AI v bankovníctve a financiách. Stripe, Monzo a Grab | AI v podnikaní #78

AI v bankovníctve – úvod

Umelá inteligencia sa už široko využíva v mnohých oblastiach bankového a finančného sektora. Nie sú to len chatboty pre zákaznícky servis alebo dobre zabezpečené aplikácie. Umelá inteligencia sa v finančnom priemysle využíva na ešte vážnejšie účely. Tu sú hlavné aplikácie AI v bankovníctve:

• Detekcia a prevencia podvodov – pokročilé algoritmy analyzujú transakcie v reálnom čase a detekujú podozrivé vzory aktivít. To účinne chráni zákazníkov pred podvodmi,
• Optimalizácia predpovedania finančnej likvidity – modely predpovedania založené na AI analyzujú obrovské množstvo dát, aby presne predpovedali budúce peňažné toky a presnejšie riadili likviditu.
• Zefektívnenie procesov súvisiacich s hodnotením úverovej schopnosti – aj tu prichádzajú na pomoc algoritmy strojového učenia, ktoré na základe analýzy tisícov úverových žiadostí dokážu presne posúdiť finančnú dôveryhodnosť zákazníka,
• Personalizácia ponúk a odporúčaní pre klientov – banky využívajú pokročilé odporúčacie modely na prispôsobenie finančných produktov individuálnym potrebám zákazníkov,
• Automatizácia procesov back-office – rutinné úlohy, ako je overovanie dokumentov alebo vyrovnávanie transakcií, môžu byť plne automatizované s pomocou AI.

Ako sa však spoločnosti pôsobiace na globálnych trhoch vyrovnali s implementáciou týchto inovácií?

Stripe: dôveryhodnosť transakcií prostredníctvom AI vo financiách

Jedným z lídrov v aplikácii AI vo financiách je Stripe. Vyvinul systém nazvaný Stripe Radar, ktorý analyzuje viac ako 1 000 charakteristík transakcie za menej ako 100 milisekúnd, aby posúdil jej spoľahlivosť. Systém má presnosť 99,9 % pri zachovaní nízkej miery falošných poplachov.

Ako sa to dosiahlo? Po prvé, Stripe používa pokročilé techniky strojového učenia, ako sú hlboké neurónové siete. Systém sa neustále zlepšuje a vyvíja s novými schopnosťami, ako je transferové učenie.

Po druhé, spoločnosť neustále hľadá nové signály v transakčných dátach, ktoré môžu pomôcť identifikovať anomálie naznačujúce potenciálny podvod. Inžinieri Stripe starostlivo preskúmavajú každý prípad podvodu, aby pochopili vzory činnosti zločincov a obohatili systém o ďalšie pravidlá.

Stripe Radar je vynikajúcim príkladom toho, ako môže AI v bankovníctve účinne chrániť zákazníkov pred finančnými podvodmi.

Zdroj: Stripe (https://stripe.com/blog/how-we-built-it-stripe-radar)

Monzo: AI vo financiách

Monzo, neobank založená vo Veľkej Británii, ktorá pôsobí výhradne v digitálnom priestore, aplikovala schopnosti strojového učenia v úplne inej oblasti: optimalizácii marketingových kampaní.

Banky vytvorili modely, ktoré na základe historických dát dokážu odhadnúť ochotu daného zákazníka využiť dodatočnú ponuku, ako je otvorenie sporiaceho účtu, ak dostanú konkrétnu správu od banky.

Následne, aby maximalizovali efektivitu kampane, systém naznačuje, ktorým zákazníkom by mala byť zaslaná ktorá propagačná správa. To umožňuje presne cielenie správy a dosiahnutie výrazne lepších výsledkov ako v prípade masovej, nepersonalizovanej komunikácie.

V niektorých prípadoch implementácia takejto optimalizácie umožnila Monzo zvýšiť efektivitu kampaní až o 200%! To ukazuje, ako môže AI v bankovníctve pomôcť efektívnejšie osloviť zákazníkov s prispôsobenými ponukami, ktoré s nimi rezonujú.

Zdroj: Monzo (https://medium.com/data-monzo/optimising-marketing-messages-for-monzo-users-3fe805f24572)

Grab: AI v klasifikácii citlivých dát

Grab je technologický gigant z juhovýchodnej Ázie, ktorý ponúka služby ako doprava a doručovanie. Spoločnosť sa rozhodla využiť schopnosti jazykových modelov (LLM) na automatizáciu procesu klasifikácie citlivých dát, ktoré uchováva. To je kľúčové, pretože spoločnosť drží osobné a finančné údaje svojich zákazníkov.

Na tento účel bol pripravený súbor štítkov popisujúcich rôzne kategórie dát, ako sú:

• Osobné údaje,
• Kontaktné informácie,
• Identifikačné čísla.

Následne boli navrhnuté vhodné dotazy pre jazykový model, aby automaticky priradil tieto štítky na základe názvov tabuliek a stĺpcov v databázach.

V dôsledku toho môže Grab klasifikovať uložené informácie podľa citlivosti oveľa rýchlejšie a lacnejšie. To uľahčuje presadzovanie politík prístupu k dátam a ochrany súkromia. Podľa odhadov spoločnosti toto riešenie ušetrilo až 360 pracovných dní ročne, ktoré boli predtým strávené manuálnou klasifikáciou dát.

Zdroj: DALL·E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Zhrnutie. Budúcnosť AI v bankovníctve a financiách

Príklady Stripe, Monzo a Grab ukazujú, že umelá inteligencia už prináša skutočnú obchodnú hodnotu bankám a finančným inštitúciám. Môže pomôcť efektívnejšie predchádzať podvodom, presnejšie cieliť zákazníkov alebo automatizovať únavné úlohy.

V nasledujúcich rokoch sa úloha AI v bankovníctve bude naďalej stabilne zvyšovať. Môžeme očakávať plnú automatizáciu mnohých procesov back-office, hyper-personalizáciu finančných produktov a bližšiu integráciu modelov strojového učenia s bankovými systémami.

Ak sa vám náš obsah páči, pridajte sa k našej komunite usilovných včiel na Facebooku, Twitteri, LinkedIn, Instagrame, YouTube, Pintereste, TikToku.