Jak boty zmieniają codzienną bankowość?

Nowoczesne technologie usprawniają kontakt klienta z bankiem. Dotychczas, aby zmienić limit wypłat, odblokować serwis czy dowiedzieć się czegoś na temat operacji na karcie, należało skontaktować się z doradcą. Obecnie z takimi zagadnieniami świetnie radzą sobie boty wykorzystujące sztuczną inteligencję. Jak działają takie rozwiązania i dlaczego cieszą się coraz większą popularnością?

Stosowane dziś boty korzystają ze sztucznej inteligencji między innymi do rozumienia języka naturalnego. Posługują się określeniami, których używają klienci – na przykład konto zamiast rachunek bankowy, strona lub portal zamiast e-bank. Bez korporacyjnych zwrotów i skomplikowanych nazw. Są w stanie zinterpretować intencje dzwoniącego. Dzięki temu mogą zadać odpowiednie pytania i zrozumieć daną sprawę. 

Jak boty uczą się rozpoznawać intencje rozmówcy?

Pierwszym krokiem jest zebranie zestawu danych, które reprezentują typowe wypowiedzi użytkowników. Następnie części tych danych należy przypisać odpowiednią intencję. Opracowane w ten sposób dane są przetwarzane przez algorytmy, co pozwala uzyskać reprezentację tekstu w formie liczbowej. W ostatnim etapie trenuje się model uczenia maszynowego. Na podstawie przykładów bot nauczy się odpowiednio przypisywać intencje do wypowiedzi użytkowników.

W zależności od wielkości i poziomu skomplikowania modelu, sam proces trenowania bota trwa od kilku minut do godziny. Najbardziej czasochłonne zadania realizowane są jednak przed treningiem – konieczne jest opracowanie strategii dialogowych oraz zebranie odpowiednich danych treningowych.

– Przetwarzanie języka naturalnego jest wielowątkowym problemem, a język z obszaru bankowości wprowadza dodatkowe, specyficzne wyzwania. Wśród przykładów zagadnień, z którymi my się mierzyliśmy, moglibyśmy wymienić np. opracowanie sposobu rozpoznawania wartości liczbowych (takich jak np. numer rachunku), które w języku mówionym mogą być wyrażane na wiele różnych sposobów, czy stworzenie modelu, który byłby w stanie rozróżniać semantycznie podobne intencje – tłumaczy Halina Zając, Manager Transformacji Bankowości Detalicznej z Credit Agricole.

Boty potrafią identyfikować rozmówców

Boty potrafią więc identyfikować swoich rozmówców po numerze klienta i dodatkowych pytaniach. W czym mogą pomóc? Poinformują o stanie konta czy prowadzonych na nim operacjach, odblokują serwis, zmienią telekod czy limity. Jeżeli z kolei nie rozwiążą sprawy, przekierowują do odpowiedniego doradcy. To również ma swoje plusy – konsultant banku nie pyta ponownie o weryfikację tożsamości czy powód połączenia, ponieważ wszystkie informacje uzyskał już od bota. – Największym wyzwaniem było jednak opracowanie systemu, który umożliwiałby ciągły, iteracyjny rozwój kompetencji bota. Dzięki temu możemy nie tylko rozszerzać zestaw tematów, w których automatyczny asystent pomaga naszym klientom, ale także douczać bota, tak aby wraz z napływem danych z nowych rozmów skuteczniej rozpoznawał intencje użytkowników – dodaje Zając.

Boty rozumieją ponad 90 proc. intencji klientów

To rozwiązanie, które przede wszystkim usprawnia obsługę. Klienci nie muszą już iść do banku i są w stanie załatwić sprawy w dowolnym momencie. Z kolei banki korzystają na odciążeniu doradców i tym samym podniesieniu efektywności obsługi.

– Skuteczność rozpoznawania intencji i działania naszego bota obsługującego infolinię wyróżnia się na tle rozwiązań innych banków w Polsce. Obecnie ponad 90% zapytań, z jakimi zgłasza się klient, jest prawidłowo rozpoznawana i kierowana do doradców zajmujących się danym zagadnieniem. W rezultacie znacząco skraca to czas załatwienia danej sprawy na infolinii. Wdrażamy też intensywnie serwisy obsługowe, w których klient może samodzielnie załatwić sprawę, z którą dzwoni – tłumaczy Halina Zając.

Boty oparte są na sztucznej inteligencji, dzięki czemu nieustannie się uczą i mogą wchodzić w interakcję z rozmówcami. We wspomnianym bocie stosowanym przez Credit Agricole wykorzystywane są różne elementy AI. Komponent ASR (automatycznego rozpoznawania mowy) przetwarza mowę na tekst, dzięki czemu możliwe jest dalsze przetwarzanie wypowiedzi użytkowników. Komponent NLU (rozumienia języka naturalnego) odpowiada za rozpoznawanie intencji. Silnik dialogowy zbiera, integruje oraz inteligentnie wykorzystuje informacje nadchodzące z różnych komponentów, aby przetworzyć wypowiedź użytkownika i wygenerować odpowiedź. Wreszcie, komponent TTS (text-to-speech) przekłada odpowiedzi bota z formy tekstowej na mowę, którą użytkownicy słyszą w słuchawce.

Popularność AI w bankowości będzie rosła

Sztuczna inteligencja jest wykorzystywana w bankowości na różne sposoby – między innymi do obsługi klientów, personalizacji ofert, optymalizacji wewnętrznych procesów, doradztwa kredytowego, tworzenia prognoz i planów inwestycyjnych, a także uwierzytelniania i weryfikacji transakcji. Dzięki temu bankowość jest bezpieczna, a procesy i kontakt klienta z bankiem sprawniejsze. Procesy realizowane przez bota, w których przetwarzane są dane klientów podlegają monitorowaniu. Część danych szczególnych, np. te wymagane do uwierzytelnienia klienta, podlegają anonimizacji i nie są możliwe do odtworzenia w żadnym systemie bankowym.

Automatyzacja, szczególnie w zakresie obsługi klienta, wciąż postępuje. Rośnie liczba inteligentnych systemów wdrażanych np. w centrach obsługi, dzięki czemu konsultanci mogą szybciej i sprawniej obsługiwać skomplikowane przypadki, z którymi nie radzą sobie jeszcze asystenci AI.

Duże zainteresowanie w branży wywołały także duże modele językowe (LLM) takie jak GPT, Llama czy PaLM. Pierwsze rozwiązania oparte na modelach najnowszej generacji już się pojawiają. Wnioskując po możliwościach, które oferują, ich popularność będzie wzrastać.