AI to modne hasło czy rzeczywista potrzeba?

O możliwościach, jakie może dać bankom wykorzystanie sztucznej inteligencji  (AI - artificial intelligence) głośno jest od lat. Systemy AI mogą nie tylko przejmować powtarzalne, schematyczne zadania, ale być także wykorzystywane np. do  wykrywanie nadużyć, określanie ryzyka klienckiego (np. w sferze spłat kredytów) czy optymalizacji kampanii marketingowych. Pewnym zaskoczeniem więc może być, że z opublikowanego we wrześniu przez przez Asseco i SME Banking Club raportu "Sztuczna inteligencja w instytucjach finansowych. Innowacyjne platformy analizujące dane klientów sektora MŚP" wynika, że algorytmy sztucznej inteligencji są obecnie wykorzystywane zaledwie w co trzeciej organizacji finansowej w Europie.

Z badania wynika że, większość banków w regionie nie ma wydzielonego działu AI w swojej strukturze. Banki zazwyczaj wykorzystują AI w wybranych procesach i w większości nie przystąpiły jeszcze do skalowania tej technologii w całej organizacji. Główne powody to brak strategii AI, integracja z istniejącymi systemami, rozdrobnione zasoby danych i przestarzałe modele operacyjne, a także wewnętrzna kultura organizacyjna, która spowalnia współpracę pomiędzy zespołami biznesowymi i technologicznymi.

Według autorów raportu, dobrą wiadomością jest natomiast, że 65 proc. respondentów badania planuje wdrożyć rozwiązania oparte o sztuczną inteligencję w ciągu najbliższych dwóch lat, a więc jesteśmy na początku procesu implementacji i skalowania tej technologii w regionie.

Patrycja Sobczyk, Product Owner w Asseco Poland zwraca uwagę, że polskie wskaźniki wypadają lepiej niż średnia europejska w badaniu.

- W Europie 30 proc. instytucji wykorzystuje sztuczną inteligencję. Natomiast kiedy weźmiemy pod uwagę tylko polskie instytucje finansowe, to wskakujemy na poziom 4 proc., z kolei plany do rozwoju w kierunku AI deklaruje ok. 77 proc. polskich respondentów. Są to wartości nieco wyższe niż na całym europejskim rynku, ale też nie diametralnie wyższe. W Polsce instytucje całkiem dobrze radzą sobie z gromadzeniem danych o klientach i ich digitalizacją, przez co budowanie rozwiązań opartych o AI ma w ogóle rację bytu. W niektórych państwach europejskich kwestia danych już stanowi pierwszą przeszkodę, co może stanowić jeden z wielu aspektów wpływających na różnice procentowe - mówi Patrycja Sobczyk.

Zastrzega ona, że badanie skupione było na instytucjach, które obsługują przede wszystkim klientów biznesowych (MŚP). Można więc podejrzewać, że w przypadku klienta detalicznego otrzymalibyśmy tu lepsze rezultaty, bo to właśnie  o rozwiązaniach AI dla tego segmentu słyszy się najczęściej w świecie finansów.

- Zgodzę się, że na rynku czasem nadużywa się hasła AI, ponieważ stało się ono "modne" i stanowi w pewnym stopniu o konkurencyjności instytucji, jednakże nie zawsze idzie to w parze z realnymi działaniami podejmowanymi w tym kierunku. Odnosząc się jednak do samego AI, a nie do "mówienia o AI" to na pewno uczenie maszynowe nie jest przereklamowane. Rozwiązania oparte o AI mają bardzo duży potencjał, w świecie finansów mogą mieć wiele zastosowań, zatem jeśli tylko instytucja finansowa ma przestrzeń do inwestycji w ten obszar, to powinna próbować zbudować w swojej organizacji strategię AI - przekonuje Patrycja Sobczyk.

W PKO BP przekonują, że właśnie w tak sposób podchodzą do AI. Bank powołał Biuro Rozwoju Sztucznej Inteligencji. Jego dyrektor, Kamil Konikiewicz wskazuje, że klienci banku już mogą korzystać z pierwszych zastosowań sztucznej inteligencji w PKO BP, takich jak voice boty.

- To m.in. asystent głosowy w aplikacji mobilnej IKO. Jest to najbardziej zaawansowany voice bot na polskim rynku finansowym, rozumie ponad 250 tematów rozmów, m.in. zrobi przelew, sprawdzi stan konta, dokona analizy wydatków i oszczędności. Mamy też bota na infolinii samoobsługowej banku, boty przypominające o zaległościach w spłacie zobowiązań czy boty sprzedażowe. Są też boty do ankiet klienckich i wielu innych zastosowań - np. informacyjnych. Obecnie boty realizują ponad 600 tys. rozmów z naszymi klientami miesięcznie - wylicza Kamil Konkiewicz.

Dodaje, że część zastosowań AI ma też miejsce w bankowym back-office - również w procesach dotyczących klienta, ale w sposób dla niego niewidoczny. Przykładem może być tu proces zakładania konta "na selfie", gdzie w tle algorytmy przetwarzają wniosek wraz z przesłanym wideo oraz selfie i oceniają czy to na pewno ta sama osoba, która jest na dokumencie tożsamości. Dyrektor od AI w PKO BP zapowiada, że lada moment bank wdroży nowe narzędzie, które sprawdzi czy zdjęcie które klient przygotował jest odpowiedniej jakości.

- Mamy też rozwiązania, które automatycznie analizują internetowe recenzje klientów dotyczące działania oddziałów banku czy aplikacji mobilnej. Te narzędzia wyciągają informacje dotyczące tego, co klienci lubią, a czego nie, co oceniają wyżej niż u konkurencji. W efekcie np. nasi koledzy rozbudowujący aplikację mobilną IKO dostają gotowy zestaw rekomendacji i korzystają z tego przy priorytetyzacji dalszych działań rozwojowych aplikacji - wskazuje Kamil Konkiewicz.

Zapewnia, że obecnie bank ma "na tapecie" wiele innych inicjatyw, które już wkrótce ujrzą światło dzienne. Są one związane np. z automatyzacją obsługi maili czy biometrią głosową - w kontekście zadbania o bezpieczeństwo różnych procesów. Do tego dochodzą m.in. rozwiązania dotyczące inteligentnego przetwarzania skanów dokumentów za pomocą algorytmów wizji komputerowej (OCR/Document AI).

Także Marek Lenz, dyrektor Centrum IT w Banku Pekao SA zapewnia, że jego bank intensywnie rozwija  swoje kompetencje w zakresie wykorzystania sztucznej inteligencji (AI).

- Aktualnie prowadzimy szereg przedsięwzięć, których celem jest wdrożenie rozwiązań, umożliwiających przyspieszenie i dalsze podniesienie efektywności m.in. procesów operacyjnych. Należy do nich np. zastosowanie zaawansowanej metody deep learning do analizy tekstu. Pozwala to m.in. na określenie sentymentu wypowiedzi klienta, jej emocjonalnego wydźwięku, a także automatyczną klasyfikację sprawy, z którą się do nas zgłasza, dzięki czemu możliwe jest szybsze przypisanie odpowiedzialności za jej rozwiązanie stosownej jednostce organizacyjnej. Pracujemy także nad rozwojem naszego autorskiego narzędzia do rozpoznawania obrazów oraz analizy dokumentów. Jego działanie jest wzbogacone o modele deep learning do klasyfikacji dokumentów i opiera się o zaawansowaną analitykę pozwalającą na pracę z nieustrukturyzowanymi dokumentami, co nie jest jeszcze standardem na rynku - mówi Marek Lenz.

Podkreśla przy tym, że w Banku Pekao funkcjonuje struktura R&D (Research & Development) stwarzająca optymalne warunki do prowadzenia aktywności na rzecz rozwoju kompetencji praktycznego zastosowania metod sztucznej inteligencji (AI) w liniach biznesowych realizujących procesy CRM (system zarządzania relacjami z klientem) i ryzyka kredytowego. W nieodległej przyszłości bank planuje zaś także zastosowanie sztucznej inteligencji do dalszej automatyzacji procesów.

- Chcielibyśmy w zautomatyzowanych/zrobotyzowanych procesach również zintegrować narzędzia i metody, w tym AI, np. do rozpoznawania tekstu (text mining) czy analizy obrazów  - informuje Marek Lenz.

Przemysław Chojecki, data scientist w Santander Bank Polska zauważa natomiast, że AI nie należy traktować jako wytrychu, który można używać do otwierania każdych drzwi, nawet jeśli taka możliwość istnieje. Podkreśla, że choć  sztuczna inteligencja może wesprzeć każdy obszar działalności biznesowej, to nie  nie zawsze ma to sens z ekonomicznego punktu widzenia. W praktyce stosowanie mechanizmów sztucznej inteligencji do niektórych zagadnień może stanowić przerost formy nad treścią.

- Dlatego w Santander Bank Polska skupiamy się nie tylko na wykorzystaniu sztucznej inteligencji, ale przede wszystkim na identyfikacji obszarów, w których na takich wdrożeniach zyska klient i bank. Dobrze wdrożone rozwiązania, wykorzystujące sztuczną inteligencję, poprawiają doświadczenie klienta, pozostając często niewidoczne. Klasycznie o AI myśli się w perspektywie: znacznie większe wolumeny danych, lepsze modele ryzyka, skłonności do zakupu, kontaktu, chatboty, etc. Jednocześnie analogiczne metody możemy wykorzystać przy tworzeniu rozwiązań poprawiających cyberbezpieczeństwo naszych klientów, ograniczających fraudy, czy też w końcu incydenty AML (przeciwdziałanie praniu pieniędzy). Rosnąca popularność i świadomość rozwiązań z zakresu przetwarzania/rozumienia języka (NPL/NLU) pozwala lepiej poznawać głos klienta (np. badania NPS, reklamacje) i, co ważne - robić to z wykorzystaniem efektu skali. Głos każdego klienta jest ważny, ale prawdziwa moc tkwi w masie - tłumaczy Przemysław Chojecki.
Dodaje, że kolejnym elementem, do którego Santander Bank Polska przykłada dużą wagę, jest przejrzystość modeli.

- Czy jesteśmy w stanie nakreślić jasny profil klienta wynikający z modelu? Czy model jest sprawiedliwy i nie dyskryminuje żadnej grupy? Czy wiemy jak zachowa się model, gdy zmieni się otoczenie (makro, profil klienta, etc.)? W dobie popularności rozwiązań pozwalających stosować gotowe rozwiązania do odkrywania danych i szybkiej budowy wielu modeli, tym bardziej wybija się na pierwszy plan wątek samoświadomości w zakresie ograniczeń i konsekwencji wdrażanych rozwiązań. Choć obecne trendy w AI mogą dawać wrażenie wygody i łatwości wykorzystania, to nic nie zwalnia nas od odpowiedzialności i refleksji czy to, co robimy jest poprawne, zgodne z prawem i przede wszystkim: czy daje wartość dodaną klientowi? Jeżeli chodzi o przyszłość, planujemy kontynuować podróż obecną ścieżką - sama technologia jest narzędziem do realizacji celu, a nie celem samym w sobie - zastrzega Przemysław Chojecki.

Piotr Kowynia, pierwszy wiceprezes zarządu odpowiedzialny za Pion Ryzyka w Nest Banku informuje natomiast, że jego bank od blisko dwóch lat korzysta  ze sztucznej inteligencji w procesach obsługi klienta. Zaprogramowany przez bank  robot inicjuje połączenie z klientem, weryfikuje tożsamość i proponuje możliwe rozwiązania. Może przyjąć lub odrzucić ustalenia z klientem, zaproponować i umówić się na konkretne daty oraz kwoty, a także zapisać wszystkie ustalenia w systemie. Jeżeli klient nie przejdzie weryfikacji pozytywnie wtedy AI połączy z go z konsultantem.

- Poziom zaawansowania tego rozwiązania sprawia, że klienci nawiązują interakcję jakby rozmawiali z człowiekiem. Warto dodać, że głos "robota" jest przyjazny i spokojny, dzięki czemu klienci reagują na niego bardzo pozytywnie. Nieustannie rozszerzamy i rozwijamy rozwiązania oparte na sztucznej inteligencji. W Nest Banku klient jest w centrum wszystkich decyzji i planów. Dlatego na każdym etapie tworzenia rozwiązań przeprowadzamy badania fokusowe, sprawdzamy prototypy, a następnie analizujemy opinie i odczucia przy korzystaniu z naszych usług. W tym zakresie także będziemy wspierać się sztuczną inteligencją, aby jeszcze efektywniej projektować rozwiązania dostosowane do indywidualnych potrzeb naszych klientów - zapewnia Piotr Kowynia.

Większe wykorzystanie AI w procesach bankowych w najbliższych latach zapowiada też Adam Mańka, dyrektor Departamentu Rozwoju Aplikacji w Banku Millennium. Już obecnie jednak bank ten wykorzystuje technologię sztucznej inteligencji w kilku obszarach biznesowych. Na przykład w procesie weryfikacji tożsamości klienta zastosowanie znajduje biblioteka sieci neuronowych do rozpoznawania twarzy. Innym przykładem jest komunikacja z klientami przy pomocy voice bota - bank wykorzystuje tu rozwiązania z dziedziny rozpoznawania intencji oraz prowadzenia dialogu za pośrednictwem głosu. Ale to nie wszystko.

- Przykładowo do przewidywania cen nieruchomości na podstawie jej cech lub skłonności do zakupu na podstawie analizy zespołów danych charakterystycznych dla zachowań konkretnych grup klientów, używamy technologii uczenia maszynowego z wykorzystanie sieci neuronowej. Technologia AI ma ogromny potencjał, dlatego na bieżąco prowadzimy projekty w tym obszarze. W najbliższym czasie chcemy zastosować sztuczną inteligencję w obszarze analizy ryzyka oraz przeciwdziałaniu nadużyciom, a w przyszłym roku rozszerzyć komunikację z klientami przy zastosowaniu technologii voice-bot i czat-bot - mówi Adam Mańka.

W Alior Banku natomiast uruchomiony został projekt Platforma AI, w ramach którego bank wdraża dwa rozwiązania - voice bota InfoNinę oraz platformę do wielopłaszczyznowej analizy danych Speech Analysis.

- InfoNina to voice bot oparty o sztuczną inteligencję, wdrożony na Infolinii na początku tego roku. Jej pierwszym zadaniem było zastąpienie tradycyjnego IVR i umożliwienie klientom wyboru tematyki podczas swobodnej rozmowy. W kolejnych etapach projektu bank uruchomił także procesy informacyjne, w ramach których klienci mogą zadawać wybrane pytania botowi (np. związane z logowaniem do systemów bankowych) i natychmiast otrzymywać odpowiedź, bez konieczności łączenia z konsultantem. W planach jest uruchomienie procesów transakcyjnych, co pozwoli na realizację przez bota najbardziej popularnych dyspozycji klientów, a także udostępnienie chatbota w bankowości mobilnej, internetowej na stronie www oraz w social media - wyjaśnia Monika Reczek, Menedżer ds. Nowych Technologii w Alior Banku.

Zarówno InfoNinę jak i konsultantów telefonicznych w codziennej pracy wspiera nowoczesny system umożliwiający analizę, kategoryzację i kontrolę nagranych rozmów - Speech Analysis, który obok InfoNiny, jest jednym z rozwiązań wdrażanych w ramach projektu Platforma AI. Rozpoznaje on mowę swobodną w nagraniach i przetwarza ją na dane w postaci tekstowej do dalszej analizy. Dzięki wykorzystaniu najnowszych technologii z dziedziny rozpoznawania mowy i uczenia maszynowego Speech Analysis zapewnia wysoką skuteczność transkrypcji mowy, pozwala również na identyfikację trendów i nowych tematów pojawiających się w interakcjach. Pozwoli to na wykorzystanie tych informacji do poprawienia doświadczenia klientów w kontakcie z bankiem. Dodatkowo system pozwala na automatyczne weryfikowanie poprawności i zgodności rozmowy z wymogami banku lub regulatora. Kolejny z elementów systemu umożliwia prezentowanie konsultantowi alertów podczas konwersacji, np.: sugestii sprzedażowych, dobieranych na podstawie analizy dotychczasowego przebiegu rozmowy.

- Dodatkowo bank sukcesywnie rozwija metody i narzędzia w obszarze zarządzania ryzykiem. W ramach funkcjonujących systemów ratingowych wdrażane są innowacje technologiczne zakładające szersze wykorzystanie alternatywnych źródeł danych, wdrażanie algorytmów umożliwiających uzyskanie lepszych prognoz ryzyka oraz efektywność w zakresie wdrożeń. W szczególności bank rozwija środowisko Data Lake zintegrowane z funkcjonalnościami zaawansowanej analityki. W wyniku realizacji prac mamy możliwość  przetwarzania dowolnych zbiorów danych niezależnie od ich struktury, projektowania algorytmów nauki maszynowej oraz integracji zaawansowanych rozwiązań technologicznych w procesy kredytowe - mówi Michał Ziółkowski, dyrektor Działu Rozwoju Modeli w Alior Banku.

Czy wdrożeń AI w polskich bankach w przyszłości będzie więcej? Z deklaracji respondentów raportu Asseco i SME Banking Club wynika, że zapewne tak. Jednak jak wskazują ankietowani przedstawiciel sektora finansowego, kluczowym wyzwaniem w organizacjach związanym z wdrażaniem sztucznej inteligencji jest ich integracja, zarówno z używanymi rozwiązaniami, jak i stosowanymi procesami. Prawie połowa respondentów wskazała ten aspekt, jako największe bądź bardzo duże wyzwanie, z którym się mierzy.

Marek Jaślan