Sztuczna inteligencja w bankach: na razie jej nie lubimy, ale oni twierdzą, że… to się zmieni. Cztery kroki do tego, byśmy pokochali bankową AI

Czy sztuczna inteligencja może być tak samo „ludzka” jak pracownik banku?  Z jednej strony banki zwijają tradycyjne placówki, z drugiej – chwalą się wielkimi inwestycjami w sztuczną inteligencję. I spodziewają się miliardów  zaoszczędzonych dzięki AI. Kto choć raz próbował wyjaśnić pomyłkę na wyciągu lub dowolny inny problem z pomocą bota, ma prawo zapytać: czy to w ogóle ma sens? Nie lubimy AI w bankach, ale oni mówią, że to się zmieni. Oto cztery kroki do tego, byśmy pokochali bankową AI

Sztuczna inteligencja już tu jest. Niektórzy widzą ją już przed sobą w banku. Kilkanaście dni temu wielki szwajcarski bank UBS poinformował, że testuje sztuczną inteligencję od OpenAI i Synthesia do tworzenia… realistycznych awatarów swoich ekspertów, którzy potem „występują” w ramach zdalnej obsługi klientów przez wideo. Awatary mają być odpowiedzią na rosnący popyt klientów na informację i analizy dotyczące inwestycji. Dzięki awatarom każda analiza może być „osobiście” zaprezentowana przez eksperta.

Ciekawe? Po przeczytaniu wróć tutaj, kliknij i odkryj sprawdzone patenty Samcika na ochronę przed inflacją

Inicjatywa, której wdrażanie UBS rozpoczął w styczniu – a którą opisał niedawno „Financial Times” – wpisuje się w trend eksperymentów z generatywnymi narzędziami sztucznej inteligencji. Celem jest oczywiście obniżanie kosztów i zwiększanie wydajności. Im więcej klientów (płacących prowizje i opłaty) obsłużą awatary, zamiast wysoko opłacanych bankierów, tym wyższe będą zyski banków.

Awatary analityków tworzone przez UBS to obrazy ludzi generowane przez AI. Aby stworzyć awatary AI, pracownicy UBS udają się do specjalnego studia nagraniowego, gdzie specjalny program Synthesia przechwytuje ich sylwetkę, twarz i głos. Analitycy UBS generują skrypt z jakimiś informacjami, który chcą przekazać klientom. Następnie skrypt jest przekształcany w realistyczny film z udziałem ich awatara. Wszystkie treści, które wykorzystują awatary AI pracowników banku wymagają zatwierdzenia przed dystrybucją do klientów.

UBS zapewnia, że nie wprowadza w błąd klientów i nie przedstawia awatarów jako prawdziwych analityków. Nie jest to jedyne tego typu przedsięwzięcie. W zeszłym miesiącu Rogo, start-up AI, który opracował chatbota, który replikuje bankiera inwestycyjnego, pozyskał 50 mln dolarów na dalszy rozwój swoich botów. Czyżby więc automatyczna obsługa klienta przez boty i awatary to nieuchronna przyszłość bankowości?

Warto zastanowić się, jak obecnie wygląda sztuczna inteligencja w bankach i… co trzeba zmienić, by klient zaczął być z niej choć trochę zadowolony? Analiza Accenture, która ujrzała światło dzienne podczas niedawnego Europejskiego Kongresu Finansowego w Sopocie, pokazuje, że banki – po latach cyfrowej modernizacji – znalazły się w ważnym momencie i trochę też w ślepym zaułku.

Czytaj też o tokenizacji fizycznych aktywów:

Jak obecnie działa sztuczna inteligencja w bankach?

Przeciętny Kowalski sztuczną inteligencję najczęściej „spotyka” w bankowych działach bezpieczeństwa: algorytmy śledzą nasze operacje, rozpoznają wzorce wydatków i filtrują podejrzane transakcje. W aplikacjach mobilnych banków i na infoliniach też coraz częściej możemy spotkać podpowiedzi wynikające z podpowiedzi AI. Sztuczna inteligencja podpowiada, kiedy warto przenieść pieniądze z rachunku bieżącego na konto oszczędnościowe lub depozyt terminowy. Albo jaki limit karty kredytowej można zaproponować klientowi, by nie obciążały zbytnio domowego budżetu.

Przeważnie nie wiemy, że dana porada finansowa pochodzi od AI. To doradca w oddziale lub chatbot w telefonie otrzymuje gotowe menu rozwiązań – zamiast zadawać piętnaście pytań, w niektórych przypadkach może od razu zarekomendować wytypowane przez AI rozwiązanie.

Drugi obszar działania sztucznej inteligencji w bankach to zaplecze, do którego zwykle nie mamy dostępu, ale od którego zależy, jak szybko bank załatwi nasze sprawy. Tam AI przewiduje napływ wniosków kredytowych, optymalizuje kolejkę przelewów międzybankowych i liczy zapasy gotówki w bankomatach, żeby kurier z zasobnikami jechał tylko wtedy, gdy naprawdę istnieje taka potrzeba.

Modele uczące się na bieżąco oceniają też wiarygodność kredytową: nie patrzą już tylko na wysokość pensji, lecz także na regularność wpływów, sezonowość wydatków i historię terminowych płatności rachunków. Efekt? Klienci dostają decyzję kredytową w kilka minut, a bank ogranicza liczbę nietrafionych pożyczek. Dzięki temu sztuczna inteligencja staje się cichym wspólnikiem – nie zastępuje ludzi, ale sprawia, że mogą zająć się pilniejszymi zajęciami.

Ładny obrazek? Niestety, automatyzacja i „odczłowieczenie” banków nie podoba się klientom. W badaniu przeprowadzonym przez Accenture na niemal 50 000 klientów z 39 krajów chatboty zajęły ostatnie miejsce w rankingach satysfakcji klientów – tylko 17% ankietowanych zadeklarowało, że są z nich bardzo zadowoleni. Co ciekawe, w równoległym wątku respondenci przyznają, że aż 62% z nich byłoby gotowych korzystać z inteligentnego doradcy finansowego opartego na AI.

Coś tu się wyraźnie rozjechało – z jednej strony ludzie deklarują, że są w stanie regularnie korzystać z pomocy AI, a z drugiej mało kto jest zadowolony z tego, co ma teraz. Klienci najczęściej obawiają się, że chatbot nie rozwiąże ich problemu albo wprowadzi w błąd. Tak naprawdę my sztucznej inteligencji po prostu jeszcze nie ufamy.

Jak to zmienić? Autorzy raportu przypominają lekcję z lat 90., kiedy Visa i Mastercard wymusiły na bankach zasadę „zero liability”, by zwiększyć zaufanie do kart płatniczych. Polegała na tym, że jeśli ktoś ukradł ci kartę płatniczą i zabrał z niej pieniądze, wydawca zwracał pieniądze bez dyskusji. To przywróciło wiarę w płatności plastikiem. Z AI ma być podobnie – bank muszą najpierw wytłumaczyć, w jaki sposób algorytmy pracują, przekonać klienta, że to mu się może opłacić, a dopiero potem liczyć, że klient da dostęp do swoich danych i będzie chciał korzystać z bankowego AI.

Czytaj też o kwantowym GPS:

Sztuczna inteligencja i cztery kroki w drodze do zadowolenia klienta

Z zebranych odpowiedzi 50 000 klientów z 39 krajów, zebranych w raporcie Accenture, wynika, że istnieją cztery proste – ale niestety rzadko wypełniane – warunki, by bank zyskał „fanów”, którzy będą go polecać znajomym: Reassure me, Remember me, Delight me i Reward me. AI, jeśli użyć jej z głową, może pomóc w każdym z nich.

Reassure me oznacza transparentne doradztwo zamiast opornego wciskania produktów: 46% badanych czuje się czasem przymuszanych do ofert, które służą raczej interesowi banku niż ich własnemu. Algorytmy w call-center mogą odwrócić logikę: najpierw analizują sytuację klienta, potem proponują rozwiązanie, a dopiero na końcu – jeśli to ma sens – konkretny produkt. Przykład? Brytyjski fintech Bright Money, który na podstawie historii rachunku bankowego klienta buduje indywidualny plan wychodzenia z długów. Aplikacja pokazuje, jak najszybciej zejść z oprocentowanych sald. I dopiero na tej podstawie są proponowane konkretne rozwiązania.

Remember me to nic innego jak cyfrowa pamięć banku. Klient dzwoni, a chatbot już wie, że trzy dni temu ten sam klient reklamował jakąś opłatę. A więc od razu przekierowuje procedurę do etapu „podaj numer reklamacji”, a nie zaczyna od „w czym mogę pomóc, podaj PESEL”. Warunkiem jest zunifikowana baza danych: wszystkie interakcje – od wizyty w oddziale po kliknięcie w baner – powinny trafiać do jednego, zintegrowanego „mózgu”. Fintech Monzo pokazuje, że się da: na podstawie behawioralnych segmentów proponuje indywidualnie dobrane rozwiązania wprowadzające w rynek kapitałowy tych, którzy wcześniej deklarowali lęk przed inwestowaniem.

Delight me – tu AI ma najwięcej do roboty, bo „zachwycić” oznacza rozwiązać sprawę szybciej, niż klient zdąży się zirytować. Tymczasem – wskazuje Accenture – boty są dziś najsłabiej ocenianym kanałem obsługi. Powód? Zostały zaprogramowane do odpowiadania, nie do rozumienia. Gen-AI teoretycznie może to odwrócić, chociażby jako narzędzie pomocnicze dla konsultanta: dzięki analizie emocji w głosie doradcy podpowiada, czy ton rozmowy wymaga przeprosin, czy żartu, i podsyła gotowe rozwiązania na bieżąco. Taki system testuje już amerykańska sieć elektroniki detalicznej – po wdrożeniu wskaźnik „rozpoznania intencji klienta” skoczył z 60% do 85%. Wydatki banku na utrzymywanie infolinii spadły o jedną czwartą.

Reward me to element, który polskie banki nadal mylą lojalność z punktami za transakcje. Klienci mówią wprost: nagradzajcie zachowanie, nie obrót. Mamy fajny przykład z Arabii Saudyjskiej – Million Account w Al Rajhi Bank: im dłużej trzymasz na koncie oszczędnościowym pieniądze, tym większą masz szansę na wygraną rzędu miliona rialów (1 rial, to mniej więcej 1 złoty). Pierwszy rok – 500 zwycięzców cotygodniowych i sześciu „milionerów”, czyli zdobywców nagrody głównej. A co robią nasze banki? Najczęściej proponują 0,1 punktu procentowego ekstra do oprocentowania lokaty. Kogo to jeszcze ekscytuje?

Mobilny dyrygent i personalizacja

Przeciętny użytkownik odpala aplikację bankową 150 razy w roku, ale 45% logowań kończy się na szybkim podglądzie salda rachunku. Ambicją banków musi być teraz robienie z mobilki „centrum sterowania”, w którym widać status każdej sprawy – nawet gdy fizycznie przeniesie się ją do oddziału czy na infolinię. Jeden z globalnych banków wykrył, że klienci zwykle porzucają wniosek o produkt w połowie procesu na smartfonie. Naprawił to, wysyłając hiper-precyzyjny push (oparty na AI-owym scoringu potrzeb), który zachęcał do umówienia wizyty w oddziale. Doradca witał klienta z gotowymi formularzami, a rozmowa zajmowała kwadrans – konwersja wzrosła, a klienci wystawili wyższe oceny satysfakcji.

I tu pojawia się problem wielu fintechów i banków. Z własnego doświadczenia mogę stwierdzić, że boty często zaprogramowane są tak, by za wszelką cenę rozwiązać sprawę samodzielnie i broń Boże nie przekazać jej do fizycznego doradcy lub oddziału. Poziom frustracji w tego typu sytuacjach (szczególnie gdy zależy Ci na czasie) jest zdecydowanie poza akceptowalną granicą tolerancji.

Kolejna sprawa, to personalizacja, 72% klientów deklaruje, że wpływa ona na wybór banku, ale tylko 3% korzysta z narzędzi, które próbuje się im sprzedać jako „spersonalizowane”. Powód? Standardowe powiadomienie „może karta kredytowa do twojego konta?” nijak nie pasuje np. do studenta, który właśnie wyczyścił limit na debetówce i myśli o oddychaniu finansowym, a nie o kolejnej „plastikowej pułapce”. Banki nie do końca potrafią wbić się jeszcze w realne potrzeby klienta – albo potrafią, tylko bardziej zależy im na zwiększaniu używalności niektórych produktów.

To również skutecznie może robić sztuczna inteligencja. Przykład? Cleo – fintech z sześcioma milionami użytkowników – analizuje strumień przychodów i paragonów, a potem opracowuje budżet wokół tego, „co naprawdę daje ci frajdę”. W tradycyjnym banku podobny silnik może działać w tle aplikacji mobilnej: jeśli widzi, że od trzech miesięcy oszczędzasz regularnie na koncie celowym, ale jednocześnie rosną wydatki na paliwo, podsunie prostą symulację leasingu hybrydy.

Algorytm w tym modelu nie sprzedaje produktu „bo tak”, tylko odpowiada na sygnały z twojego życia. Banki z najwyższym poziomem „wskaźnika wsparcia klienta” rosną pod względem przychodów 1,7-krotnie szybciej od reszty rynku, a w Ameryce Północnej nawet 2,6-krotnie.

Zobacz też rozmowę o sztucznej inteligencji na kanale „Subiektywnie o Finansach” w Youtube:

Sztuczna inteligencja a dostęp i obsługa naszych danych. Pułapka do rozbrojenia

Choć banki cieszą się dwukrotnie większym wskaźnikiem zaufania niż bigtechy jeśli chodzi o opiekę nad danymi, to aż 84% klientów martwi się o to, jak te dane są wykorzystywane, a tylko 26% chce, żeby bank „szeroko” stosował AI do analizy ich finansów. To jasny sygnał: bez transparentności algorytm staje się „czarną skrzynką”, a nie doradcą. Accenture radzi, by pójść śladem Spotify i dać użytkownikowi prosty suwak „chcę lub nie chcę, żeby moje dane wpływały na rekomendacje”.

Twarde liczby z raportu mówią, że inwestycje w „miękką” sferę obsługi nie są żadną fanaberią. Konsumenci, którzy czują, że bank ich „pamięta” i im pomaga, trzymają tam średnio o 17% więcej produktów i od 5% do 30% większy kawałek portfela finansowego (w zależności od kategorii). Nawet, gdy stopy procentowe cisną marże, a fintechy kuszą zerowymi opłatami, AI-owy, dobrze dopracowany serwis bankowy staje się wyróżnikiem, który broni przychodów.

Autorzy raportu bardzo dobrze podsumowali obecną sytuację: „Gen AI pojawiła się w idealnym momencie, żeby przywrócić bankowości duszę”. Nie oznacza to jednak, że każdy bank musi (i powinien) starać się wygrywać na wszystkich polach naraz. Często będzie to po prostu niemożliwe. Jedni postawią na transparentność i bezpieczeństwo, drudzy na hiperpersonalizację, jeszcze inni na wysoki poziom obsługi.

Przeczytaj też o przyszłości banków i o przyszłości naszych pieniędzy:

Zobacz też wideofelietony i rozmowy na temat nowych technologii na kanale „Subiektywnie o Finansach” w Youtube:

Źródło zdjęcia tytułowego: Freepik