Искусственный интеллект: подъем уровня клиентского обслуживания в банковской сфере
Мы стоим на пороге эпохи, в которой технологии искусственного интеллекта и машинного обучения получают широкое распространение и использование. В нашу жизнь легко вошли голосовые помощники, такие как Amazon Alexa и Google Home, механизмы выработки рекомендаций стремительно развиваются, а теперь и искусственный интеллект незаметно становится частью нашей повседневности. Еще несколько лет назад обычному человеку это даже не могло прийти в голову, а сегодня огромное количество потребителей с большим удовольствием просят своего личного помощника выключить свет у них дома, следуют совету Netflix о том, какой телесериал посмотреть или делают покупки на Amazon, исходя из его же предложений.
Применение этих знаний в сфере банковских и финансовых услуг идет несколько медленнее, поскольку она отличается более высокой сложностью и уровнем регулирования. Но в Saxo Bank в этой области сейчас наблюдается быстрое развитие, благодаря тому, что на всех своих уровнях компания осознала необходимость масштабируемым образом демократизировать услуги для всего спектра клиентов. Ранее, когда на рынке происходило движение или появлялись интересные торговые возможности или новости, банки звонили только самым важным своим клиентам, чтобы обсудить с ними ситуацию в свете их конкретных нужд и структуры портфеля. Благодаря технологиям, такое индивидуальное обслуживание высокого уровня может получить каждый. Искусственный интеллект дает возможность предоставления персональных услуг в невиданном ранее масштабе и с невиданной точностью благодаря использованию информации о клиентах и данных об их поведении.
Возможность персонализировать сервис и рекомендации является одним из наиболее захватывающих новых аспектов. Опыт Netflix показал, что уровень использования персональных рекомендаций по просмотру видеоматериалов в три-четыре раза выше по сравнению с простым предложением наиболее популярных видеопрограмм. На основе данных, которые мы получаем в ходе нашей ежедневной работы, таких как предпочитаемые каждым клиентом торговые инструменты, динамика активности по времени суток, а также другой информации, сегодня мы тоже можем разработать методы индивидуального обслуживания клиентов способами, которые раньше были неприменимы в таком масштабе. Персонализированное обслуживание означает, что каждый клиент получает лучший и более актуальный клиентский опыт.
На наших платформах к торговле предлагается более 35 000 инструментов. Если мы будем сообщать всем нашим клиентам о каждом движении рынка и о новостях, связанных с каждым инструментом, это будет огромная и никому не нужная работа. Однако имеет смысл определить, какая информация актуальна для каждого отдельного клиента и предоставить ему эту информацию, например, с помощью уведомления в рамках платформы или всплывающего новостного окна, в котором, если щелкнуть мышью, можно прочитать подробности. Если клиенты получают нужную для себя информацию в нужный момент, это помогает им принять правильные решения.
Более того, использование машинного обучения помогает нам на каждом этапе взаимодействия с клиентом: от привлечения новых клиентов до предоставления им услуг трейдинга и методик удержания, и, что наиболее важно, является составной частью процесса демократизации торгово-инвестиционного обслуживания, лежащего в основе бизнеса Saxo Bank вот уже более 25 лет. Раньше индивидуальную поддержку финансового советника и брокера получали только крупные клиенты, а сегодня мы стремимся предложить этот высокий уровень персонализированного сервиса всем.
Если технологические средства сделали общедоступным мировой финансовый рынок, то искусственный интеллект поможет всем клиентам получить индивидуально подготовленные и актуальные информационные материалы и услуги. Это обстоятельство поменяет ситуацию в области создания равных условий получения финансовых услуг.
Согласно недавно прозвучавшему утверждению, нефть больше не является наиболее ценным ресурсом в мире – на смену ей пришли данные. Технология, стоящая за машинным обучением, построена на расширенном компьютерном моделировании, что само по себе замечательно, но она не имела бы смысла без заполнения качественными данными. Данные лежат в основе всего, что мы делаем в сфере науки о данных, и для получения наибольшего эффекта от этих новых технологий очень важно инвестировать средства в чистые, высококачественные данные.
Специалисты по обработке и анализу данных тратят много времени на поддержание чистоты данных. Это может вызвать затруднения для некоторых крупных банков, где используются старые, оставшиеся с прошлых времен системы, или для тех, которые пережили поглощения и не успели произвести тщательную очистку клиентских данных. Это как в строительстве: если вложить средства в создание фундамента из титана, это, в первую очередь, окупится за счет долгосрочности и устойчивости сооружения. Если же строители торопятся и для экономии времени используют в качестве соединительных материалов жевательную резинку и клейкую ленту, то неприятности начнутся, когда построенный объект не справится с требуемой нагрузкой. Никто не знает, какие требования выдвинет завтрашний день, так что лучший способ подготовки – это обеспечение мощной, гибкой и устойчивой инфраструктуры. Требуется корпоративная культура, в которой данные рассматриваются как актив, и не следует выбрасывать данные только потому, что нет времени, чтобы привести их в порядок.
Хотя именно от данных зависит успех при введении машинного обучения в бизнес, еще одним важным моментом является четкое распределение полномочий. Введение машинного обучения – это преобразование, которое окажет большое влияние на весь рабочий процесс. Во многих случаях оно дополнит или даже заменит собой выполнение задач человеком. Если вы не заручились полной поддержкой высшего руководства, то найти сторонников внутри предприятия может оказаться нелегко. Руководство Saxo Bank полностью нас поддерживает, а это означает, что вопрос состоит не в том, должны ли мы вкладывать средства в машинное обучение, а, скорее, в том, каким образом осуществить это в большом масштабе?
Роль специалистов по анализу и обработке данных при таком сценарии развития бизнеса состоит в том, чтобы обеспечить актуальность нашей работы для организации. Наука о данных должна стать неотъемлемой частью организации бизнеса, чтобы выявить трудности, с которыми мы сталкиваемся, а затем постараться найти решение среди нашего технологического инструментария. Кроме поддержки высшего руководства, необходимо также широкое принятие на всех уровнях компании, чтобы обеспечить сотрудничество и добраться до первоисточника затруднений. Помимо этого, важно, чтобы во всех подразделениях организации было понимание, чтó может дать применение науки о данных для конечного результата, а также осознание того, что мы говорим на одном и том же языке.
Существует мнение, что искусственный интеллект – это роботы, которые сделают человеческий труд ненужным. Но дело не в избавлении от людского труда, а скорее, в использовании искусственного интеллекта и машинного обучения, чтобы обеспечить выполнение человеком большего количества нужной работы и еще лучшее обслуживание наших клиентов. Однообразные и повторяющиеся задания можно поручить компьютерам, что позволит людям сосредоточиться на задачах большей сложности. В случае более сложных задач искусственный интеллект и машинное обучение нужны в большей степени для оптимизации и помощи в аналитической обработке. Наконец, искусственный интеллект также может стать мерой, которая поможет предоставить более широкому кругу клиентов доступ к тем услугам, которые ранее были доступны только небольшой группе лиц. Если мы сможем сделать так, чтобы поддержка, которую наши специалисты качественно оказывают обеспеченным клиентам, с помощью цифровых решений стала доступна всем клиентам инвестиционного спектра, то это и будет настоящим определением демократизации инвестиций.
Один из наших основателей и генеральный директор Ким Фурнe много раз говорил о том, что, когда он начинал инвестировать в технологии в середине 1990-х годов, сотрудники беспокоились о том, что потеряют работу, потому что их заменят машинами. Однако, время показало, что это абсолютно не так: штат Saxo Bank вырос с 25 человек, работавших в то время в Копенгагене, до более чем 1 500 сотрудников по всему миру.
Сегодня я вижу, что применение искусственного интеллекта и машинного обучения получило среди наших коллег широкую поддержку, так как они признали, что эти технологии могут помочь им лучше выполнять свою работу и демократизировать торговые операции. Тогда все наши клиенты смогут пользоваться персонализированными услугами на столь же высоком уровне, какой раньше был доступен только наиболее крупным участникам рынка.
Актуальность для организации дает науке о данных право на большую амбициозность в других инициативах, которым трудно было бы завоевать поддержку иначе. Это очень важный момент, потому что люди не то чтобы не понимают важность технологических инноваций. Если это не имеет к ним прямого отношения, люди, согласно самой их природе, будут слишком заняты, чтобы приспосабливаться к новому. Рассматривая этот вопрос в большом масштабе, можно сказать, что те банки, которые никак не найдут времени на инновации, скоро почувствуют на себе, что машинное обучение и искусственный интеллект – это уже не только будущее, но и настоящее.
Автор: Кристиан Хедедаль, глава отдела интеллектуальной обработки данных
Источник: Saxo Bank
