AI w bankowości i finansach. Stripe, Monzo i Grab | Sztuczna inteligencja w biznesie #78

Usługi finansowe zawsze opierały się na analizie danych w celu podejmowania świadomych decyzji biznesowych w złożonej dziedzinie bankowości. Nic dziwnego, że wraz z nadejściem ery big data i uczenia maszynowego sektor ten chętnie sięgał po nowe technologie, aby usprawnić swoje procesy. Dzięki zdecydowanym wdrożeniom AI w bankowości innowacje już przynoszą bankom wymierne korzyści. Przyjrzyjmy się, jak sztuczna inteligencja wpływa na działalność firm, które z sukcesem ją wykorzystują w sektorze finansowym. Czytaj dalej, aby dowiedzieć się więcej

AI w bankowości – wprowadzenie

Sztuczna inteligencja jest już szeroko stosowana w wielu obszarach sektora bankowego i finansowego. To nie tylko chatboty do obsługi klienta czy dobrze zabezpieczone aplikacje. Sztuczna inteligencja wykorzystywana jest w branży finansowej do jeszcze poważniejszych celów. Oto główne zastosowania AI w bankowości:

• Wykrywanie i zapobieganie oszustwom – zaawansowane algorytmy analizują transakcje w czasie rzeczywistym i wykrywają podejrzane wzorce aktywności. To skutecznie chroni klientów przed oszustwami,
• Optymalizacja prognozowania płynności finansowej – modele predykcyjne oparte na sztucznej inteligencji analizują ogromne ilości danych, aby precyzyjnie przewidywać przyszłe przepływy pieniężne i dokładniej zarządzać płynnością.
• Usprawnienie procesów związanych z oceną zdolności kredytowej – i tutaj z pomocą przychodzą algorytmy uczenia maszynowego, które na podstawie analizy tysięcy wniosków kredytowych potrafią trafnie ocenić wiarygodność finansową klienta,
• Personalizacja ofert i rekomendacji dla klientów – banki wykorzystują zaawansowane modele rekomendacji, aby dostosować produkty finansowe do indywidualnych potrzeb klientów,
• Automatyzacja procesów back-office – rutynowe zadania, takie jak weryfikacja dokumentów czy rozliczanie transakcji, można w pełni zautomatyzować przy pomocy sztucznej inteligencji.

Jak jednak firmy działające na rynkach globalnych poradziły sobie z wdrożeniem tych innowacji?

Stripe: wiarygodność transakcji dzięki sztucznej inteligencji w finansach

Jednym z liderów w zastosowaniu AI w finansach jest Stripe. Opracowała system o nazwie Stripe Radar, który analizuje ponad 1000 cech transakcji w czasie krótszym niż 100 milisekund, aby ocenić jej wiarygodność. System charakteryzuje się dokładnością na poziomie 99,9% przy jednoczesnym zachowaniu niskiego poziomu fałszywych alarmów.

Jak to osiągnięto? Po pierwsze, Stripe wykorzystuje zaawansowane techniki uczenia maszynowego, takie jak głębokie sieci neuronowe. System jest stale udoskonalany i rozwijany o nowe możliwości, takie jak transfer learning.

Po drugie, firma stale poszukuje nowych sygnałów w danych transakcyjnych, które mogą pomóc w identyfikacji anomalii wskazujących na potencjalne oszustwo. Inżynierowie Stripe dokładnie analizują każdy przypadek oszustwa, aby zrozumieć wzorce działania przestępców i wzbogacić system o dodatkowe zasady.

Stripe Radar to doskonały przykład tego, jak sztuczna inteligencja w bankowości może skutecznie chronić klientów przed oszustwami finansowymi.

Źródło: Stripe (https://stripe.com/blog/how-we-built-it-stripe-radar)

Monzo: Sztuczna inteligencja w finansach

Monzo, brytyjski neobank działający wyłącznie w przestrzeni cyfrowej, wykorzystał możliwości uczenia maszynowego w zupełnie innym obszarze: optymalizacji kampanii marketingowych.

Bank zbudował modele, które na podstawie danych historycznych potrafią oszacować chęć danego klienta do skorzystania z dodatkowej oferty, np. otwarcia konta oszczędnościowego, w przypadku otrzymania określonego komunikatu z banku.

Następnie, aby zmaksymalizować efektywność kampanii, system wskazuje, którzy klienci powinni otrzymać jaki przekaz promocyjny. Pozwala to na precyzyjne ukierunkowanie przekazu i osiągnięcie znacznie lepszych efektów niż w przypadku komunikacji masowej, niespersonalizowanej.

W niektórych przypadkach wdrożenie takiej optymalizacji pozwoliło Monzo zwiększyć skuteczność kampanii nawet o 200%! To pokazuje, jak sztuczna inteligencja w bankowości może pomóc w skuteczniejszym docieraniu do klientów dzięki dostosowanym do nich ofertom.

Źródło: Monzo (https://medium.com/data-monzo/optimising-marketing-messages-for-monzo-users-3fe805f24572)

Grab: AI w klasyfikacji danych wrażliwych

Grab to technologiczny gigant z Azji Południowo-Wschodniej oferujący usługi takie jak transport i dostawa. Firma zdecydowała się wykorzystać możliwości modeli językowych (LLM) do zautomatyzowania procesu klasyfikacji przechowywanych danych wrażliwych. Jest to o tyle istotne, że firma przechowuje dane osobowe i finansowe swoich klientów.

W tym celu przygotowano zestaw tagów opisujących różne kategorie danych, takie jak:

• Dane osobiste,
• Informacje kontaktowe,
• Numery identyfikacyjne.

Następnie zaprojektowano odpowiednie zapytania do modelu języka, aby automatycznie przypisywały te znaczniki na podstawie nazw tabel i kolumn w bazach danych.

W rezultacie Grab może znacznie szybciej i taniej klasyfikować przechowywane informacje według wrażliwości. Ułatwia to egzekwowanie polityki dostępu do danych i prywatności. Według szacunków firmy rozwiązanie pozwoliło zaoszczędzić aż 360 dni roboczych w roku, które wcześniej przeznaczano na ręczną klasyfikację danych.

Źródło: DALL·E 3, podpowiedź: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Streszczenie. Przyszłość AI w bankowości i finansach

Jak pokazują przykłady Stripe, Monzo czy Grab, sztuczna inteligencja już dostarcza bankom i instytucjom finansowym realną wartość biznesową. Może pomóc skuteczniej zapobiegać oszustwom, precyzyjniej docierać do klientów lub automatyzować żmudne zadania.

W nadchodzących latach rola AI w bankowości będzie stale rosła. Możemy spodziewać się pełnej automatyzacji wielu procesów back-office, hiperpersonalizacji produktów finansowych i ściślejszej integracji modeli uczenia maszynowego z systemami bankowymi.

Jeśli podobają Ci się nasze treści, dołącz do naszej społeczności pracowitych pszczół na Facebooku, Twitterze, LinkedIn, Instagramie, YouTube, Pinterest i TikTok.

Autor: Robert Whitney

Ekspert JavaScriptu i instruktor, który szkoli działy IT. Jego głównym celem jest podnoszenie produktywności zespołu poprzez uczenie innych, jak efektywnie współpracować podczas kodowania.

Zobacz wszystkie posty

Sztuczna inteligencja w biznesie:

1. Zagrożenia i szanse AI w biznesie (część 1)
2. Zagrożenia i szanse AI w biznesie (część 2)
3. Zastosowania AI w biznesie – przegląd
4. Chatboty tekstowe wspomagane sztuczną inteligencją
5. Biznesowe NLP dziś i jutro
6. Rola AI w podejmowaniu decyzji biznesowych
7. Planowanie postów w mediach społecznościowych. Jak sztuczna inteligencja może pomóc?
8. Zautomatyzowane posty w mediach społecznościowych
9. Nowe usługi i produkty współpracujące z AI
10. Jakie są słabe strony mojego pomysłu na biznes? Sesja burzy mózgów z ChatGPT
11. Korzystanie z ChatGPT w biznesie
12. Aktorzy syntetyczni. 3 najlepsze generatory wideo AI
13. 3 przydatne narzędzia do projektowania graficznego AI. Generatywna sztuczna inteligencja w biznesie
14. 3 niesamowitych autorów AI, których musisz dziś wypróbować
15. Odkrywanie mocy sztucznej inteligencji w tworzeniu muzyki
16. Poruszanie się po nowych możliwościach biznesowych dzięki ChatGPT-4
17. Narzędzia AI dla menedżera
18. 6 niesamowitych wtyczek ChatGTP, które ułatwią Ci życie
19. 3 grafików AI. Generatywna sztuczna inteligencja dla biznesu
20. Jaka przyszłość czeka sztuczną inteligencję według McKinsey Global Institute?
21. Sztuczna inteligencja w biznesie - Wprowadzenie
22. Czym jest NLP, czyli przetwarzanie języka naturalnego w biznesie
23. Automatyczne przetwarzanie dokumentów
24. Tłumacz Google kontra DeepL. 5 zastosowań tłumaczenia maszynowego w biznesie
25. Działanie i zastosowania biznesowe robotów głosowych
26. Technologia wirtualnego asystenta, czyli jak rozmawiać z AI?
27. Czym jest inteligencja biznesowa?
28. Czy sztuczna inteligencja zastąpi analityków biznesowych?
29. Jak sztuczna inteligencja może pomóc w BPM?
30. AI i media społecznościowe – co o nas mówią?
31. Sztuczna inteligencja w zarządzaniu treścią
32. Kreatywna sztuczna inteligencja dziś i jutro
33. Multimodalna sztuczna inteligencja i jej zastosowania w biznesie
34. Nowe interakcje. Jak sztuczna inteligencja zmienia sposób, w jaki obsługujemy urządzenia?
35. RPA i API w cyfrowej firmie
36. Przyszły rynek pracy i nadchodzące zawody
37. Sztuczna inteligencja w EdTech. 3 przykłady firm, które wykorzystały potencjał sztucznej inteligencji
38. Sztuczna inteligencja i środowisko. 3 rozwiązania AI, które pomogą Ci zbudować zrównoważony biznes
39. Detektory treści AI. Czy są tego warte?
40. ChatGPT kontra Bard kontra Bing. Który chatbot AI prowadzi w wyścigu?
41. Czy sztuczna inteligencja chatbota jest konkurencją dla wyszukiwarki Google?
42. Skuteczne podpowiedzi ChatGPT dla HR i rekrutacji
43. Szybka inżynieria. Co robi szybki inżynier?
44. Generator makiet AI. 4 najlepsze narzędzia
45. AI i co jeszcze? Najważniejsze trendy technologiczne dla biznesu w 2024 roku
46. Sztuczna inteligencja i etyka biznesu. Dlaczego warto inwestować w etyczne rozwiązania
47. Metasztuczna sztuczna inteligencja. Co warto wiedzieć o funkcjach Facebooka i Instagrama wspieranych przez sztuczną inteligencję?
48. Regulacja AI. Co musisz wiedzieć jako przedsiębiorca?
49. 5 nowych zastosowań AI w biznesie
50. Produkty i projekty AI – czym różnią się od innych?
51. Automatyzacja procesów wspomagana sztuczną inteligencją. Gdzie zacząć?
52. Jak dopasować rozwiązanie AI do problemu biznesowego?
53. AI jako ekspert w Twoim zespole
54. Zespół AI a podział ról
55. Jak wybrać kierunek kariery w AI?
56. Czy zawsze warto dodawać sztuczną inteligencję do procesu rozwoju produktu?
57. AI w HR: Jak automatyzacja rekrutacji wpływa na rozwój HR i zespołu
58. 6 najciekawszych narzędzi AI w 2023 roku
59. 6 największych wpadek biznesowych spowodowanych przez sztuczną inteligencję
60. Jaka jest analiza dojrzałości AI firmy?
61. AI do personalizacji B2B
62. Przypadki użycia ChatGPT. 18 przykładów tego, jak ulepszyć swój biznes dzięki ChatGPT w 2024 r
63. Mikrouczenie się. Szybki sposób na zdobycie nowych umiejętności
64. Najciekawsze wdrożenia AI w firmach w 2024 roku
65. Czym zajmują się specjaliści od sztucznej inteligencji?
66. Jakie wyzwania niesie ze sobą projekt AI?
67. 8 najlepszych narzędzi AI dla biznesu w 2024 roku
68. Sztuczna inteligencja w CRM. Co AI zmienia w narzędziach CRM?
69. Ustawa UE o sztucznej inteligencji. W jaki sposób Europa reguluje wykorzystanie sztucznej inteligencji
70. Sora. Jak realistyczne filmy z OpenAI zmienią biznes?
71. 7 najlepszych twórców stron AI
72. Narzędzia niewymagające kodu i innowacje AI
73. Jak bardzo wykorzystanie AI zwiększa produktywność Twojego zespołu?
74. Jak wykorzystać ChatGTP do badań rynku?
75. Jak poszerzyć zasięg swojej kampanii marketingowej AI?
76. „Wszyscy jesteśmy programistami”. W jaki sposób programiści obywatelscy mogą pomóc Twojej firmie?
77. AI w transporcie i logistyce
78. Jakie problemy biznesowe może naprawić sztuczna inteligencja?
79. Sztuczna inteligencja w mediach
80. AI w bankowości i finansach. Stripe, Monzo i Grab