با افزایش انتظارات و نیازهای مشتری، هوش مصنوعی میتواند به صنعت بانکی کمک کند تا مشتریان را در یک دنیای فرارقابتی حفظ و جذب کند. ممکن است برایتان سؤالاتی در این زمینه پیش آمده باشد که هوش مصنوعی چگونه این کار را انجام میدهد؟ معنای این فناوری برای تجربهی مشتری و بانکها چیست؟ و چه چیزی در دستیابی به موفقیت کامل در بهرهگیری از این فناوری نوظهور مانع ایجاد کرده است؟ در ادامهی این مقاله تلاش میکنیم تا به این سؤالات پاسخ دهیم.
مشتریان بانکها دوست دارند برای روزهای بحرانی پول خود را پسانداز کنند. آنها امروزه بیشتر از هر زمانی به فکر مدیریت منابع مالی خود هستند. اینترنت به مشتریان امروزی این مزیت را داده تا با بررسی کامل گزینههای موجود دریافت خدمات مالی بتوانند، بهترین گزینه را متناسب با نیازهای خود انتخاب کنند. (در عصر توسعه فینتکها، این انتخاب لزوماً به انتخاب خدمات بانکی منجر نمیشود.)
طبیعتاً خود مشتریان خدمات مالی، نگاه جامعتری به نیازهای خود دارند تا بانکی که در بهترین حالت میتواند تنها از دادههای موجود در پایگاه داده برای پیشنهاد خدمات شخصیسازی شده به مشتری استفاده کند. حال به این فکر کنید که اگر مشتری و بانک، دانش و دادههای در دسترس خود را با هم ترکیب کنند چگونه میتوانند پتانسیل موجود در محصولات سپردهای را بهصورت کامل محقق کنند! به عبارت دیگر، بانکها با کمی درک بهتر از مشتری و شخصیسازی بیشتر برای او میتوانند با دقت بیشتر به نیازهای بازار پاسخ دهند و تجربهای متناسب با هر مشتری را خلق کنند و بدین ترتیب مزیت رقابتی ویژهای را بهدست بیاورند.
با این حال، شناخت مشتریان کاری زمانبر است. منبع ارزشمندی که اکثر بانکها و کارمندان در مورد آن دچار کمبود هستند؛ چرا که در دریای فرایندهای اداری مانند مدیریت مدارک دریافتی از مشتریان یا پردازش و تحلیل تقاضاهای وام گرفتارند.
فراهم آوردن پاسخ بهوسیله هوش مصنوعی
طبق تحقیقات Deloitte، 76 درصد از مدیران ارشد تجربه مشتری که در صنعت مالی فعالاند، معتقدند که هوش مصنوعی ابزار متمایزسازی بانک در برابر رقبای خود است. به نظر آنها، هوش مصنوعی به بانک اجازه میدهد تا ضمن شخصیسازی سفر مشتری، شخصیسازی اصطکاکهای موجود در این مسیر را تا حد امکان کاهش دهند. شخصیسازی و افزایش بهرهوری از طریق اتوماسیون با فناوریهای هوشمند قابل دستیابی است و نتیجهی آن، آزادسازی زمان بیشتر برای تعاملات مستقیم و انسانی بانکداران با مشتریان میشود.
علاوه بر این، توانایی هوش مصنوعی در زمینهی پردازش سریع و دقیق دادهها و پیدا کردن حقایق پنهان در آنها، به شخصیسازی توصیهها براساس شرایط خاص مشتری کمک میکند. قبل از هوش مصنوعی، بانک باید پس از بررسی و تحلیل دستی و مبتنی بر نیروی انسانی تمامی اطلاعات موجود مشتری، درک کاملی نسبت به ماهیت درخواست مشتری پیدا و پس از آن، درخواست را ارزیابی میکرد که این کار زمان زیادی را بههدر میداد. هوش مصنوعی میتواند حجم عظیمی از دادهها را در زمان بسیار کمی پردازش کند و یافتههای خود را به بانکداران ارائه دهد. بانکداران سپس میتوانند نتایج تحلیلی بهدست آمده از بهکارگیری الگوریتمها برای تحلیل دادهها را در گفتگوهای خود با مشتریان بهرهبرداری کنند.
هموارسازی مستمر مسیر سفر مشتری
شخصیسازی، پایه و اساس دلپذیرسازی سفر مشتری در طی تعاملات او با بانک است. اما اگر مسیر جاده پر پیچ و خم و پر از دستانداز باشد، هیچ سطحی از سفارشیسازی نمیتواند تجربه مشتری بانک را نجات دهد! خبر خوب این است که خودکارسازی هوشمند فرایندها میتواند بسیاری از موانع مسیر سفر مشتری را هموار سازد. به این نمونه از مراحل پردازش دیجیتال تقاضاهای مشتری توجه کنید:
جک میخواهد یک تلویزیون جدید با وام مصرفکننده و سپردههای ماهانه خریداری کند. قبل از بهکارگیری هوش مصنوعی، جک مجبور بود چندین فرم را پر کند و یک فرایند طولانی و دشوار را پشت سر بگذارد. جکِ داستان ما احتمالاً با چند مرحله پیش رفتن در این فرایند، خیلی زود اشتهای خود را برای گرفتن وام یا تلویزیون از دست میدهد و در نتیجه بانک، یک مشتری ارزشمند را از دست میدهد. با کمک هوش مصنوعی، اطلاعات مربوط به احراز هویت (KYC) جک بهراحتی از طریق گرفتن عکس از کارت ملی و سایر مدارک توسط دستگاه تلفن همراه خود او و سپس تحلیل این عکس توسط فناوری پردازش تصویر در اختیار بانک قرار میگیرد و بلافاصله به CRM، نرمافزار مدیریت پرونده یا نرمافزارهای دیگر بانک ارسال میشود.
زیرساخت یادگیری ماشینی بانک در مرحله بعد، این اطلاعات را برچسبگذاری و طبقهبندی میکند تا هر بخش (فید) اطلاعاتی در جای درست خود در جداول پایگاه دادهی بانک ثبت شود. هوش مصنوعی در ادامه بهصورت خودکار، اسناد و فرمهای لازم را با استفاده از دادههای استخراج شده از کارت ملی و مدارک جک ـ برای جک ایجاد میکند و آنها را بهصورت آنلاین در اختیار جک میگذارد. جک فقط باید بررسی کند که آیا جزئیات دادههای استخراج شده صحیح است یا نه و سپس در صورت لزوم، بهصورت دیجیتالی سند تکمیل شده را امضا کند. بهترین قسمت این داستان چیست؟ اینکه با حداقل مداخلهی انسانی مورد نیاز، این موارد ظرف چند دقیقه حتی بدون حضور جک در شعبهی بانک انجام میشود و در نتیجه جک میتواند همان روز با تلویزیون جدید خود فروشگاه را ترک کند!
تنها مدیریت تقاضاهای مشتری نیست که با کمک هوش مصنوعی آسانتر میشود. امروزه فناوریهای هوشمند میتوانند بهشکل مؤثر تمام اطلاعات ورودی به بانک را استخراج، پردازش و سازماندهی کنند. آنها تقریبا با هر نوع محتوا که وارد سامانههای بانک شود، کار میکنند؛ چه این محتواها بهصورت کاغذی یا دیجیتالی باشند یا اینکه ساختاریافته یا بدون ساختار باشند. چنین قابلیتی بهویژه در هنگام رسیدگی به درخواستهای پشتیبانی مشتریان مفید است.
برای مثال به ادامه داستان جک توجه کنید: جک که به تازگی یک تلویزیون با برند جدید خریداری کرده است، نتوانسته چند قسط ماهانهی خود را سر موقع پرداخت کند و در نتیجه هشداری دربارهی لزوم بازپرداخت اقساط وام خود دریافت کرده است. جک صادقانه میپذیرد که اشتباه کرده اما این اشتباهی است که جک میخواهد هرچه سریعتر اصلاح کند. بنابراین جک، اقساط عقبافتاده را سریعاً پرداخت میکند و از آنجا که واقعاً نمیداند باید در بانک به چه کسی مراجعه کند، رسید پرداخت خود را به آدرس عمومی ایمیل بانک ارسال میکند.
جک شانس آورده؛ چرا که بانک او از هوش مصنوعی برای مدیریت صندوق نامههای ورودی خود استفاده میکند. پردازش زبان طبیعی، OCR و یادگیری ماشین بهسرعت اطلاعات را از ایمیل جک استخراج، پردازش و سازماندهی میکنند. به لطف اتوماسیون دقیق ایجاد شده با کمک هوش مصنوعی، پرونده او بهطور خودکار با اطلاعات صحیح پرداخت انجام شده بهروز میشود و بلافاصله برای شخص مسئول پروندهی جک در بانک ارسال میشود. همزمان و بیدرنگ، تأیید پرداخت جک توسط بانک و از طریق ایمیل اعلام میشود تا نگرانیهای جک را برطرف کند. اتوماسیون حتی میتواند پرداخت او را بلافاصله و بدون نیاز به تأیید انسانی تأیید کند و همچنین اخطار تأخیر اقساط را از پرونده جک هم حذف میکند.
تجربهی مشتری سرراست و لذتبخش ایجاد شده توسط اتوماسیون مبتنی بر هوش مصنوعی، بهمیزان قابل توجهی نرخ جذب و نگهداشت مشتری را بهبود میبخشد. علاوه بر آن، اتوماسیون میتواند برای صنعت بانکی صرفهجویی بالغ بر 400 میلیارد یورو را بهارمغان آورد. پس چرا صنعت بانکی این فناوری را بهصورت گسترده بهکار نگرفته است؟
تحقیقات گارتنر نشان میدهد كه مهمترین دلیل این امر، عدم آشنایی تصمیمگیران ارشد بانکها با قابلیتهای هوش مصنوعی و میزان تطبیق آن با قوانین و مقررات از جمله در حوزهی حریم خصوصی است. این تردیدها تصمیمگیری را در مورد چگونگی و نقطهی شروع بهکارگیری هوش مصنوعی دشوار میکند. حرکت بهسوی بهکارگیری هوش مصنوعی، روندی است که بهصورت مداوم با تحولات اقتصادی، اجتماعی و سیاسی تقویت یا تضعیف میشود. دیلویت براساس نتایج پژوهشهای خود، پیشنهاد داده که برای غلبه بر چالشهای اجرای هوش مصنوعی باید این مسیر را به مسیری مشترک میان بازیگران مختلف بازار بانکی تبدیل کرد. این رویکرد، مورد تأیید تعداد دیگری از صاحبنظران بانکی مانند مانند کریس اسکینر ـ نویسندهی کتاب انسان دیجیتال و مدافع جنبش بانکداری آزاد ـ نیز است که پیشنهاد میکند برای موفقیت در زمینهی بهکارگیری هوش مصنوعی، لازم است فینتکها و بانکهای سنتی با یکدیگر همکاری و مشارکت داشته باشند.