X

Sztuczna inteligencja w bankowości – sprawdź, jak to działa

Zastanawiasz się, jak to możliwe, że w obecnych czasach możesz wziąć kredyt w banku nawet bez wychodzenia z domu albo w jaki sposób aplikacja bankowa natychmiast wykrywa podejrzane logowanie do Twojego konta z innego urządzenia? Za tymi oraz wieloma innymi rozwiązaniami stosowanymi w bankowości stoi sztuczna inteligencja.

AI, czyli sztuczna inteligencja, odgrywa aktualnie szczególnie ważną rolę i znajduje coraz większe zastosowanie w biznesie – w dużym stopniu dotyczy to właśnie sektora bankowego i finansowego. 

Sztuczna inteligencja w sektorze bankowym i finansowym

W sektorze bankowym stosowanie rozwiązań opartych na AI pozwoli nie tylko na zrewolucjonizowanie branży, ale w głównej mierze na podniesienie jakości świadczonych usług, a co za tym idzie – zwiększenie zadowolenia klientów. Można wyróżnić trzy główne obszary w funkcjonowaniu każdej firmy, w których sztuczna inteligencja z powodzeniem znajdzie zastosowanie: kontakt z klientami oraz lepsze dostosowanie oferty sprzedażowej i marketingowej, optymalizacja procesów wewnętrznych, a także wykorzystanie danych gromadzonych w firmach.

Nowoczesne technologie wykorzystywane są w sektorze finansowym m.in. do przygotowywania prognoz giełdowych, w procesie wyceny aktywów czy przy ocenie ryzyka kredytowego. Innym przykładem wsparcia bankowości przez AI jest planowanie zapotrzebowania na pieniądze w bankomatach na podstawie analizy zachowań klientów, a także rozplanowanie lokalizacji samych bankomatów.

Można pokusić się o stwierdzenie, że Bankowość w formie, z której korzystamy współcześnie, byłaby niemożliwa, gdyby nie technologie bazujące na sztucznej inteligencji. Jak to działa i gdzie jeszcze w banku spotykamy się ze sztuczną inteligencją?

Big data

To tzw. paliwo sztucznej inteligencji, czyli duże i różnorodne zbiory danych, których przetwarzanie i analiza mogą być niezwykle cenne dla banku. Komputery potrafią znacznie szybciej niż ludzie przyswajać  i przetwarzać duże zbiory danych i znajdować w nich prawidłowości. Dane są swoistą karmą dla algorytmów, które dzięki procesom uczenia nabywają coraz większej sprawności  i z których systemy AI potrafią w szybki i zautomatyzowany sposób wydobyć istotne informacje.

Światowymi liderami w gromadzeniu i zarządzaniu ogromnymi zbiorami danych są firmy z tzw. GAFAM  (Google, Amazon, Facebook, Apple, Microsoft). W globalnym sektorze finansowym jedną z kluczowych instytucji wykorzystujących zasoby Big Data jest na przykład Europejski Bank Centralny, który wykorzystuje je do opracowywania swoich prognoz.

Uczenie maszynowe i sieci neuronowe

Analiza tych dużych zbiorów danych możliwa jest dzięki uczeniu maszynowemu, czyli Machine Learning (ML). Pod tym pojęciem kryje się umiejętność uczenia się nadana komputerom bez wyraźnego ich zaprogramowania. Algorytmy i modele ML pozwalają przewidywać wzory podejmowania decyzji przez klientów oraz poszerzają możliwości automatyzacji kluczowych procesów. Wykorzystanie w bankowości sztucznych sieci neuronowych, próbujących odwzorować strukturę połączeń w ludzkim mózgu, pozwala na budowę jeszcze bardziej złożonych modeli poznawczych które mogą znaleźć zastosowanie w dużo bardziej wymagających obszarach jak m.in. automatyczne generowanie decyzji kredytowych, wykrywanie oszustw czy rozpatrywanie reklamacji..

Robotyzacja i automatyzacja a bankowość

Połączenie systemów sztucznej inteligencji z robotyzacją (RPA – Robotic Process Automation) powtarzalnych czynności daje możliwość tzw. automatyzacji poznawczej (innymi często spotykanymi nazwami są Smart RPA lub hiperautomatyzacja). Roboty dzięki uczeniu maszynowemu, przetwarzaniu języka naturalnego oraz technologii semantycznej są w stanie „zobaczyć” i „zrozumieć” na poziomie zbliżonym do możliwości człowieka. To pozwala np. analizować, klasyfikować i weryfikować poprawność dostarczanej dokumentacji, komunikatów czy korespondencji . Z tego typu automatyzacją wiąże się wiele korzyści, m.in usprawnienie obiegu dokumentów/informacji, wyeliminowanie szeregu potencjalnych ludzkich pomyłek, a w rezultacie generowanie sporych oszczędności. Dzięki tym procesom bank może skupić większą uwagę na budowaniu relacji z klientami. W Credit Agricole mamy już ponad 100 robotów, które wspierają nas w codziennej pracy w banku we wszystkich rutynowych i automatycznych czynnościach!

Chatboty

To inaczej asystenci cyfrowi, którzy komunikują się za pomocą wiadomości tekstowych lub głosowo bez udziału człowieka. Jednym z pierwszych chatbotów w bankowości na świecie był Ally Assist, który w 2015 roku został wprowadzony przez Ally Bank w Stanach Zjednoczonych. Możliwości komunikacyjne chatbotów są niemalże nieograniczone – potrafią one obsługiwać zapytania zarówno potencjalnych klientów, jak i tych korzystających już z usług banku, pełniąc funkcje wirtualnych asystentów czy doradców. 

Jak działa sztuczna inteligencja w banku.

Coraz częściej jednak stosowane są także w innych obszarach działalności banku, np. w procesach rekrutacyjnych, do komunikacji z partnerami, do obsługi programów lojalnościowych, a także do zbierania reklamacji. Przegląd historii transakcji czy rozmowy o statusie kredytu to również operacje, które chatboty mogą z powodzeniem wykonywać. Ich niewątpliwą zaletą jest możliwość pracy bez przerwy i szybkość reakcji.

Robodoradztwo

Duży potencjał robotów pozwolił na rozwinięcie się w bankowości nowej dziedziny – robodoradztwa, które przez Komisję Nadzoru Finansowego definiowane jest jako forma zautomatyzowanego doradztwa finansowego. Robodoradcy, analizując dane historyczne, mogą dokonać prognoz dla portfeli inwestycyjnych i opracować odpowiedni plan uwzględniający ryzyko inwestycyjne oraz specyfikę klienta, a następnie po zatwierdzeniu planu lokować według niego środki finansowe. Dobrze sprawdzają się również jako doradcy kredytowi.

Bezpieczeństwo cybernetyczne w bankowości

Banki i ich klienci są szczególnie narażeni na wszelkie próby oszustwa, kradzieży i wyłudzenia pieniędzy lub danych. Cyberprzestępcy nie stoją jednak w miejscu i sięgają w swoich działaniach po coraz to bardziej zaawansowane techniki. Z tego względu dotychczas stosowane rozwiązania do walki z oszustwami nawet krótko po wdrożeniu mogą być już przestarzałe i wymagać dalszej aktualizacji. Tutaj z pomocą przychodzi sztuczna inteligencja. 

Stosując odpowiedni algorytm, można oszacować daną transakcję pod kątem ryzyka wyłudzeń – weryfikacja transakcji przeprowadzana jest w ciągu kilku milisekund, a system informuje o wszelkich odchyleniach od normalnego wzorca. Banki korzystają z nowoczesnych rozwiązań w celu wykrywania oszustw w obszarze płatności, wyłudzeń kredytowych oraz aktywności przestępczej typu phishing (tj. podszywanie się pod inną osobę lub instytucję celem wyłudzenia poufnych danych).

Przykładami takich rozwiązań w zakresie bezpieczeństwa są programy AML (Anti Money Laundering) służące przeciwdziałaniu praniu pieniędzy czy stworzona przez BIK Platforma Antyfraudowa (PAF).

Biometria

Dane biometryczne umożliwiają jednoznaczne uwierzytelnienie lub identyfikację danej osoby, np. za pomocą wizerunku twarzy lub danych daktyloskopijnych. Rozwój technologii biometrycznej jest odpowiedzią m.in. na coraz częstsze cyberataki, a co za tym idzie – konieczność silniejszej autoryzacji oraz uwierzytelniania użytkowników bankowości mobilnej i internetowej. Systemy rozpoznawania i analizy twarzy umożliwiają także założenie konta online lub wzięcie kredytu bez wychodzenia z domu – wystarczy do tego selfie oraz zdjęcie dowodu osobistego. 

Oprócz tego w systemach bezpieczeństwa możemy spotkać się z biometrią behawioralną – tworzony jest wtedy profil zachowania klienta na podstawie sposobu pisania na klawiaturze, korzystania z aplikacji mobilnej czy logowania się z konkretnych miejsc i urządzeń. Każda anomalia w zachowaniu klienta (np. logowanie z innej niż zazwyczaj przeglądarki) natychmiast wychwytywana jest przez model biometryczny, a system ostrzega bank przed nieuprawnionym przelewem z konta lub inną próbą oszustwa.

Sztuczna inteligencja jest kluczem do skutecznej i bezpiecznej bankowości. Wykorzystanie nowoczesnych technologii przekłada się w rezultacie na większą satysfakcję klientów, znaczące usprawnienie procesów wewnętrznych w banku oraz lepszą ochronę poufnych danych i zapobieganie cyberprzestępczości. 

Źródła:

  • Raport Związku Banku Polskich i Centrum Prawa Bankowego i Informacji „Sztuczna inteligencja w bankowości” (https://bank.pl/wp-content/uploads/2020/06/Raport-SZTUCZNA-INTELIGENCJA.pdf)
  • https://www.bik.pl/technologie-sektorowe/biometria-behawioralna
  • https://rozwiazania-antyfraudowe.bik.pl/platforma-antyfraudowa