AI v bankovnictví a financích. Stripe, Monzo a Grab | AI v podnikání #78

AI v bankovnictví – úvod

Umělá inteligence je již široce využívána v mnoha oblastech bankovního a finančního sektoru. Nejde jen o chatboty pro zákaznický servis nebo dobře zabezpečené aplikace. Umělá inteligence se v finančním průmyslu používá i pro mnohem vážnější účely. Zde jsou hlavní aplikace AI v bankovnictví:

• Detekce a prevence podvodů – pokročilé algoritmy analyzují transakce v reálném čase a detekují podezřelé vzorce aktivity. To účinně chrání zákazníky před podvody,
• Optimalizace předpovědi finanční likvidity – modely predikce založené na AI analyzují obrovské množství dat, aby přesně předpověděly budoucí peněžní toky a lépe spravovaly likviditu.
• Zefektivnění procesů souvisejících s hodnocením úvěruschopnosti – i zde přicházejí na pomoc algoritmy strojového učení, které na základě analýzy tisíců žádostí o úvěr dokážou přesně posoudit finanční důvěryhodnost zákazníka,
• Personalizace nabídek a doporučení pro klienty – banky využívají pokročilé doporučovací modely k přizpůsobení finančních produktů individuálním potřebám zákazníků,
• Automatizace procesů back-office – rutinní úkoly, jako je ověřování dokumentů nebo vyřizování transakcí, mohou být plně automatizovány s pomocí AI.

Jak si však společnosti působící na globálních trzích poradily s implementací těchto inovací?

Stripe: důvěryhodnost transakcí prostřednictvím AI ve financích

Jedním z lídrů v aplikaci AI na finance je Stripe. Vyvinul systém nazvaný Stripe Radar, který analyzuje více než 1 000 charakteristik transakce za méně než 100 milisekund, aby posoudil její spolehlivost. Systém má 99,9% míru přesnosti při zachování nízké míry falešných poplachů.

Jak bylo toho dosaženo? Nejprve Stripe používá pokročilé techniky strojového učení, jako jsou hluboké neuronové sítě. Systém je neustále vylepšován a rozvíjen s novými schopnostmi, jako je transferové učení.

Za druhé, společnost neustále hledá nové signály v transakčních datech, které mohou pomoci identifikovat anomálie naznačující potenciální podvod. Inženýři Stripe pečlivě přezkoumávají každý případ podvodu, aby pochopili vzorce chování zločinců a obohatili systém o další pravidla.

Stripe Radar je vynikajícím příkladem toho, jak může AI v bankovnictví účinně chránit zákazníky před finančními podvody.

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

Monzo: AI ve financích

Monzo, britský neobank, který funguje výhradně v digitálním prostoru, aplikoval schopnosti strojového učení v úplně jiné oblasti: optimalizaci marketingových kampaní.

Banka vytvořila modely, které na základě historických dat dokážou odhadnout ochotu daného zákazníka využít dodatečnou nabídku, například otevření spořicího účtu, pokud obdrží konkrétní zprávu od banky.

Dále, aby maximalizovala efektivitu kampaně, systém ukazuje, kterým zákazníkům by měly být zaslány jaké propagační zprávy. To umožňuje přesné cílení zprávy a dosažení výrazně lepších výsledků než v případě hromadné, nepřizpůsobené komunikace.

V některých případech implementace takové optimalizace umožnila Monzo zvýšit efektivitu kampaní až o 200%! To ukazuje, jak může AI v bankovnictví pomoci efektivněji oslovit zákazníky s přizpůsobenými nabídkami, které s nimi rezonují.

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

Grab: AI v klasifikaci citlivých dat

Grab je technologický gigant z jihovýchodní Asie, který nabízí služby jako doprava a doručování. Společnost se rozhodla využít schopnosti jazykových modelů (LLM) k automatizaci procesu klasifikace citlivých dat, která uchovává. To je zásadní, protože společnost drží osobní a finanční údaje svých zákazníků.

Pro tento účel byl připraven soubor štítků popisujících různé kategorie dat, jako jsou:

• Osobní údaje,
• Kontaktní informace,
• Identifikační čísla.

Následně byly navrženy vhodné dotazy pro jazykový model, aby automaticky přiřazoval tyto štítky na základě názvů tabulek a sloupců v databázích.

V důsledku toho může Grab klasifikovat uložené informace podle citlivosti mnohem rychleji a levněji. To usnadňuje prosazování politiky přístupu k datům a ochrany soukromí. Podle odhadů společnosti tato řešení ušetřila až 360 pracovních dní ročně, které byly dříve vynaloženy na ruční klasifikaci dat.

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

Shrnutí. Budoucnost AI v bankovnictví a financích

Jak ukazují příklady Stripe, Monzo a Grab, umělá inteligence již přináší skutečnou obchodní hodnotu bankám a finančním institucím. Může pomoci efektivněji předcházet podvodům, přesněji cílit zákazníky nebo automatizovat únavné úkoly.

V následujících letech bude role AI v bankovnictví i nadále stabilně růst. Můžeme očekávat plnou automatizaci mnoha procesů back-office, hyperpersonalizaci finančních produktů a bližší integraci modelů strojového učení s bankovními systémy.

Pokud se vám náš obsah líbí, připojte se k naší komunitě aktivních včel na Facebooku, Twitteru, LinkedInu, Instagramu, YouTube, Pinterestu, TikToku.