5 načinov, kako umetna inteligenca spreminja naš odnos do denarja

Finance in načini plačevanja so prehodili dolgo pot, od čisto primitivne menjave blaga, do mobilnega bančništva. Finančna industrija se je razvila skupaj s tehnologijo, svoje pa so dodali še novi načini tiskanja, komunikacije, računalniki in še nekaj komponent bi lahko našteli. Obstaja kar nekaj oprijemljivih razlogov, zakaj lahko z gotovostjo napovemo, da bo umetna inteligenca tista, ki bo vodila naslednjo revolucijo upravljanja z denarjem in na splošno z imetjem. Če pogledamo danes, moderna umetna tehnologija že jasno vpliva na različne domene, med drugim tudi na bančništvo in plačilne sisteme.

Jochem Wubs, podatkovni znanstvenik pri podjetju ABN AMRO, pravi, da še štiri leta nazaj o strojnem učenju, umetni inteligenci in poslovni analitiki na področju bančništva ni bilo ne duha ne sluha. Številne branže umetne inteligence bodo omogočile finančnim institucijam, prodajalcem, trgovcem in ponudnikom storitev, da bodo bolje razumeli svoje stranke in jih obdelali na bolj učinkovit način. Na drugi strani pa velja omeniti, da potrošniška tehnologija, ki jo poganja umetna inteligenca, skrbi, da so plačila in plačilni sistemi lažji in brez motenj. Wubs je razdelil priložnosti, ki jih nudi umetna inteligenca, na dve široki kategoriji:

• izboljšanje obstoječih storitev za nudenje prilagojenih, personaliziranih izkušenj;
• ustvarjanje novih načinov, kako poenostaviti plačevanje.

“Za nas, bančni sektor, je vprašanje, kako naj postanemo bolj vključeni v strankino potovanje znotraj naših storitev in celotnega sistema. Tukaj vidimo priložnost, da nam umetna inteligenca pomaga”, pravi Wubs.
Tukaj je nekaj načinov, kako umetna inteligenca spreminja naš odnos do denarja, kako ga hranimo in kako ga izmenjujemo.

1. Pogovorno bančništvo

Zahvaljujoč napredku na področju procesiranja jezika, lahko finančne institucije svojim strankam ponudijo posebno uporabniško izkušnjo v obliki pogovornega bančništva. Tukaj ciljamo predvsem na umetno inteligentne bote. Ti nadomeščajo pogosto ne najbolj optimalne uporabniške vmesnike znotraj aplikacij. Pogovorno bančništvo pomaga finančnim institucijam, da zmanjšajo stroške podpore strankam, medtem ko lahko nudijo 24/7 podporo s strani botov.

Zelo uspešen primer je Erica, digitalna asistentka Bank of America, ki je začela svojo “poslovno pot” pred enim letom. Erica se s strankami pogovarja enako, kot bi se pogovarjali s kakšnim finančnim svetovalcem. Erica se torej odziva na preprosta vprašanja, kot so pregled stanja računa, razne številke, kredite itd.

Asistent oz. “pravi” finanačni svetovalec lahko za stranke prenese tudi denar do drugih ljudi in seveda izvaja bolj kompleksne naloge. Strankam lahko 1 na 1 razloži določene stvari, jih vodi v določenih postopkih in jih uči, kako varčevati itd.

Del uspeha BoA-ja je vezan tudi na izobraževanje strank, kajti podjetje vsaki stranki razloži, kaj Erica zmore in česa ne. Vseskozi so zraven tudi človeški operaterji, ki so pripravljeni, da v primeru nepravilnosti, ali ko Erica ne zmore procesirati vseh zahtevkov, vskočijo na pomoč. “Vsaka banka se razvija v smeri večje interakcije s strankami. Glavni cilj je, da uporabniški vmesnik postane bolj interaktiven, kar pomeni, da ne gre zgolj za en kanal, ampak da je vključen še tekst, zvok in ostali kanali. Tisto, kar si resnično želimo je, da takoj, ko stranka pride do nas, mi vemo, kaj si želi”, pravi Wubs.

2. Glasovno nakupovanje

V zadnjih nekaj letih so nevrološka omrežja in globinsko učenje sprožili revolucijo na področju avtomatiziranih sistemov prepoznavanja glasu (“automated speech recognition systems“). Dotična tehnologija omogoča asistentom kot so Alexa, Siri in Cortana, da procesirajo glasovne ukaze in razumejo različne tone govora. Eden bolj zanimivih načinov uporabe glasovnih asistentov je nakupovanje produktov. Amazon, ki je tukaj kar precej pred konkurenco, že podpira nakupovanje za milijone produktov. Nakupovanje preko Alexe je enako enostavno kot naročilo pasje hrane ali papirnatih brisač.

Podjetja vedno znova iščejo nove načine, kako uporabiti umetno inteligenco, da bi kupcem omogočila še boljšo uporabniško izkušnjo pri nakupovanju. Letos na začetku leta je spletni prodajalec rož, 1-800-Flowers.com, razvil pametno lastnost naročevanja preko digitalnega asistenta Samsung Bixby. Vse, kar moramo povedati, je: “Hi Bixby, I want to send flowers to my wife”.

Tudi Starbucks se je resno lotil inkorporacije glasovnega naročevanja, in sicer so lansko leto prav tako preko Bixbyja omogočili, da kupci komunicirajo z asistentom na enak način, kot bi to počeli v eni od njihovih prodajaln. Pred tem je Starbucks že aktivno razvijal takšne in podobne rešitve, na primer integriral je SYNC3 in Fordovo Alexa tehnologijo, ki voznikom Fordov omogoča, da začnejo svoje Starbucks naročilo že kar v samem avtomobilu.

Kljub temu, da je nakupovanje zgolj z uporabo svojega glasu zanimiva izkušnja in koristen način uporabe umetne inteligence, ima vseeno svoje omejitve. Težave se pojavijo, ko recimo želimo uporabiti glasovni vmesnik, kot je Alexa, za nakup, kjer je potrebnih več korakov, ali pa želimo izbirati med različnimi produkti.

3. Prodajalne brez prodajalcev

Amazon je bil prvi, ki je svetu predstavil trgovine brez blagajn, dolgih čakalnih vrst in sploh zaposlenih prodajalcev. Kot lahko vidite v videu spodaj, sistem deluje tako, da preprosto pridemo v trgovino, izberemo izdelke in odkorakamo, ne da bi nas varnostniki lovili zaradi tatvine.

Sistem uporablja na stotine senzorjev in kamer, ki s pomočjo naprednih algoritmov spremljajo potrošnike, ki se premikajo po trgovini in sproti sinhronizirajo nakupovalni seznam. Ko kupci odidejo iz trgovine Amazon Go, se plačilo avtomatsko izvede preko Amazon računa, ki je pogoj, da lahko nekdo vstopi v trgovino in dejansko nakupuje v njej.

Umetna inteligenca v današnji fazi razvoja ni sposobna uporabljati “zdrave kmečke pameti” in abstraktnega načina mišljenja, kar nekoliko otežuje vzpostavljenje tovrstnih sistemov. Amazon je trgovine Go naznanil leta 2016, sprva pa je bilo mišljeno, da bodo zaživele že v letu 2017. Zaradi težav v pilotni verziji projekta se je prva otvoritev zavlekla in zato smo prvo Go trgovino dobili lansko leto. Amazon ima v načrtu 3.000 trgovin Go do leta 2021 – za zdaj jih je po celem svetu zgolj 10.

Amazon pa ni edini akter na trgu, ki razmišlja v smeri trgovin brez blagajn. 7-Eleven recimo razvija plačilno tehnologijo za tovrstne trgovine v Dallasu, medtem ko je Sam’s Club proti koncu lanskega leta prav tako razvil beta verzijo svoje trgovine po principu Amazon Go. Wamart, ki je lastnik podjetja Sam’s Club, je pred kratkim zagnal svoj Intelligent Retail Lab (IRL) – sistem, ki z uporabo umetne inteligence spremlja stanje zaloge v trgovinah.

4. Pametna posojila

Najbolj popularen način, kako določiti, ali je nekdo kreditno sposoben, je sistem, ki v ozir vzame vse glavne finančne podatke osebe: prihodke, bančno zgodovino, davčno zgodovino itd. Sistem deluje dobro za vse tiste, ki imajo kreditno in bančno zgodovino, medtem ko pa vsi tisti, ki niso vključeni v digitalni finančni sistem, izpadejo iz te kategorije. Umetna inteligenca zato danes redefinira načine, kako določiti kreditno sposobnost posameznika.

Zanimiv primer je podjetje iz Singapurja Lenddo, ki z uporabo strojnega učenja in “alternativnih podatkov” determinira, kolikšna je verjetnost, da bo posameznik poplačal svoje dolgove in posojila. Lenddo AI algoritem brska po tisočih podatkovnih stičiščih, med drugim tudi družbenih omrežjih, elektronski pošti, zgodovini brskanja po internetu, geolokacijskih podatkih in ostalih podatkih, povezanih s pametnimi telefoni. S kombinacijo vseh teh podatkov dobi sistem celostno sliko, ki na koncu pomeni kreditno sposobnost posameznika.

Poleg različnih “start-up” podjetij se je v umetno inteligenco vrglo tudi nekaj že uveljavljenih podjetij. Lani je tako Equifax, eden treh glavnih kreditnih poročevalcev v ZDA, vzpostavil kreditni sistem, ki uporablja nevrološka omrežja, ki pomagajo strankam oceniti tveganje. “Dubbed NeuroDecision”, Equifaxova nova tehnologija nudi AI modele, ki izboljšujejo učinkovitost delovanja podjetja, prav tako pa tehnologija stranki razloži celotno logiko v ozadju.

Glavni cilj primerov sistemov, kot smo jih opisali zgoraj, je izboljšati interpretabilnost algoritmov, kar je do zdaj bila največja rak rana uporabe umetne inteligence in občutjivih operacij, kot je določanje kreditne sposobnosti in procesiranje prošenj za posojila.

5. Prepoznavanje goljufij

Količina globalnih transakcij se iz dneva v dan povečuje. Po podatkih kibervarnostnega podjetja McAfee spletne goljufije predstavljajo velik del 600-milijardnih kiberkriminalnih aktivnosti, ki vsako leto prizadanejo svetovno ekonomijo. Klasični načini detektiranja lažnih transakcij vključujejo prepoznavanje geolokacij, IP naslovov, razlik med naslovi pošiljatelja in prejemnika, zneskov ipd. Mnogokrat se celo zgodi, da se določene transakcije, ki so povsem legitimne, označijo kot nelegalne, in tudi to povzroča velike stroške prodajalcem.

S pomočjo umetne inteligence in finančnih institucij se lahko izvedejo bolj natančne analize mase podatkov, ki je na voljo o potrošnikih in njihovih transakcijah. S tem je veliko lažje določiti tudi tiste transakcije, ki so regularne in tiste, ki so lažne, torej goljufije iz takšnega ali drugačnega naslova.

“Nova umetna inteligenca uporablja več podatkovnih točk, preko katerih zbira podatke”. Te podatkovne točke lahko dajo vpogled ne samo v to, ali je transakcija lažna, ampak lahko pokažejo tudi, ali je bil nek račun zlorabljen – ali pa, če je bil nek lažni račun ustvarjen zgolj za nemene goljufivih transakcij. “Analiza dodatnih podatkovnih točk lahko precej zmanjša frekvenco lažno pozitivnih obvestil za legitimne transakcije, ali poveča število legitimnih obvestil, ko gre za sumljive aktivnosti”, pravi Heid.

Po tem, ko je kupil AI “start-up” Brighterion, je MaterCard razvil sistem za prepoznavanje goljufij pri plačilih, ki ocenjuje transakcije, glede na vseskozi razvijajoče se “real-time” pogoje. To omogoča upravljalcu sistema, da nenehno posodablja sistem in ga prilagaja glede na specifike regije in industrije. Poleg tega pa lahko upravljalec s temi transakcijami bolje napove, katere transakcije so plod goljufije. Sistem je MasterCardu pomagal zmanjšati prijave lažnih transakcij za 50%.

Prihodnost bančništva in denarja

Prvi korak, ki je potreben za dvig umetne inteligence v svetu financ na višji nivo, je boljše poznavanje strank. Finančne institucije že imajo na tone podatkov o svojih strankah, ki jih lahko na tak ali drugačen način uporabijo, da jim ponudijo personalizirane storitve in produkte njihovim potrebam.

“Potencial je ogromen, vendar je težko najti pravo kombinacijo, ki bo v svetu bančništva najbolj učinkovita. Takoj, ko bomo opravili prvi korak pri strankah, lahko pogledamo, kje vse bi se dalo uporabiti umetno inteligenco”, pravijo pri podjetju ABN AMRO.

Kam bo torej umetna inteligenca pripeljala finančno industrijo? Wubs verjame, da bi trenutno moral največji poudarek biti na končnemu uporabniku. “Želimo si doseči, da se bodo naše stranke lahko v miru osredotočile na to, kar je za njih najbolj pomembno in ne na bančništvo in finance – to je naša naloga. Tehnološki razvoj v svetu bančništva in financ postaja vse hitrejši. Trenutno se nahajamo v obdobju tranzicije, ko govorimo o dojemanju in pomenu denarja. Zelo zanimivo je pogledati, kako se industrija prilagaja na vse to”, pravi Wubs.