Dette års Gartner Hype Cycle viste, at de forventninger omkring Kunstig Intelligens teknologier, der var toppet, og Machine Learning og Dybe Læring ville blive mainstream i 2 til 5 år. Undersøgelse efter undersøgelse, herunder en, der Infosys bestilt et par måneder siden, viser en udbredt anerkendelse af betydningen af AI. Men når det kommer til deres AI vision og stien til det, de virksomheder, der er mindre sikker.
Følgende tjekliste kan hjælpe banker og andre organisationer, der begynder deres rejse til AI vedtagelse.
Sikre støtte fra øverste ledelse
Vores undersøgelse viste, at top 3 drivere til AI implementering i virksomhederne var en søgen efter en konkurrencemæssig fordel, støtte af executive leadership, og en søgen efter en løsning til en virksomhed, teknisk eller driftsmæssig problem. Da disse er typisk top-drevet, bankens øverste ledelse skal også være villig til at afsætte de nødvendige (betydelig) ressourcer, og dedikere nøglepersoner for at tage ejerskab af AI dagsorden. At identificere en passioneret ejer er nøglen til fremskridt.
Saml et diversificeret team
Hver bank er forskellige, og vil derfor have et andet syn på sin fremtid med AI. Efter indstilling sin vision, vil banken har brug for interne og eksterne teams med en blanding af forretning og teknologi kapacitet til at tage det frem. Et vigtigt næste skridt er at vurdere den interne parathed målt ved tilstedeværelsen af en stærk data analytics foundation, den rigtige teknologi, kompetencer og succes raten med at anvende og integrere nye teknologier.
Vælg AI-teknologier af betydning
AI er ikke én teknologi, men mange. Machine Learning, Dyb Læring, Natural Language Processing, Naturlige Sprog Generation, og Visuel Genkendelse er dens primære byggesten. Da hver teknologi opnår forskellige ting, banken nødt til at vælge de rigtige.
Banken kan bruge machine learning i en meget bred vifte af funktioner, fra kundeservice til risikostyring. Dyb læring er en delmængde af machine learning, som bruger sin kunstige neurale netværk til at efterligne den menneskelige hjerne til at opbygge ikke-lineære analyser. Dyb læring også finder bred anvendelse i banksektoren. For eksempel, kan det forhindre svindel ved at studere adfærdsmønstre, og afdække nye forretningsmuligheder ved at identificere forbrugernes præferencer baseret på sociale medier aktivitet, og træffe bedre beslutninger. Anvendelser af natural language processing (NLP) omfatter automatisk summarisation og besvare, oversættelse, tale eller enhed, anerkendelse, relation, udvinding, text mining, og sentiment analyse.
For en bank, en af de mest interessante anvendelser af NLP er chatbot eller virtuelle assistent, flere banker bruger det for at tilpasse indhold, der understøtter kunder, samt løsning forespørgsler. Naturlige sprog generation af teknologier, der anvendes til at kombinere data fra flere kilder og formidle det tilbage til mennesker i en let at forstå format. Kunde/ virksomhed bruger-mod programmer er de primære modtagere af NLG. Amelia, en kognitiv agent, der er ved at forvandle bank-oplevelse for kunder med hendes intelligent samtale, er et godt eksempel. Banker, er at udnytte Visuelle Anerkendelse for at mindske friktionen i brugeroplevelsen.
Westpac, for eksempel, bruger det til at give kunderne mulighed for at aktivere et nyt kort, der henviser til, Santander og ABSA Bank er blandt dem, der bruger teknologi til at godkende dokumenter. En yderst populær service, nemlig fjernbetjeningen ind indbetaling via mobil, er også baseret på AR-teknologi.
Når en bank beslutter, hvilke AI teknologier til at bruge, vil det være nødvendigt at udvikle de nødvendige færdigheder ved at uddanne mennesker på job, eller søger hjælp fra en ekstern partner.
Vælge den rigtige use cases
Banken nu skal identificere AI business cases, det vil forfølge. Det er en god ide, at vælge dem, der giver hurtige gevinster, og til at teste dem internt, før du tager dem forbudt. ICICI Bank er et eksempel på dette: det startede med at automatisere 200 business-processer for at opnå hurtige resultater og har nu planer om at rampe op til 500.
Mens en bank kan vælge at følge nogle af elementerne på denne liste, og ignorere resten, den ene ting, det ikke kan gøre, er at hænge rundt. En tidlig start på AI vil give værdifuld konkurrencefordel og mere læring gang vis-à-vis AI systemer i andre banker. Det er ikke til at tage let på.
Mahesh Dutt Kolar er Vice President og Head – APAC, Infosys Finacle. Han har mere end 20 års erfaring inden for teknologi og teknologi-aktiveret produkt virksomhed.