Finanční sektor pod vlivem umělé inteligence

Procesy umělé inteligence jsou v porovnání s lidským faktorem mnohem účinnější při vyhodnocování olbřímích porcí dat, což s výhodou využívá řada komerčních firem pro dokonalé pochopení a osvojení si vzorců chování svého cílového publika. Proto tu dnes panují velká očekávání od možných přínosů AI pro finanční sektor. Bez nadsázky lze říct, že mnoho firem, institucí, expertů a analytiků se dnes dívá na umělou inteligenci − a s ní úzce spojené strojové učení, robotiku a další − jako na očekávanou velkou ránu právě ve finančnictví.

Umělá inteligence využívá všudypřítomné počítače pro simulace lidského myšlení jako celku, resp. jeho částí, a dělíme ji na tzv. silnou a slabou umělou inteligenci. Ta silná (strong AI) by měla skutečně myslet a umět řešit problémy ve své celistvosti stejně nebo lépe než lidské bytosti, zatímco ta slabá (weak AI, někdy též označovaná jako úzká, narrow AI) si s sebou nese pouze jisté znaky inteligence či inteligenci tzv. předstírá.

Systémy slabé AI jsou úzce zaměřeny na plnění specifických úkolů. Patří sem třeba znalostní a expertní systémy, šachové programy, průmysloví roboti, systémy rozpoznávání obrazu a řeči, ale i virtuální osobní asistentka Apple Siri, která s uživatelem může vést diskusi na úrovni, včetně vtipných komentářů, ale stejně tak ji lze "vykolejit" převedením konverzace do roviny, kde nelze dospět k jednoznačným odpovědím nastřádaným z internetových databází.

Jinými slovy, Siri by asi neprošla Turingovým testem, kterým musí hladce procházet systémy silné AI, i když samotný Turingův test byl zpochybněn filozofem Johnem Searlem a jeho známým argumentem čínského pokoje. Článek se ovšem dále zabývá využitím slabé AI ve službách finančního sektoru.

Robotická procesní automatizace

Robotická procesní automatizace (RPA) je automatizace firemních procesů s využitím softwarových robotů. RPA umožňuje finančním institucím racionalizovat opakující se rutinní úlohy typu: proces zavedení nového klienta či zaměstnance (onboarding), rekonciliace účtů, schvalovacích procesů kolem přidělování kreditních karet nebo úvěrů a hypoték, detekce a prevence praní špinavých peněz a dalších podvodů, zákaznické podpory, distribuce příchozích hovorů, chatové komunikace, pravidelného reportingu, resp. různých opakujících se účetních postupů. Přínosy racionalizace pracovních toků s RPA jsou rozsáhlé. Díky ní je možné optimalizovat čas a potenciál živých zaměstnanců tím, že se jim uvolní ruce od rutinních činností a mohou se plně soustředit na náročnější a více kreativní úkoly ve styku se zákazníky.

Řízení rizik

Vzhledem k tomu, že jádrem AI je učení z historických dat, je přirozené, že AI by měla uspět v oblasti finančních služeb, kde účetnictví a evidence záznamů jsou úhelným kamenem podnikání. Vezměme příklad kreditních karet. Dnes používáme kreditní skóre jako prostředek pro rozhodování o tom, kdo je způsobilý pro kreditní kartu a kdo ne. Ovšem seskupování žadatelů do kategorií "má/nemá" není vždy efektivní pro vlastní podnikání. Namísto toho mohou být údaje o zvyklostech jednotlivce při splácení každého jednotlivého úvěru, počtu jeho aktivních úvěrů, počtu stávajících kreditních karet atd. použity k přizpůsobení úrokové sazby tak, aby to dávalo větší smysl finanční instituci, jež kartu nabízí. Jaký systém má schopnost projít tisíci osobních finančních záznamů, aby dospěl rychle ke správnému řešení? Přirozeně ten strojový a to je přesně místo pro umělou inteligenci. Vzhledem k rychlému zpracování velkých objemů dat a záznamů dává AI možnost provádět okamžitá doporučení týkající se půjček a úvěrových nabídek.

AI postavená na strojovém učení, jež se v průběhu času učí a zdokonaluje, představuje menší riziko výskytu chyb při analýze pro člověka nepředstavitelného objemu dat. Transformuje automatizaci do oblastí, které vyžadují inteligentní analytické a jasné myšlení.

Automatická podpora zákazníků

Zákaznické systémy postavené na textových chatech, hlasových systémech nebo chatbotech mohou poskytovat zákaznické služby za nižší ceny, ovšem na úrovni lidské obsluhy, resp. odborného poradenství. Takový chatbot může být naprogramován jako finanční nebo daňový poradce, broker, investiční manažer − stačí si jen vybrat. Předpovědi analytiků Gartneru tvrdí, že v roce 2020 se 85 procent veškeré zákaznické komunikace ze strany firem obejde bez lidské obsluhy. Ano, chatboti nedisponují lidskými přednostmi typu schopnost improvizace, šestý smysl, kreativita či empatie. Na druhou stanu nejsou náladoví, nepropadají únavě ani depresím, zbytečně mezi sebou neplkají u kávy a cigaret − a výše platu a zdanění jim jsou zcela volné.

Chatboti se skutečně osvědčili jako silný nástroj pro navyšování spokojenosti zákazníků a bezkonkurenční zdroj pro podniky, kterým pomáhají ušetřit hodně času a peněz. Jejich poslední vývoj jde směrem k dovednostem, jež posouvají vyjednávací schopnost chatbotů do úrovní nerozpoznatelných od lidské komunikace.

Tyto nové technologie nejen změní způsoby přístupu k zákazníkům na poli podnikání, ale i nekomerčních aktivit. Příkladem takových aktivit může být stanovení termínu schůzky, kdy bot může snadno sjednávat mítink s ohledem na dostupnost všech jeho účastníků.

Detekce a prevence podvodů

Na základě zkoumání historických dat jsou systémy umělé inteligence schopné okamžitě identifikovat typické příklady chování při pokusech o finanční, resp. pojišťovací podvod, stejně jako vzorce chování při praní špinavých peněz. Samoučícím se systémům pak nečinní žádné potíže své znalosti neustále obohacovat o nové zkušenosti nebo je sdílet s podobnými systémy odjinud.

Správa pohledávek

Systémy strojového učení a umělé inteligence navrhnou podle chování dlužníka kroky dalšího postupu, včetně jejich frekvence, načasování a způsobu komunikace. Výsledky v tomto směru publikované evropskými inkasními společnostmi jsou zarážející. Vymáhání pohledávek vedené stroji je až o čtvrtinu úspěšnější při současném snížení nákladů v rozmezí 80 až 90 procent.

Správa a řízení pojištění

Řízení pojištění se systémy AI automatizuje proces upisování a zapojuje do procesu více praktických informací pro lepší rozhodování zákazníků. Automatizovaní agenti mohou uživateli pomoci on-line při definici požadavků na konkrétní pojištění. Zřízení zdravotní pojistky přichází na řadu obvykle až po utrpěné ztrátě. Místo výdajů za nákladnou léčbu je lepší odhalit rizika nemoci preventivně předem, aby se jim včas zabránilo. Lze tu tedy s výhodou použít data, která byla dříve použita na straně rizik − a následně snížit pravděpodobnost vzniku škody jak pojištěnému, tak i pojistiteli.

Roboporadenství v oblasti investic

Automatizovaní finanční asistenti a plánovači, tzv. roboporadci, pomáhají uživatelům při finančním rozhodování už řadu let. První se objevili po finanční krizi v roce 2008 v reakci na drahé podílové fondy a počáteční práh důvěry k jejich využívání byl velmi nízký. Dnes hospodaří s aktivy mezi 60 a 80 miliardami dolarů a finanční analytici odhadují, že v příštím desetiletí by mohla výše takto spravovaných aktiv dosáhnout hodnoty jednotek bilionů dolarů. Start-upy z fintechové scény jako americký Betterment či Wealthfront nebo britský ETFmatic vysílají své roboporadce proti poradenským domům, na trhu stále dominantním, s poradci z masa a kostí, jakými jsou třeba Bank of Montreal, Schwab nebo Vanguard Group. U nás je průkopníkem robotického poradenství v oblasti investic Portu, kde lze investovat i v českých korunách.

Článek byl publikován v komerční příloze Hospodářských novin a týdeníku Ekonom.