مزایای هوش مصنوعی در ارتقاء صنعت بانکی

به گزارش ایبِنا، سفر تحول دیجیتالی برای خیلی از بانک‌ها و موسسات مالی و اعتباری مشتمل بر نوسازی سامانه کربانکینگ، با استفاده و یکپارچه سازی فن آوری های موبایل در خود و دیجیتالی شدن بسیاری از فرایندهای خدمات پشتیبان  است. به منظور بهینه سازی این پیشرفت ها، بانک ها و موسسات مالی باید راه حل های هوشمندانه از جمله اتوماسیون پردازش ها با استفاده از بات های برنامه ای (RPA)، تجزیه و تحلیل پیشرفته و استقرار هوش مصنوعی در سازمان خود را پیاده سازی نمایند.

یکی از مهمترین مولفه های تحول دیجیتال، توانمندی ناشی از ماشینی کردن تجزیه و تحلیل پیشرفته در ارائه راه حل های هوشمندانه تر از آن است که انسان به تنهایی بتواند ارائه دهد.

این تحول بر مبنای بهره مندی از منابع داده ای داخلی و خارجی سازمان استوار می باشد، و در این مسیر به منظورتمرکز بر تجربه کاربری، بجای محوریت دادن به محصولات و راه حل ها از اطلاعات و داده های مربوط به مشتری استفاده می شود. میزان موفقیت در این تلاش ها مشخص کننده برندگان و بازندگان بازی در آینده خواهد بود.

در تحقیقات شرکت Deloitte در حوزه خدمات مالی، بیش از ۲۰۰ مدیر خدمات مالی و بانکی که از قبل شروع به استفاده از فن آوری هوش مصنوعی در خدمات خود کرده بودند، مورد پرسش واقع شدند. در این بررسی ها سه مشخصه کلیدی برای سازمان هایی که از منظر مالی بهترین بازده را از هوش مصنوعی و تعدد موارد استقرار و بکارگیری این فن آوری داشته اند، شناسایی شده است.

۱- ادغام هوش مصنوعی در برنامه های استراتژیک : به منظور استقرار و بکارگیری گسترده سازمانی از قابلیت های هوش مصنوعی در سازمان های پیشرو، تجزیه و تحلیل پیشرفته به عنوان بخشی از طرح کلان برنامه استراتژیک سازمان، در نظر گرفته می شود.

۲- استفاده از هوش مصنوعی برای عملکرد و ابتکارات تجربه مشتری : علاوه بر کاربرد تجزیه و تحلیل پیشرفته برای صرفه جویی هزینه، سازمان های پیشرو در بکارگیری هوش مصنوعی به دنبال چگونگی استفاده از تجزیه و تحلیل پیشرفته برای بهبود عملکرد و ابتکارات بر اساس تجربه مشتری می باشند.

۳- نگاه به بیرون از سازمان : سازمان های پیشرو به جای تلاش برای ساختن تمام برنامه های هوش مصنوعی در داخل خود، مشارکت و همکاری های بیرونی را امکان پذیر می کنند تا دسترسی به استعدادها و راه حل های بیشتری را فراهم نمایند. این امر در زمانی که کمبود استعداد در دسترس وجود داشته باشد، باعث بهبود سرعت برای حضور در بازار می شود.

به منظور تقویت و حمایت از استقرار راه حل های هوش مصنوعی در سطح گسترده سازمانی، بسیاری از بانک ها و موسسات مالی پیشرو اقدام به ایجاد مراکز تعالی هوش مصنوعی در ساختار خود کرده اند، که وظیفه نظارت بر تمام ابتکارات و نو آوری ها (از جمله هوش مصنوعی) را عهده دار می باشند. این ساختار امکان متمرکز نمودن آزمایش ها و تجربیاتی که می توانند در مناطق مختلف سازمان استقرار یابند را فراهم می سازد.

در بررسی های انجام شده توسط دیلویت معلوم شد که تاکید عمده سرمایه گذاری ها در زمینه هوش مصنوعی، در راستای تحول دیجیتال و بر روی فن آوری های مورد نیاز و استعدادها استوار بوده است.

شخصی سازی در مقیاس فرد، "قدرت بازی" هوش مصنوعی

هدف گیری مشتری در ارائه پیشنهادات برای بانک ها و موسسات مالی، موضوع جدیدی نیست، و اکثر بانک ها به منظور بهبود در جذب و افزایش وفاداری مشتری، و فروش متقاطع محصولات، چندین دهه است که از داده های موجود خود استفاده می کنند. آنچه که تغییر کرده ابزاری است که برای موفقیت آمیز کردن این ارتباطات بصورت آنی و در مقیاس شخصی، در اختیار بانک ها و موسسات مالی و اعتباری قرار می گیرد.

خرده فروشان دیجیتال و شرکت های بزرگ با تکنولوژی های پیشرفته، استاندارد جدیدی را برای شخصی سازی تنظیم کرده اند.

تحقیقات نشان داده است که مصرف کنندگان به صورت افزایشی، ارتباطات مالی مورد نیازشان را در جاهایی که از طریق شرکت های فن آوری محور مانند آمازون، گوگل، فیس بوک، و...، فراهم باشد، از این طریق برقرار می کنند، یا حرکت به این سمت را بطور جدی مد نظر دارند. و این نشان دهنده گرایش روزافزون مصرف کنندگان به مبادله داده، جهت کسب تجربه کاربری بهترمی باشد.

امروزه به دلیل استفاده از فن آوری تلفن همراه، تعامل اکثر مشتریان با بانک های خود بیشتر از گذشته شده است، این تعامل در برخی موارد می تواند فقط برای بررسی مانده حساب باشد. تکرار این ارتباطات و مشارکت مشتری در تعامل با بانک، برای بانک ها و موسسات مالی این فرصت را بوجود آورده که بتوانند در لحظه مناسب  و بر حسب موضوع قدرت نفوذ خود بر مشتری را افزایش دهند. امکانی که در گذشته امکان پذیر نبوده است.

توان واقعی شخصی سازی محصولات و خدمات، از تبدیل و تحول همه راه های تعامل مشتری و از طریق استفاده سازمان از داده ها و تجزیه و تحلیل بر روی آنها برای پیش بینی نیازهای فردی، ایجاد بخش های هدفمند و روابط عمیق تر با مشتریان در زمان بکارگیری محصول یا خدمت مورد نظر، قابل دستیابی خواهد بود. این موارد به ارائه خدمات، اطلاعات، و مشاوره، اغلب بصورت روزانه یا حتی چندین بار در روز معطوف می گردد.

شخصی سازی مبتنی بر هوش مصنوعی عبارت است از توسعه و گسترش یک درک عمیق از نیازهای منحصر به فرد هر یک از مشتریان و ایجاد مجموعه ای از تجربیات کاربری مرتبط به موضوع در تمامی کانال های ارتباطی، اعم از دیجیتال و انسانی. این کار نیاز به تجزیه و بررسی تمامی کانال ها و سیلوهای محصولات، و شکستن انحصار داده ها در جهت مشتری محوری واقعی (مشتری در مرکز توجه باشد) دارد. هم چنین نیاز به یک تغییر عمده فرهنگ و تمرکز رهبری وجود دارد که فقط در سازمان های برتر در این زمینه مورد پذیرش و استقبال قرار می گیرد.

برای ایجاد بینش و درک عمیق در زمینه کارایی عملیاتی، گرایش ها/تمایلات مشتری، بهبود تجربه کاربری و فرصت های رقابتی، می توان از ترکیب داده ها، تجزیه و تحلیل پیشرفته و کانال های دیجیتال استفاده نمود. در این مسیر می توان از تجزیه و تحلیل پیشرفته و فن آوری های جدید برای ارائه راه حل های قابل شخصی سازی در سطح مشتریان استفاده کرد، که این کار می تواند به مشتریان در تصمیم گیری های بهتر مالی کمک نماید.

در نهایت اینکه، بانک ها و موسسات مالی و اعتباری با استفاده از بینش و درکی که بدست می آورند و بررسی روند رفتارهای مالی و غیرمالی مشتریان، و با واسط قرار دادن رابط های برنامه نویسی (API) و پیش بینی های مبتنی بر تجزیه و تحلیل های پیشرفته، قادر به ارائه مشاوره و توصیه های مالی و سبک زندگی در کمترین زمان ممکن به مشتریان خود خواهند شد.
 مسعود خرقانی/ کارشناس حوزه بانکداری الکترونیک