Årets Gartners Hype Cycle viste at forventningene rundt Kunstig Intelligens teknologi hadde toppet, og maskinlæring og dybdekunnskap ville bli mainstream i 2 til 5 år. Undersøkelse etter undersøkelse, inkludert en som Infosys bestilt et par måneder siden, viser utbredt erkjennelse av viktigheten av AI. Men, når det kommer til deres AI visjon og banen til det, foretak som er mindre sikker på.
Følgende sjekkliste kan hjelpe banker og andre organisasjoner begynner sin reise til AI adopsjon.
Sikre støtte fra toppledelsen
Vår undersøkelse fant at topp 3 drivere for AI-distribusjon i foretakene var en søken etter et konkurransefortrinn, støtte av utøvende lederskap, og et søk etter en løsning for en bedrift, tekniske eller driftsmessige problemer. Siden disse er vanligvis toppen drevet, er bankens øverste ledelse må også være villig til å sette av de nødvendige (betydelig) ressurser, og vie nøkkelpersoner til å ta eierskap i AI agenda. Å identifisere en lidenskapelig eier er nøkkelen til fremgang.
Sett sammen et mangfoldig team
Hver bank er forskjellige, og vil derfor ha en annen visjon av fremtiden med AI. Etter å ha stilt ut sin visjon, bank vil behovet for interne og eksterne lag med en blanding av forretning og teknologi evner å ta den frem. Et viktig neste skritt er å vurdere intern beredskap målt ved tilstedeværelsen av en sterk data analytics foundation, høyre-teknologi, ferdigheter og suksess rate i bruk og integrering av ny teknologi.
Plukke AI teknologier av interesse
AI er ikke en teknologi, men mange. Maskinlæring, dybdekunnskap, Naturlig Språk-Prosessering, er Naturlig Språk Generasjon, og Visuell Anerkjennelse er dens primære byggeklossene. Siden hver teknologi oppnår forskjellige ting, bank trenger å velge det riktige.
Banken kan bruke maskin-læring i et svært bredt spekter av funksjoner, fra kundeservice til risikostyring. Dyp læring er et delsett av maskinlæring, som bruker sin kunstige nevrale nettverk til å etterligne det menneskelige hjernen til å bygge ikke-lineære analyser. Dyp læring finner også et bredt program i bank. Det kan For eksempel forhindre svindel ved å studere atferdsmessige mønstre, og finne nye forretningsmuligheter ved å identifisere forbrukernes preferanser basert på sosiale medier aktivitet, og ta bedre beslutninger. Anvendelser av naturlig språk behandling (NLP) inkluderer automatisk summarisation og svar, oversettelse, tale eller enhet anerkjennelse, forholdet utvinning, tekst mining, og sentiment-analyse.
For en bank, en av de mest interessante bruker NLP er chatbot eller virtuell assistent; flere banker bruker det for å tilpasse innholdet, og støtter kunder, og løse spørsmål. Naturlig språk generasjon teknologi er brukt for å kombinere data fra flere kilder, og kommunisere det tilbake til mennesker i en enkel å forstå format. Kunden/ business-bruker-mot programmer som først og fremst nyter godt av NLG. Amelia, en kognitiv agent, som er å transformere erfaring fra bank for kunder med henne intelligent samtale, er et godt eksempel. Bankene er å utnytte Visuell Anerkjennelse for å redusere friksjonen i brukeropplevelsen.
Westpac, for eksempel, bruker den til å tillate kunder for å aktivere et nytt kort, mens Santander og ABSA Bank er blant de som bruker teknologien til å godkjenne dokumenter. En svært populær tjeneste, nemlig ekstern sjekk innskudd via mobil, er også basert på AR-teknologi.
Når en bank bestemmer hvilke AI teknologier for å bruke, vil det behov for å utvikle de nødvendige ferdigheter ved å lære folk på jobb, eller søke hjelp av en ekstern partner.
Plukke riktig bruk saker
Nå banken må identifisere AI business saker det vil forfølge. Det er en god idé å plukke de gir raske resultater og testing dem internt før du tar dem offentlig. ICICI Bank er et eksempel på dette: det startet ved å automatisere 200 forretningsprosesser for å få raske resultater, og har nå planer om å trappe opp til 500.
Mens en bank kan velge å følge noen av elementene på denne listen, og ignorere resten, det eneste den ikke kan gjøre er å henge rundt. En tidlig start på AI vil gi verdifull konkurransefordel og mer læring tid vis-à-vis den AI systemer av andre banker. Det er ikke å bli tatt lett på.
Mahesh Dutt Kolar er Vice President og Head – APAC, Infosys Finacle. Han har mer enn 20 års erfaring i teknologi og teknologi-aktivert produktet virksomhet.