<img height="1" width="1" style="display:none;" alt="" src="https://dc.ads.linkedin.com/collect/?pid=102950&amp;fmt=gif">

Van traditionele bank naar cognitieve bank

20 februari 2019
Dingeman Leijdens
Case

Cognitieve technologieën komen voort uit kunstmatige intelligentie in combinatie met geavanceerde analytics en big data. Deloitte beschrijft ze als technologieën die taken kunnen uitvoeren en/of ondersteunen, die kunnen helpen om beslissingen geïnformeerder te laten verlopen en om doelen te behalen waar eerder nog menselijke intelligentie voor nodig was. Denk hierbij aan plannen, argumenteren vanuit gedeeltelijke of onzekere informatie, en leren.

De reden waarom banken erin geïnteresseerd zijn of erin geïnteresseerd zouden moeten zijn is dat een aantal van hen aanzienlijk zijn verbeterd de afgelopen jaren. Met indrukwekkende successen op het gebied van onder andere computer vision, natuurlijke taalverwerking, spraakherkenning en robotica. Omdat cognitieve technologieën de kracht van informatietechnologie uitbreiden naar de taken die normaal gesproken door mensen worden uitgevoerd, hebben ze het potentieel om deze toekomstige cognitieve banken in staat te stellen de huidige afwegingen tussen snelheid, kosten en kwaliteit te doorbreken.

 

‘Cognitive computing’ in het bankwezen

De term “cognitieve bank” werd geïntroduceerd door IBM, één van de leiders op het gebied van cognitive computing. Volgens hen wordt het voortbestaan van het bankwezen bedreigd door een aantal zaken. Namelijk de toenemende bedrijfskosten, de steeds hogere klantverwachtingen en de opkomst van disruptieve fintech. Een onderzoek door McKinsey & Co. ondersteunt deze veronderstelling, en voorspelt dat tot wel 60 procent van de huidige winsten van retail banking tegen 2025 verstoord kunnen worden.

De belofte van cognitieve technologieën levert doelgerichte oplossingen voor elk van deze bedreigingen, en biedt een groot aantal voordelen aan zowel banken als klanten. Een cognitieve bank hanteert een zelflerend systeem dat datamining, patroonherkenning en natuurlijke taalverwerking gebruikt om te voldoen aan klantbehoeften en om tegelijkertijd back-office-functies te beheren. Hoe meer het systeem leert, hoe efficiënter het wordt. Met iedere nieuwe klantbehoefte verandert en verbetert het systeem zich, om te zorgen dat het altijd één stap verder is. Dit leerproces zorgt dat die cognitieve bank voorop staat als het gaat om innovatie, waarbij tegelijkertijd voor conformiteit en het voldoen aan klantverwachtingen wordt gezorgd.

 

Toepassingen van cognitieve technologieën

Het zogenaamde ‘laaghangende fruit’ van cognitieve technologieën - deze doelgerichte toepassingen van kunstmatige intelligentie en big-data-technologieën - zijn een uiterst belangrijk focuspunt geworden voor banken om hun digitale aanwezigheid te verbeteren en klantervaringen te herontwerpen.

Robotische procesautomatisering (RPA)

Robotische procesautomatisering of RPA combineert het gebruik van software met kunstmatige intelligentie en cognitive computing om de werkzaamheden van mensen te imiteren in het uitvoeren van sterk repetitieve taken. RPA beantwoordt de behoefte aan strategische flexibiliteit, operationeel aanpassingsvermogen en procesefficiëntie.

Omdat het menselijke activiteit nabootst kan je het zien als een verzameling software-"robots" die samen een virtuele werkploeg vormen die je 24 uur per dag in kan zetten. Met volledige kwaliteitscontrole en 100% nauwkeurigheid. Deze “virtuele werkploeg” legt de nadruk op business in plaats van IT-beheer en zorgt voor een snelle aanpassing door middel van bestaande kaders met betrekking tot conformiteit en risicobeheersing.

Vorig jaar voorspelde Deloitte dat RPA de komende vijf jaar bijna universeel ingezet zal worden. Hun Global Robotics Survey 2017 toonde aan dat 78% van degenen die al RPA hadden ingevoerd verwachtten dat hun investering in RPA de komende drie jaar aanzienlijk zal toenemen. Ze voorspelden ook dat verzekeringsmaatschappijen wereldwijd 44% meer zullen uitgeven aan cognitieve technologieën zoals RPA, op een samengestelde jaarlijkse groeibasis over een periode van vijf jaar, tot wel $1,02 miljard tegen 2020.

In een experiment om RPA op schaal te testen hebben Australië en de New Zealand Banking Group meer dan 40 bancaire processen geautomatiseerd, waardoor hun personeel zich kan focussen op waardevollere en meer lonende taken. Tot de belangrijkste applicaties behoren volledige automatisering van het hypotheekaflossingsproces en van het halfjaarlijkse auditverslag, met gegevens uit meer dan een dozijn systemen afkomstig.

Meer weten over TJIP Banking? Bekijk hier ons Banking Platform!

Expertise hypotheken

 

Machinaal leren

Op het moment zijn toepassingen van kunstmatige intelligentie beperkt en nog niet echt indrukwekkend, maar dat is te verwachten gezien de aard van de branche en de vele aspecten die erbij komen kijken. JPMorgan Chase is één van de banken die al hebben geïnvesteerd in de technologie door hun Contract Intelligence (COiN)-platform, ontworpen om juridische documenten te analyseren en om er belangrijke informatie en clausules uit te onttrekken. Omdat het normaal gesproken jaarlijks ongeveer 360.000 uren kost om 12.000 commerciële kredietovereenkomsten te controleren, hebben ze machinaal leren ingezet, waarbij duidelijk werd dat dezelfde hoeveelheid overeenkomsten in slechts seconden gecontroleerd kon worden. COiN is op erg veel manieren in te zetten en het bedrijf verkent aanvullende manieren om deze krachtige tool te gebruiken.

Nog een manier waarop kunstmatige intelligentie kan worden ingezet in het bankwezen zijn algoritmen voor zelflerende systemen om de huidige infrastructuur van het bankwezen te beveiligen, om te zorgen voor conformiteit en om fraude te voorkomen. Traditionele algoritmen kunnen alleen een frauduleuze transactie betrappen wanneer er vooraf ingestelde regels worden overtreden. Algoritmen voor zelflerende systemen kunnen echter dieper gaan en verdachte activiteiten identificeren op basis van de transactiegeschiedenis en het gedrag van individuele klanten. Als er bijvoorbeeld een grote transactie wordt begonnen vanaf een bankrekening met een geschiedenis van kleine transacties, kunnen machines deze transactie onmiddellijk vastzetten totdat hij is gecontroleerd door een menselijke medewerker. De analyse wordt in real-time uitgevoerd en wordt over tijd verbeterd, aangezien de algoritmen kunnen “leren” van voorgaande handelingen.

 

Predictieve analytics

Risicobeheersing is nog een proces dat voordeel boekt uit AI-technologieën in de vorm van predictieve analytics.

Om de kredietwaardigheid van een prospect te beoordelen berustten traditionele systemen op historische gegevens zoals transactiegeschiedenis, kredietgeschiedenis en inkomensgroei over de jaren om het risico te begrijpen waarmee iedere uitgegeven lening gepaard ging. Dit zorgde voor inconsistente schattingen, aangezien historische gegevens niet altijd een nauwkeurige standaard bieden om toekomstig gedrag te voorspellen. Met machinaal leren heeft de bank een actuele analyse op basis van recente transactiegegevens, marktomstandigheden en zelfs het laatste nieuws, om potentiële risico's in het verlenen van krediet in te kunnen schatten.

Door middel van predictieve analytics kan een algoritme voor zelflerende systemen petabytes aan data analyseren om micro-activiteiten te begrijpen en het gedrag van partijen te beoordelen, om mogelijke fraude te identificeren.

 Bekijk ook het artikel : 5 Banking of things trends 

Chatbots

De populairste applicatie van kunstmatige intelligentie in het bankwezen, chatbots, zijn praatgraag, persoonlijk en voorspellend. Chatbots bieden klanten de mogelijkheid tot interactie met de bank door natuurlijke gesprekken en zorgen voor een intuïtief kanaal voor klantvragen, met gebruiksvriendelijke interactie en een betere klantbeleving.

De Zweedse SEB-bank is één van de handvol grote banken en verzekeringsmaatschappijen die de hulp van chatbots of cognitieve assistenten heeft ingeschakeld om met klanten om te gaan. SEB werkt momenteel met het softwarebedrijf IPsoft samen om een cognitieve assistent genaamd Amelia in te schakelen, om te fungeren als front-end klantenservicemedewerker. Royal Bank of Scotland (RBS) heeft ook een klantenservicechatbot ontworpen, genaamd Luvo. Luvo is een natuurlijke taalverwerkings-AI-bot die bancaire klantvragen beantwoordt voor RBS, Natwest en Ulster Bank, en die eenvoudige bancaire taken zoals geldoverdrachten uitvoert. Luvo verschilt van andere digitale assistenten zoals Siri en IKEA’s Ask Anna, door zijn vermogen om de context te begrijpen en taken uit te voeren. RBS heeft ook met Watson geëxperimenteerd om zijn eigen digitale assistent te creëren; Cora. De A.I.-applicatie analyseert klantgegevens om de meest gestelde vragen te vinden en kan meer dan 5.000 klantvragen per dag beantwoorden. Cora is getraind om meer dan 200 klantbedoelingen te leren kennen, leert met iedere vraag en als een vraag te gecompliceerd wordt, schakelt ze de hulp in van een menselijke vertegenwoordiger.

Deutsche Bank heeft zojuist interne proofs of concepts (PoC's of "conceptvalideringen") voltooid met IBM voor de uitrol van een door kunstmatige intelligentie aangestuurd Watson cognitief systeem in de Duitse taal. Het systeem zal worden gebruikt in het Artificial Intelligence Client Communication Centre ("Kunstmatige Intelligentie Klantcontactcentrum"). De bank is van plan om Watson te gebruiken voor de ontwikkeling van een “schaalbaar gepersonaliseerd cognitief adviesmodel dat klanten, bankadviseuren en bankmedewerkers ondersteunt in zowel interne als externe processen”.

 

De waarde die cognitive banking oplevert

Hoewel de technologieën die nu bij elkaar komen worden getest en zelfs zijn geïmplementeerd in sommige bankprocessen, ligt de echte waarde in cognitive banking in experience design.

Klanten verwachten snelheid en handigheid van hun bank, net zoals ze dat van hun tech-apps verwachten. Ze verwachten advies op maat, en ze willen het allemaal op hun eigen manier. Cognitieve technologieën banen de weg voor banken om effectieve geautomatiseerde ondersteuning te leveren als aanvullende route voor digitale klanten om toegang te verkrijgen tot gepersonaliseerde informatie en begeleiding. Experience design is de basis voor waardecreatie voor deze digitale klanten. 

Om een cognitieve bank te worden is een systematische aanpak vereist die begint met het businessmodel van de bank, hun digitale werkmodel en de algemene doelen die ze willen behalen. Banken zullen schaalbare smart businessplatforms moeten ontwerpen die de complexe back-office-omgeving kunnen verbinden met de front-office en die de digitale ervaring tot één geheel maken.  

Hoewel de applicaties die we tot dusver hebben gezien een blik werpen op het potentieel van cognitive banking, geven ze niet het totaalplaatje. Dat komt doordat een grootschalige, transformatieve verandering nodig is om een cognitive bank te worden. De meeste bedrijven wachten nog steeds tot de technologie ontwikkeld genoeg is voordat ze aan zo'n complexe missie beginnen, maar dat moment komt sneller dan je zou verwachten, zoals de meeste fintech-trends laten zien. 

 

Blijf ook slimmer met
onze nieuwsbrief