarita inteligenteco krom servoj. "La evoluo de la natura lingvoprocezo kun progresoj en lingvokompreno kaj generaciaj modeloj, kiel ekzemple GPT-3, havas mondon da eblecoj helpi en klasifiko kaj responda lerteco al klientoj. Tial ni havas antaŭ ni la defion taŭge integri ĉi tiujn novajn kapablojn”, diras Maturana, de BBVA AI Factory.
Laŭ datumoj de la Eŭropa Banka Aŭtoritato, en 64 2019% de financaj institucioj havas projektojn bazitajn sur datumoj kaj altnivelaj analizaj iloj. Ĉi tiu procento montras la rapidan antaŭeniĝon, kiun projektoj bazitaj sur ĉi tiu teknologio havas inter la bankoj de la kontinento. "La disvolviĝo kaj apliko de modeloj bazitaj sur administrado de datumoj kaj artefarita inteligenteco estas jam, nuntempe, fundamentaj elementoj por plibonigi financajn servojn", diras la Hispana Banka Asocio pri la pezo, kiun tiu teknologio havas por la estonteco de la bankado.
Calle, de PwC, konsideris, ke kompare kun eŭropaj entoj, hispana bankado elstaras kiel unu el la plej progresintaj en la uzo de artefarita inteligenteco. "Estas ankoraŭ longa vojo, sed la hispana bankado estas sufiĉe progresinta en ĉi tiu areo", diras Calle, kiu ankaŭ elstaras la rolon de hispanaj bankoj kiel unu el la entoj kun la plej granda ciferecigo de siaj bankaj servoj.
Kiel roboto taksas kreditecon
La plej ofta uzo kiun artefarita inteligenteco havis en bankado estas en klientkredittaksadprocezoj, konataj kiel "kreditpoentado" en la angla. Financaj entoj havas informojn pri siaj klientoj, kiujn aliaj sektoroj ne havas, ĉar ili estas en siaj kontoj, kie ili ricevas sian etaton kaj direktas siajn pagojn. La uzo de artefarita inteligenteco permesas al bankoj fari rapidan analizon por determini la kreditecon de klientoj. Ĉi tio tradukiĝas al la disvolviĝo de novigaj pruntsistemoj, kiuj funkcias pli efike por entoj kaj por klientoj.
