Årets Gartner Hype Cycle visade att förväntningarna kring Artificiell Intelligens teknik hade nått sin kulmen, och maskininlärning och Djupt Lärande skulle bli mainstream i 2 till 5 år. Undersökning efter undersökning, inklusive en som Infosys beställde en för några månader sedan, visar en allmän insikt om vikten av AI. Men när det kommer till deras AI visioner och vägen till det, de företag som är mindre säker.
Följande checklista kan hjälpa banker och andra organisationer börjar sin resa till AI antagande.
Säkra stöd från högsta ledningen
Vår undersökning visar att de 3 bästa förarna för AI-utvecklingen i företagen fanns en strävan efter konkurrensfördel, stöd för verkställande ledning, och ett sökande efter en lösning på ett företag, tekniska eller operativa problem. Eftersom dessa normalt toppen driven, bankens ledning måste också vara beredd att åta sig den nödvändiga (betydande) resurser, och ägna nyckelpersoner för att ta ansvar för AI agenda. Att identifiera en passionerad ägare är nyckeln till framsteg.
Montera en diversifierad grupp
Varje bank är olika, och kommer därför att ha en annan vision av sin framtid med AI. Efter att ha ställt ut sin vision, kommer banken att behöva inre och yttre lag med en blandning av affärs-och teknik och förmåga att ta fram det. Ett viktigt nästa steg är att bedöma den interna beredskap mäts genom närvaron av en stark data analytics foundation, rätt teknisk kompetens och framgång i att driftsätta och integrera ny teknik.
Plocka AI teknik av intresse
AI är inte en teknik, utan många. Maskinen Lärande, Djupt Lärande, Behandling av Naturligt Språk, Natural Language Generation, och Visuell Igenkänning är dess främsta byggstenar. Eftersom varje teknik uppnår olika saker, banken behöver för att välja rätt.
Banken kan använda maskinen lärande i ett mycket brett utbud av funktioner, från kundservice till riskhantering. Djupt lärande är en delmängd av maskininlärning, som använder sin artificiella neurala nätverk för att efterlikna den mänskliga hjärnan för att bygga icke-linjära analyser. Djupt lärande finner också en bred tillämpning i bank. Det kan till exempel förhindra bedrägerier genom att studera beteenden, gräva nya affärsmöjligheter genom att identifiera konsumenternas preferenser baserat på sociala medier verksamhet, och fatta bättre beslut. Tillämpningar av natural language processing (NLP) har automatisk summarisation och svara, översättning, tal eller enhet erkännande, relation utvinning, text mining, och sentiment analys.
För en bank, en av de mest intressanta användningar av NLP är chatbot eller virtuell assistent, flera banker använder det för att anpassa innehåll, att stödja kunder, och att lösa frågor. Natural language generation teknik används för att kombinera data från flera källor och kommunicera det tillbaka till människor i ett lättförståeligt format. Kund/ företag user-inför-program är den primära mottagarna av GULDEN. Amelia, en kognitiv agent, som omvandlar bank-erfarenhet för kunder med henne intelligent konversation, är ett bra exempel. Bankerna är att utnyttja Visuella Erkännande för att minska friktionen i användarens upplevelse.
Westpac, till exempel, använder det för att ge kunderna möjlighet att aktivera ett nytt kort, medan Santander och ABSA Bank är bland dem som använder tekniken för att autentisera dokument. En mycket populär tjänst, nämligen, remote in insättning via mobilen, är också baserad på AR-tekniken.
När banken bestämmer vilket AI-tekniker för att använda den behöver för att utveckla nödvändig kompetens genom att utbilda människor på jobbet, eller att söka hjälp av en extern partner.
Välj rätt användningsfall
Nu banken måste identifiera AI företag fall kommer det att fortsätta. Det är en bra idé att plocka dem som ger snabba vinster och testa dem internt innan du tar dem offentliga. ICICI Bank är ett exempel på detta: det började med att automatisera 200 affärsprocesser för att få snabba resultat och planerar nu att ramp upp till 500.
Medan en bank kan välja att följa vissa punkter på den här listan och strunta i resten, är det en sak man inte kan göra är att hänga runt. En tidig start på AI kommer att ge värdefull konkurrensfördel och mer tid att lära vis-à-vis AI-system av andra banker. Det är inte att ta lätt på.
Mahesh Dutt Kolar är Vice President och Chef – APAC, Infosys Finacle. Han har mer än 20 års erfarenhet inom teknik och teknologi-aktiverade produkten verksamhet.