Innovaties in de financiële sector | FinanceInnovation
advert

Hoe AI het gezicht van banken zal veranderen

International Data Corporation (IDC) voorspelt dat banken in 2018 wereldwijd meer dan 4 miljard dollar zullen uitgeven aan kunstmatige intelligentie (AI). Leg daar het Sizing the Prize-rapport van PwC naast om de bredere trend voor het wereldwijde bedrijfsleven te begrijpen en dan lijkt AI in 2030 nog eens 15,7 biljoen dollar aan de wereldeconomie toe te gaan voegen. Dit betekent dat AI banken drastisch gaat veranderen. We werpen alvast een blik vooruit.

Laten we om te beginnen eens inzoomen op het customer relationship management bij retail-banken. De meeste traditionele instanties in die sector hebben nog steeds een relatie met hun klanten die grotendeels is gebaseerd op transacties, met een aanbod van enkel deposito- en betalingsdiensten. Maar denk eens aan alle informatie die zulke banken over hun individuele klanten hebben: de financiële geschiedenis geeft een uniek inzicht in hun verplichtingen, voorkeuren en wensen. Door die schat aan informatie met AI-technieken te analyseren, kunnen banken bijvoorbeeld proactief suggesties doen voor financiële producten op maat, of zelfs voor niet-financiële consumentenproducten die wel passen in de levenssituatie van hun klanten.

In het bankwezen zie je al dat dit soort personalisatie langzaam zijn intrede doet, met de introductie van chatbots. AI verbetert de relatie met de klant door gepersonaliseerde communicatie mogelijk te maken. Klanten kunnen hierdoor op een toegankelijke manier met hun bank praten wanneer het hen uitkomt, wat de klanttevredenheid verbetert en de callcenterkosten verlaagt.

Fraudedetectie

Terugkerende uitdagingen in de financiële wereld zijn fraudedetectie en anti-witwaspraktijken. Vandaag de dag worden AI-technieken, om precies te zijn machine learning (ML), al op deze gebieden toegepast. Het gebruik ervan zal alleen maar toenemen naarmate de analytische modellen en databases met broninformatie geavanceerder worden. Dit vakgebied is voortdurend in ontwikkeling, aangezien er een wapenwedloop bestaat tussen fraudebestrijders en criminelen, die ook van de nieuwste technologie gebruik maken. Die situatie verbetert nu al, dankzij de ‘stille revolutie’, zoals de FIOD die noemt. Daarin worden door middel van rijkere datasets, internationale data-uitwisseling en geavanceerde technieken nu al drie keer zoveel criminele geldstromen onderschept als een aantal jaar geleden. Kunstmatige intelligentie zou hieraan kunnen bijdragen. Op basis van de juiste historische data van transacties kan bijvoorbeeld het gemiddelde klantgedrag – en dus ook de afwijkingen daarin – in kaart worden gebracht. Verdachte transacties kunnen dan gemarkeerd of stopgezet worden, misschien zelfs voordat ze plaatsvinden, of de klant moet zo’n transactie eerst bevestigen voordat hij wordt verwerkt.

Handelstransacties

Vanzelfsprekend heeft AI ook invloed op de handelstechnologie van banken. In de afgelopen 10 tot 15 jaar is er veel geïnvesteerd in geautomatiseerde handelssystemen, zoals voor de handel in aandelen, valuta en derivaten, met name om de transacties sneller te kunnen verwerken en beter te kunnen reageren op veranderingen in de markt. AI-technieken, zoals machine learning-systemen met neurale netwerken, worden al geruime tijd gebruikt. Naarmate deze tools en gegevens waarop ze zich baseren geavanceerder en rijker worden, zullen deze systemen steeds beter worden, bijvoorbeeld bij het identificeren van handelskansen of opnieuw bij het opsporen van fraude.

Gebroken datalandschap lijmen

Al de eerdergenoemde AI-toepassingen lijken weliswaar positief en nuttig, maar er zit een addertje onder het gras. Kunstmatige intelligentie gedijt namelijk op grote hoeveelheden kwalitatief hoogstaande data. Om optimaal te kunnen functioneren, moeten gegevens uit verschillende delen van een organisatie toegankelijk zijn, zodat de AI-systemen er gebruik van kunnen maken. Data die afgezonderd zijn opgeslagen – in ‘datasilo’s’, zoals dat in jargon heet – kunnen van vitaal belang zijn voor een bepaalde toepassing, maar als ze niet gemakkelijk benaderd kunnen worden, heb je er niets aan. Bovendien moeten de beschikbare gegevens ook goed georganiseerd zijn. Er is vrijwel geen ander technologisch vakgebied dan AI waar het gezegde ‘garbage in garbage out’ meer op van toepassing is.

Verder moeten de datasystemen die de AI voeden flexibel genoeg zijn om nieuwe uitdagingen aan te kunnen. Bedrijven kunnen het zich niet veroorloven om maandenlang te wachten tot de juiste gegevens beschikbaar zijn, voordat ze nieuwe diensten kunnen lanceren. Dan heeft de concurrent, die niet hoeft te wachten, waarschijnlijk al een ruime voorsprong opgebouwd.

Het juiste technologische datafundament is dus van cruciaal belang om processen rond AI mogelijk te maken. Veel banken zijn vandaag de dag helaas nog niet zo ver, en worstelen in veel gevallen met een gebroken datalandschap.

Datagedreven besluitvorming

Datasilo’s zijn zonder twijfel problematisch, samen met de starheid van de meeste conventionele datamanagementsystemen. Financiële organisaties kunnen alleen echt datagedreven worden als ze een holistisch overzicht van hun data realiseren en dit aanvullen met flexibele datamodellen, die mee-evolueren met de bedrijfsbehoeften. Hun concurrentievoordeel wordt vervolgens bepaald door hoe slim ze hun gegevens kunnen benaderen en gebruiken.

Nu retailers steeds meer gepersonaliseerde diensten aanbieden, ontstaat er voor banken een mogelijkheid om hierop aan te haken. Banken krijgen de kans om hun klantenrelaties te versterken door een gewaardeerde partner voor hun eindklanten te worden, in plaats van hen enkel bancaire diensten aan te bieden. Banken zullen ook in staat zijn om diensten die ze traditioneel alleen via private banking aan vermogende particulieren leverden aan een veel groter deel van hun klantenbestand aan te bieden. Op dezelfde manier zou de noodzaak tot risico- en fraudebeheersing moeten verminderen, dankzij door AI verkregen inzichten die het hele financiële systeem veiliger moeten maken.

Productievere werknemers

Zoals bij elke nieuwe generatie technologie kan verandering zowel positief als negatief zijn. Een van de meest besproken gevolgen van de komst van kunstmatige intelligentie is de verstoring van de arbeidsmarkt: hoe zal het gebruik van AI de werkgelegenheid veranderen? Een van de belangrijkste doelen van elke nieuwe technologie is om mensen productiever te maken en ze een grotere rol te geven in de waardeketen. Hiervoor is echter een bereidheid nodig binnen organisaties om nieuwe, door AI aangedreven, toepassingen te omarmen.

In die zin heeft AI de potentie om de banksector te transformeren, maar dit is alleen mogelijk met de juiste data-infrastructuur. Banken moeten daarom nu in actie komen om ervoor te zorgen dat ze over de juiste middelen en kennis van AI beschikken om de maximale waarde uit hun gegevens te halen.

Over de schrijver

Jurriaan Krielaart

Jurriaan Krielaart is de Territory Director Noord-Europa bij MarkLogic, een expert in het oplossen van complexe data-integratie vraagstukken bij organisaties. Vanuit het kantoor in Utrecht helpt hij hen om de volgende generatie datagedreven toepassingen te bouwen op basis van het operationele en transactionele NoSQL dataplatform van MarkLogic.

Related Articles