Praktyczny przewodnik AI Google dla banków i fintechów

Karen Zhang wyjaśnia, jak Google wspiera organizacje w sektorze usług finansowych, od małych fintechów po duże instytucje finansowe. Wspólnym wątkiem całej rozmowy jest praktyczne wykorzystanie AI: poprawa doświadczeń klientów na froncie i redukcja powtarzalnych obciążeń pracą na zapleczu, dzięki czemu zespoły mogą skupić się na pracy wymagającej rzeczywistej oceny.

Zhang podkreśla partnerstwo ze Starling Bank w celu stworzenia usługi "Spend intelligence". Mówiąc prościej, pozwala ona klientom Starling zadawać pytania w języku naturalnym w aplikacji (pisane lub głosowe) i otrzymywać jasne odpowiedzi dotyczące ich wydatków. Zamiast przeszukiwać wyciągi i filtry, użytkownicy mogą zadawać pytania takie jak: "Ile wydałem na TFL i transport w ciągu ostatniego tygodnia?" lub "Czy to się zmieniło tydzień do tygodnia w ciągu ostatniego miesiąca?"  Chodzi o to, aby analiza wydatków była bardziej jak rozmowa i łatwiejsza w dostępie dla codziennych użytkowników.

Dla zespołów fintechowych przykład Zhang sygnalizuje również zmianę w myśleniu o produktach. Interfejsy w języku naturalnym obniżają barierę dostępu do informacji, ponieważ klienci nie muszą wiedzieć, gdzie kliknąć ani jak interpretować wykresy, aby znaleźć to, czego potrzebują. Dobrze wykonane, wspiera to budżetowanie, wykrywanie wzorców i zauważanie stopniowych zmian w zachowaniu, bez zamieniania użytkownika w analityka danych.

Zhang następnie przechodzi do automatyzacji wewnętrznej, używając drugiego przykładu z Liberis, z którym Google nawiązało współpracę w celu zbudowania agenta underwritingowego AI o nazwie Ada, nazwanego na cześć Ady Lovelace. Underwriting często wiąże się z dużymi ilościami informacji i powtarzalnymi krokami, co może generować duże obciążenie administracyjne. Według Google, Ada pracuje razem z underwriterami, pomagając im w procesie i redukując koszty ogólne o 50%. Zhang przedstawia korzyści jako zarówno wydajność, jak i skupienie: AI przejmuje bardziej powtarzalne zadania, podczas gdy underwriterzy spędzają więcej czasu na decyzjach opartych na wiedzy i wyższej stawce.

Google kończy przesłaniem o skalowaniu, które brzmi: chociaż te przykłady znajdują się w średniej kategorii przestrzeni fintech, to samo podejście może być stosowane do znacznie mniejszych firm. Ideą jest to, że przy odpowiednim wsparciu AI zespoły nie potrzebują ogromnej liczby pracowników, "100 underwriterów", jak to ujmuje Zhang, aby zapewnić solidną obsługę. Dla banków i fintechów próbujących zrównoważyć koszty i doświadczenia klientów, punkt widzenia Google jest prosty: używaj AI do usuwania przeszkód dla klientów i ograniczania powtarzalnej pracy wewnętrznie, zachowując jednocześnie ludzką ocenę tam, gdzie ma to znaczenie.