Jakie usługi i rozwiązania IT są dziś najczęściej wybierane przez klientów w branży finansowej?

Maciej Kasprzak, General Manager Financial Technology Services: Wszystko zależy od naszego klienta. Jeżeli mówimy o dużych bankach, to zazwyczaj szukają uzupełnienia usług IT, natomiast w obszarach bardzo innowacyjnych są nastawione na zakup gotowych produktów digital banking. A to dlatego, że w tych przypadkach są jeszcze na etapie rozpoznania technologii czy danego obszaru i siłą rzeczy szukają na rynku rozwiązania, które mogłoby ewentualnie zaadresować ich potrzeby.

Mniejsze organizacje, są skłonne do zakupu gotowych rozwiązań, gdyż nie chcą budować miesiącami albo nawet latami, złożonych narzędzi. Zwracają się więc właśnie do firm takich jak nasza i szukają gotowych komponentów, ewentualnie konkretnych kompetencji. Starają się w ten sposób nadrobić dystans technologiczny i biznesowy do liderów rynku oraz stawiają na doświadczenie dostawcy, zdobyte w projektach realizowanych właśnie dla liderów.

Jakie technologie informatyczne, stosowane w Ailleron, określiłbyś mianem innowacyjnych?

 Dobrym przykładem są AI Banking oraz obszar związany z analityką danych, czyli data platform. Te systemy zbierają dane z różnych źródeł w czasie rzeczywistym i za pomocą zaawansowanych algorytmów lub modeli uczenia maszynowego są w stanie wnioskować na podstawie zgromadzonych informacji.

Sztuczna inteligencja przez długi czas była pustym hasłem, za którym nie szło praktyczne zastosowanie w biznesie. Uczenie maszynowe, deep learning wykorzystywane były sporadycznie i w wąskich specjalizacjach. W sektorze finansowym i w bankach z tą technologią eksperymentowały bardzo innowacyjne komórki oraz działy IT, np. w zakresie wykrywania nadużyć finansowych, czy też zarządzania ryzykiem. W Ailleron, w obszarze AI, zajęliśmy się technologiami ML (machine learning), NLP (natural language processing) oraz DL (deep learning).

We use machine learning (with deep learning and neural networks), among others, to create advanced transaction classifiers or recommendation models to capture valuable information from the mass of data that human analysts cannot perceive.

In terms of business, ML allows you to deliver complex data analysis results faster. In terms of technology, it will enable us to move away from coding certain functionalities and tedious creation or maintenance of business rules in favour of self-learning mechanisms.

We use NLP (natural language processing) to optimise chatbot customer service scenarios. We are not a chatbot platforms technology provider, but we provide services to improve conversational scenarios already implemented in the financial industry.

For example, we have implemented PoC (proof-of-concept) for handling credit applications,  where the chatbot can conduct a multithreaded discussion with the customer and answer complex questions.

The AI area also includes analytics, predicting the behaviour of end customers of a bank, insurance, or leasing company.

Data analytics requires an optimal Data Platform to integrate data from various systems, ensure quality and consistency, and operate effectively. The Data Platform itself can be used by financial institutions not just for analytics, but it can also be the source of real-time data for systems such as online banking, mobile and CRM. Without burdening the source systems.

The main idea behind AI Banking is making it possible to take immediate, defined, real-time action each time customers performs a specific activity in the bank’s digital channels. Advanced customer segmentation allows us to predict their behaviour, such as the intention to end a relationship with the bank. It enables the institution to take adequate measures to prevent it.

We provide banks with models for classifying customer groups based on historical data or real-time events. Large banks already use similar technologies to a greater or lesser extent. However, in many financial institutions, customer segmentation is still based on parameters set by analysts.

ML pozwala w takim przypadku na analizę pełnego spektrum danych i wychwycenia zależności nieosiągalnych dla umysłu ludzkiego. Pracujemy obecnie również nad wykorzystaniem grafowych baz danych to przeprowadzania analiz wielowymiarowych (Graph ML).

Czy klienci Ailleron korzystają już z produktów i usług w chmurze?

Nasze rozwiązania tworzymy w oparciu o dojrzałe podejście do chmury-cloud native, czyli aplikacje muszą być przygotowane do uruchomienia na platformach chmurowych Google, Microsoftu, AWS czy też innego dostawcy. Ze względu na specyfikę i regulacje sektora finansowego, dopasowujemy się jednak do preferencji naszych klientów w zakresie „uchmurowienia”.

Masz ogromne doświadczenie przy współpracy z różnorodnymi klientami z bankowości detalicznej i korporacyjnej. Jakie trendy według Ciebie dominują w bankowości?

Apart from AI usage, another area of innovation is microservices architecture. All the solutions we create are based on it, which entails high scalability and great flexibility in launching them in various environments. The microservice architecture is already popular in smaller organizations where system replacement processes are relatively simple. Ailleron’s AI Banking solution is designed using an event-driven architecture. Therefore, it doesn’t have to face the challenge of real-time response to events that most existing IT systems must face.

Co jeszcze? Zaawansowana gamifikacja, która już dotarła do bankowości i widzimy ją zwłaszcza w bankowości dla najmłodszej generacji klientów. Autorzy tych rozwiązań starają się wpłynąć na wzrost przywiązania użytkowników do aplikacji mobilnej i zbudować unikalne Customer Experience.

W rozwoju tego trendu również pomocny będzie machine learning, który umożliwi personalizację pod konkretnego użytkownika. Będzie to jeden z przykładów odejścia od stosowania typowych reguł biznesowych na korzyść zrozumienia przyzwyczajeń użytkowników i “serwowania” hiperpersonalizowanej komunikacji.

Generalnie rynek czeka dalsza automatyzacja procesów i wdrożenia zaawansowanej analityki danych w celu umiejętnego wnioskowania z nich.

Zanim to nastąpi, sektor finansowy czekają inwestycje w odświeżenie i przebudowę stosów technologicznych oraz – co najważniejsze – budowa skalowalnych, efektywnych platform danych. To są podstawy do zbudowania, zanim wejdziemy w świat personalizowanej komunikacji. W Ailleron mamy przyjemność wspierać instytucje finansowe we wszystkich tych obszarach.

Przeczytaj drugą część naszego wywiadu tutaj

Udostępnij w social mediach

Sztuczna inteligencja i uczenie maszynowe w bankowości

Sztuczna inteligencja szturmem zdobywa wszystkie branże. Słusznie, ponieważ oferuje szeroki wachlarz zupełnie nowych możliwości. Jednak wiele instytucji wciąż nie chce przyjąć do wiadomości, że takie technologie nie są krótkotrwałymi trendami. W rzeczywistości są one dostępne już od jakiegoś czasu - teraz po prostu zasługują na większą uwagę niż kiedykolwiek wcześniej.

Czytaj więcej
abstract lines

Razem stwórzmy łatwe
i przyjemne doświadczenia finansowe!

Powiedz nam, czego potrzebujesz, a my się z Tobą skontaktujemy.

Powiedz nam, czego potrzebujesz, a my się z Tobą skontaktujemy.