English
Deutsch
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).
Używamy uczenie maszynowe (z głębokim uczeniem i sieciami neuronowymi), między innymi to tworzenie zaawansowanych klasyfikatorów transakcji lub modeli rekomendacji w celu wychwytywania cennych informacji z masy danych których ludzcy analitycy nie mogą dostrzec.
Pod względem biznesowym ML pozwala szybciej dostarczać złożone wyniki analizy danych. Pod względem technologicznym pozwoli nam odejść od kodowania pewnych funkcjonalności i żmudnego tworzenia lub utrzymywania reguł biznesowych na rzecz mechanizmów samouczących się.
Używamy NLP (przetwarzanie języka naturalnego) w celu optymalizacji scenariusza obsługi klienta przez chatbotas. Nie jesteśmy dostawcą technologii platform chatbotowych, ale świadczymy usługi w zakresie ulepszania scenariuszy konwersacyjnych już wdrożonych w branży finansowej.
Na przykład, Wdrożyliśmy PoC (proof-of-concept) do obsługi wniosków kredytowych, gdzie chatbot może prowadzić wielowątkową dyskusję z klientem i odpowiadać na złożone pytania.
Obszar AI obejmuje również analitykę, przewidywanie zachowań klientów końcowych banku, firmy ubezpieczeniowej lub leasingowej.
Analityka danych wymaga optymalnej platformy danych do integracji danych z różnych systemów, zapewnienia jakości i spójności oraz efektywnego działania. Sama platforma danych może być wykorzystywana przez instytucje finansowe nie tylko do analityki, ale może być również źródłem danych w czasie rzeczywistym dla systemów takich jak bankowość internetowa, mobilna i CRM. Bez obciążania systemów źródłowych.
Główną ideą stojącą za AI Banking jest umożliwienie podejmowania natychmiastowych, zdefiniowanych działań w czasie rzeczywistym za każdym razem, gdy klienci wykonują określoną czynność w kanałach cyfrowych banku. Zaawansowana segmentacja klientów pozwala nam przewidywać ich zachowania, takie jak zamiar zakończenia relacji z bankiem. Umożliwia to instytucji podjęcie odpowiednich działań, aby temu zapobiec.
Dostarczamy bankom modele klasyfikacji grup klientów w oparciu o dane historyczne lub zdarzenia w czasie rzeczywistym. Duże banki w mniejszym lub większym stopniu korzystają już z podobnych technologii. Jednak w wielu instytucjach finansowych segmentacja klientów nadal opiera się na parametrach określonych przez analityków.
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?
Oprócz wykorzystania sztucznej inteligencji Obszarem innowacji jest architektura mikrousług. Wszystkie tworzone przez nas rozwiązania są na niej oparte, co wiąże się z wysoką skalowalnością i dużą elastycznością w uruchamianiu ich w różnych środowiskach. Architektura mikroserwisowa jest już popularna w mniejszych organizacjach, gdzie procesy wymiany systemów są stosunkowo proste. Rozwiązanie Ailleron AI Banking zostało zaprojektowane z wykorzystaniem architektury sterowanej zdarzeniami. W związku z tym nie musi stawiać czoła wyzwaniu reagowania na zdarzenia w czasie rzeczywistym, z którym musi się zmierzyć większość istniejących systemów IT.
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
