A mesterséges intelligencia terén a pénzintézetek érdeklődése korábban a chatbotokra korlátozódott. Napjainkra viszont már egyre több területen alkalmazzák a gépi tanulást. Összegyűjtöttük az újabb példákat.

JP Morgan: csalásfelderítés, működési hatákonyság

A gépi tanulás (machine learning) az élő munkaigényes, jól definiálható szabályokon alapuló feladatok teljesítésében mutat ígéretes eredményeket. Ilyen terület például a szerződések adatainak összegyűjtése, elemzése, az eredmények vizualizálása. Az emberi beavatkozás nélküli adatgyűjtés, a szerződések automatizált vizsgálata növelik a működés hatékonyságát, kiküszöbölik az emberi hiba lehetőségét. A valós idejű adatokat is feldolgozni képes prediktív elemzések pedig segítik a döntések megalapozását.

A JP Morgan a csalásfelderítés, a csalásmegelőzés, illetve a kibertámadások elleni védekezésben is használja a mesterséges intelligenciát. Legújabb kutatási területük a robotika és a gépi tanulás kombinációjával az arcmimika elemzése és abból a várható ügyfélreakciók feltérképezése.

Wells Fargo: pénzügyi tudatosság fejlesztése, valós idejű döntéstámogatás

A chatbotok, a virtuális asszisztensek képesek egy időben nagytömegű ügyfelet kiszolgálni, az ügyfélszolgálati kommunikációt gyorsabbá tenni és a kommunikáció során gyűjtött adatokat azonnal feldolgozni, hogy a bank testre szabott ajánlattal „lephesse meg” ügyfeleit.

A Wells Fargo banknál a mesterséges intelligencia fejlesztések fókuszába a pénzügyi tudatosság növelése is bekerült. Ennek keretében elemzik az ügyfelek múltbeli – és a beütemezett jövőbeli – számlatranzakcióit, amelyek alapján 50 különböző esetben küld figyelmeztetést és „pénztárca-barát” javaslatot.

A Facebook Messengeren a banki chatbot figyelmezteti az ügyfelet, ha a csoportos beszedés meghaladja a szokásos összeget. Amennyiben az ügyfél költései – az asszisztens számításai alapján – előreláthatóan a hó végére kimerítik a folyószámlahitel keretet, akkor javaslatot tesz a megtakarítások optimális felhasználására. Ugyanakkor, ha a hónap végén a szokásosnál nagyobb pénzösszeg marad az ügyfél számláján, akkor személyre szabott megtakarítási lehetőségekkel áll elő a robot.

Bank of America: helyes döntések a mindennapi pénzügyekben

A bank 2018 márciusában vezette be 25 millió ügyfele számára a virtuális személyi asszisztenst, amit júniusra már több mint 1 millióan használták napi szinten.

A felhasználók a bank mobilbanki alkalmazásában hanggal, szövegesen és kézmozgással is kérdezhetnek Erica-tól. Az asszisztens – a szokásos tájékoztató funkciók mellett – a felhasználók pénzügyi döntéseit segíti a múltbeli tranzakcióik és vásárlási szokásaik elemzésével, de arra is felhívja a figyelmet, hogyan lehet a hitelkártya büntető kamatait elkerülni. Megmutatja továbbá az aktuális hitelképességünket és ha szükséges, akkor javaslatokat fogalmaz meg annak javítására.

Előzetesen tájékoztatja az ügyfeleket a várható számlafizetési kötelezettségeikről, és segít – a felhasználó likviditásának megfelelően – azok befizetésében. Megtakarítási és befektetési tanácsokat kínál, ha előretekintő elemzése ezt célszerűnek látja.

Citi: biztonságos pénzügyek

A Citibank az online fizetések során előforduló csalás kísérletek megelőzésére prediktív adatelemzéssel foglalkozó fintech cég, a Feedzai megoldását használja. A Feedzai megoldásait kifejezetten a banki, e-kereskedelmi területeken előforduló csalások valós idejű felderítésére fejlesztette ki.

A cég megoldása elemzi a tranzakciókat és a vásárlók folyószámlája feletti irányítás átvételét célzó támadásokat. A Feedzai megkülönböztető értéke, hogy nem csupán megakadályozza a csalásokat, hanem a feltárt csalási kísérletről az érintett felhasználót azonnal, az általa választott digitális csatornán, az adott szegmens számára érthető nyelven tájékoztatja. Az érthető kommunikáció hitvallásuk szerint elősegíti a felhasználók bizalmát, segíti a pénzügyeik intézésében a felhasználók magabiztosságának kialakulását.