איך תשנה בינה מלאכותית את ענף הבנקאות?

בינה מלאכותית ולמידת מכונה הם מהנושאים החמים ביותר בעולם הפיננסי בשנים האחרונות. על ידי אימוץ פתרונות חכמים, חברות זוכות ליתרון תחרותי עצום כדי להתמודד עם הנוף המשתנה בתעשייה. השימוש בטכנולוגיות אלו מספק הבנה מעמיקה יותר של צרכי הלקוח, מעצים תהליכים עסקיים ומאפשר לחברות לייעל ולשפר במהירות את היצע השוק שלהן עבור העולם המשתנה.

ישנו ביקוש גבוה ליישום של טכנולוגיות למידת מכונה ובינה מלאכותית כמעט בכל התעשיות. על פי התחזיות, שוק הבינה המלאכותית העולמית יגדל במהירות בשנים הקרובות, ויגיע עד ל- 126 מיליארד דולר עד 2025, כאשר חלק משמעותי מהגידול בו יהיה בתחום הפיננסים.

הדיגיטציה המוגברת של שירותים פיננסים בכלל, לצד מגיפת הקורונה בפרט, הגבירו את הצורך במתן שירותים המופעלים באמצעות בינה מלאכותית. המשמעות היא שבשנים הקרובות הלקוחות יצפו לשירותים פיננסיים מהירים ופונקציונליים שמבוססים על טכנולוגיות אלו בצורה מותאמת אישית לצרכיהם.

הבנקים התאימו את צורת התקשורת עם הלקוחות שלהם בשנים האחרונות לאמצעים דיגיטליים בצורת צ'אט ומייל ונדרשו להגדיל משמעותית את מוקדי השירות הנותנים מענה באמצעי תקשורת אלו. מוקדי שירות אנושים אלו נדרשו לטפל בכמות עצומה של פניות לקוחות, להבין את מהותה של כל פנייה ולהיעזר במערכות ניהול ידע ארגוניים למתן פתרונות ללקוחות.

שלומי כהן, ממונה על מידע ואנלטיקה בחטיבת החדשנות והאסטרטגיה בנק הפועלים | צילום: אביב גוטליב

על-מנת להתמודד עם השינוי בצורת התקשורת של הלקוחות באופן מהיר ומדויק התגבר השימוש בצ'אטבוטים (צ'אט שמופעל ע"י רובוט חכם ומדמה שיחה אנושית) בתעשייה הפיננסית.

צ'אטבוטים אלו מתבססים על בינה מלאכותית שלומדת את השפה הטבעית (NLP) של הלקוחות בעת הפנייה, בוחנת עשרות מיליוני פניות שבוצעו בעבר ואת המענה המוצלח שניתן להן, ומייצרת מאגר של תובנות ופתרונות לכל לקוח בצורה אישית ובזמינות מלאה בכל שעות היום.

הבינה המלאכותית יודעת לחקות את הבינה האנושית שהופעלה במוקדי השירות לאורך השנים, ממשיכה להתאים עצמה בכל מתן מענה מוצלח ללקוח ובכך משפרת את חווית הלקוח בערוצי התקשורת הדיגיטליים.

Bank of America שהשיק צ'אטבוט לפני מספר שנים, חווה גידול עצום בשימושים במהלך הרבעון הראשון של 2021 כתוצאה מתחילת תקופה מגפת הקורונה. ברבעון הראשון טופלו באמצעות הצ'אטבוט מעל ל- 100 מיליון פניות שמתבססות על טכנולוגיית בינה מלאכותית וללא מעורבות אנושית.

ככל שהלקוחות פועלים בצורה מוגברת בעולם הדיגיטלי בביצוע הפעולות הבנקאיות שלהם ובקבלת שירות, כך פוחת הקשר האנושי, כמו גם היכולת לזהות ולחזות את צורכי הלקוחות, לרבות זיהוי לקוחות ששביעות רצונם מהבנק יורדת והם מתכוונים לעזוב.

השימוש בלמידת מכונה ובשיטות מתקדמות של Anamoly Detection, מאפשרים לזהות דפוסי התנהגות חריגים של כל לקוח, לחזות לקוחות שעתידים לנטוש את הבנק ולפעול פרואקטיבית מולם במתן פתרונות שירותיים לחיזוק מערכת היחסים ולשימור הלקוח בצורה מיטבית ובזמן.

לצד זאת, למידת המכונה מאפשרת לבחון כמות עצומה של נתונים מהערוצים הפיזיים והדיגיטליים כדי לבצע התאמה נכונה בין המוצרים והשירותים של הבנק לבין הצורך הפרסונלי של כל לקוח בזמן הנכון. טכנולוגיה זו מאפשרת לחזות את הצרכים העתידים של הלקוחות ולא רק לתת מענה לאירוע שכבר התרחש.

לדוגמא, בעבר זיהו לקוחות שחורגים ממסגרת האשראי רגע אחרי שהאירוע התרחש. היום באמצעות לימוד מכונה של דפוסי ההתנהגות של כל לקוח לאורך שנים, ניתן לחזות מראש אם צפויה ללקוח חריגה כדי לתת לו מענה מוקדם לצורך שעתיד להתהוות ובכך להעצים את חווית השירות שלו, מכך שהבנק מכיר את צרכיו באופן עמוק.

ההתפתחות המואצת של טכנולוגיות הענן וכלים לאוטומציה של בינה מלאכותית מאפשרים לכל התעשייה הפיננסית לשפר בצורה מהירה ודרמטית את השירות ללקוחות באמצעות חיזוי הצרכים והתאמות המוצרים עבורם. בנקים שלא ישכילו לאמץ טכנולוגיות אלו בעידן הדיגיטלי לא יצליח לעמוד בציפיות הלקוחות ויפגעו בצורה משמעותית.

עם זאת, חשוב להבין שעל מנת לייצר ערך מהשימוש בטכנולוגיות אלו נדרשת תוכנית אסטרטגית מקיפה שכוללת התאמות במודל ההפעלה של הטאלנטים בתחום, השקעות נרחבות בתשתיות מידע ואנליטיקה מתקדמות ויישום מדורג של תרחישים עיסקיים מוכווני ערך לקוח המתבססים על בינה מלאכותית.

שלומי כהן ממונה על מידע ואנלטיקה בחטיבת החדשנות והאסטרטגיה, בנק הפועלים