Az MI-ről alkotott percepciók
Nem egyszerű meghatározni, hogy pontosan mitől is lesz egy mesterséges intelligenciának címkézett projekt valóban az, de igazodási pontként szolgálhat, hogy a legtöbb szakértő úgy ítéli meg, hogy ezek az eszközök általában rendelkeznek valamilyen öntanulási funkcióval (gépi tanulás, természetes nyelvfeldolgozás). Ezeket még nemzetközi szinten sem használják mindenhol, azok az alkalmazások pedig, amelyekkel ügyfélszinten találkozhatunk sokszor csak egyszerű elemzési algoritmusokra épülnek, és egyelőre nem lehet velük autentikus, súrlódásmentes ügyfélélményt elérni.
Pintér Szabolcs szerint az elmúlt évtized azért hozott némi áttörést a kapcsolt eszközök, az adattárolási és továbbítási technológiák és a felhő alapú szolgáltatások elterjedtségében, valamint az algoritmusok „okosodásában”, az úgynevezett gépi tanulás kiforrottságában. Ezután már egyáltalán nem meglepő, hogy a terület egyre nagyobb figyelmet kap a banki döntéshozók részéről is, és egyre többször vetik be a fejlettebb öntanulásos megoldásokat.
A hazai piac
A szakértők közt egyetértés van abban, hogy a haza piac nemzetközi szinten jól fel tudott zárkózni, és egyre intenzívebb fejlődés figyelhető meg itthon is. Igaz az is, hogy a sokszor hangoztatott előítéletek ellenére a kelet-közép-európai régió összességében nem áll rosszul a banki AI-rendszerek fejlesztésében a nyugati országokhoz képest. Az igazán élenjáró technológiák esetében azonban természetesen van még tér a fejlődésre.
A sikeres felzárkózás a bankok kínáltában is lecsapódik: itthon is kiépültek a versenyképes elektronikus csatornák, új fizetési megoldások és mobilbanki alkalmazások. Összehasonlítva mindezt az elsődlegesen digitális bankok kínálatával, az látszik, hogy azok sokkal letisztultabb termékporfóliót kínálnak, de ezt a hátrányt a hagyományos bankok bizalmi tőkével, illetve komplexebb szolgáltatásokkal képesek ellensúlyozni - véli Strén Gábor.
Fáykiss Péter szerint ha a hazai piacról beszélünk, akkor először érdemes azt beszállítói és a házon belül fejlesztett megoldások szerint kettébontani:
- A beszállítói területhez a fintechek által fejlesztett félig-meddig dobozos termékek tartoznak, amelyeket a bankok a saját működésükbe, architektúráikhoz igazítva implementálnak. Ezek közül a legismertebbek a chatbotok és a különböző gépi tanulást alkalmazó csalásmegelőzési eszközök, valamint az RPA szoftverek. A beszállítói projekteknek előnye, hogy bár sokszor kihívás az implementáció, azért mégis sokkal egyszerűbb, mint nulláról felépíteni egy rendszert. Szintén előny, hogy ezek viszonylag jól kvantifikálható megtakarításokat eredményeznek. A projektek áttekinthetőségük miatt általában könnyen át is mennek a menedzsmenten és hamarabb kapnak zöld utat.
- A házon belüli projektek sokkal szorosabban kötődnek a belső képességek kialakításához, amelyek olyan háttéreszközök létrehozásáról szólnak, amelyekkel a későbbiekben hatékonyan lehet kifejleszteni MI alapú alkalmazásokat. A házon belüli fejlesztések többnyire hosszú távú projektek, nagyobb bizonytalansággal, de rengeteg alkalmazási lehetőségnek nyitnak utat: hangelemzés call centerekhez, csalásmegelőzés, pénzmosás ellenes eszközök, kockázatcsökkentés, hangulatindexek készítése, közvetlen értékesítés. Aktuális példa erre az OTP szuperszámítógépe, amely a későbbiekben részletesebben is bemutatásra kerül.
Milyen területeken vált be, és hol tartogathat még meglepetést?
Az óvatosság és a kezdeti bizalmatlanság ellenére, abban már egyértelműen konszenzus alakult ki, hogy az MI-ben hatalmas üzleti potenciál rejlik, így a közeljövőben egyre több alkalmazási területen fog megjelenni. Már most is sok helyen használják, jelenleg a következő területeken dominálnak az MI alapú eszközök:
- ügyfélélmény-fejlesztése
- háttérfolyamatok és a hétköznapi munka
- biztonság és csalásmegelőzés,
- a jövő bankfiókjai.
Ügyfélélmény-fejlesztés
A legáltalánosabb felhasználási terület a banki ügyfélélmény javítása, amihez többnyire kognitív szolgáltatási technológiákat alkalmaznak. Ezek a megoldások az emberi észlelést utánozzák, és komplex eszközökkel egyfajta hatékonyságot, automatizációt valósítanak meg. Ilyen eszközök például a beszélt nyelv elemzésére fejlesztett szoftverek, az arc-és hangfelismerő rendszerek, az érzelemfelismerés, szentimentelemzés (szöveganalitikai módszerekkel meghatározzák egy adott tartalom – szöveg, kép, hang - érzelmi töltetét).
Az alkalmazási terület első generációjához tartoznak a chatbotok, illetve más ügyfélkapcsolattartást – illetve akvizíciót - támogató megoldások. Sok helyen még mindig kezdetleges, kissé „darabos” élményt nyújtó, panelekben válaszoló chatbotokkal találkozhatunk.
A SZAKÉRTŐK SZERINT EBBEN NEM FELTÉTLENÜL VAGYUNK LEMARADVA NEMZETKÖZI SZINTEN, ÉS ÉRDEMES MEGJEGYEZNI, HOGY A MAGYAR NYELV KOMPLEXITÁSA ÉS A PIAC MÉRETE NÉMILEG AKADÁLYOZTA A KOMOLYABB ÁTTÖRÉSEK MEGVALÓSULÁSÁT.
Az egyik legerősebb nemzetközi trend a Cognitive Search elterjedése, szinte minden innovatív pénzintézet használ, vagy tervez használni ilyen szolgáltatást. A technológia az ügyfél szolgáltatásokban és a belső operációs feladatokban is nagyon sok kézzelfogható előnnyel jár. A Cognitive Search lényege, hogy lehetővé teszi, hogy a felhasználók több forrásból keressenek digitális tartalmat. A megoldás túlmutat a kulcsszavas egyezésekre épülő technikákon és a dokumentumban szereplő teljes válaszokat adja vissza. A technológia képes megérteni a felhasználók igényeit és olyan tartalamakat kínál fel nekik, amely fokozza az ügyfélélményt.
Szintén fontos trendek a különböző fordítási automatizmusok, az ügyfél utat segítő több nyelvű megoldások, az intelligens ügyfél scoring (next best action ajánló) és a teljes profilt adó megoldások elterjedése.
Háttérfolyamatok és hétköznapi munka
A mélységi megértés persze fejleszthető, ennek megfelelően az eszközök funkcionalitása is bővül, így már komplexebb problémák megoldására is képessé válnak. Ehhez részben az kell, hogy a mesterséges intelligencia hatékonyabban dolgozza fel a hangot, illetve pontosabban tudja értelmezni a szöveget, ugyanakkor arra is szükség van, hogy a frontend folyamatok hatékonyan legyenek integrálva a back office rendszerekbe.
Strén Gábor szerint ez kulcsfontosságú, a háttérendszereknek ugyanis le kell követniük a fejlődést: egy ügyfélakvizíciónál, vagy számlanyitásnál nem mindegy, hogy az automatizációt milyen mélységig lehet levinni.
A háttérfolyamatok sikeres automatizációja azt teszi lehetővé, hogy az egyes folyamatok - például egy identitásvizsgálat számlanyitás esetén - sokkal kevesebb érintkezéssel menjenek végbe.
A koronavírus-járvány alatt felerősödött gyakorlatok szerint (távoli bankolás és digitalis csatornák) számos új típusú, fénykép alapú dokumentum, igazolvány és kritikus adatállomány keletkezett, melyek felismerése, klasszifikálása és értelmezése szintén megoldható lenne AI eszközökkel. Ez egy olyan terület, amelyre mindenképp érdemes több figyelmet fordítani a jövőben.
A mesterséges intelligencia a hétköznapi munkát is hatékonyan tudja segíteni. Erre rengeteg példát találunk, elég csak az otthoni munka elterjedésével egyre inkább előtérbe kerülő kollaborációs alkalmazásokra gondolni, amelyek a mindennapi használatot is jelentősen megkönnyítő MI-kiterjesztésekkel is rendelkeznek (fordító, feliratozó, leiratok készítése beszélt nyelvhez). A tipikus RPA-megoldások is jelentős támogatást képesek nyújtani: ezek olyan automatizációs szoftverek, amelyeket akkor használnak,
ha egy folyamat és a végeredménye viszonylag jól definiálható, de nem annyira triviális, és nagyszámban kell megoldani a kezelésüket.
Biztonságtechnika és csalásmegelőzés
Kevésbé látványos, de annál fontos területe a banki MI-fejlesztéseknek a csalásmegelőzés. Ezek a fejlesztések leginkább úgy segítik a bankokat, hogy kevésbé algoritmizálható támadások kiszűrését végzik el. Ezek az eszközök tulajdonképpen anomáliákat szűrnek, amelyek lehetnek különböző phising, illetve social engineering módszerek. Ahogy Strén Gábor fogalmazott ezeknek az incidenseknek a felderítése - a nagy számosságuk és folyamatosan megújuló módszerek miatt - manuálisan már nem megoldható.
Az eszköz akkor működik jól, ha csak „nagyon kevés látszik belőle”, és csak a legszükségesebb esetben értesíti a felhasználókat. Hiába működik ugyanakkor minden gördülékenyen a humán tényező továbbra sem hagyható el, az emberi döntést igénylő beavatkozásokat a mesterséges intelligencia külön értékeli, és értesíti róla a személyzetet.
A biztonságtechnikának leginkább olyan informatikai rendszerekben van jelentősége, ahol sok felhasználó van együtt és komplex adatállományok közlekednek. Ilyenek lehetnek a vállalati levelezőrendszerek és a kollaborációs platformok, amelyek az otthoni munka elterjedésével fokozottabb biztonsági kockázatnak vannak kitéve.
A jövő bankfiókjai
A mesterséges intelligencia a fiókhálózat szerepét is átformálhatja: a bankfiókok a digitalizáció előretörésével keresik a helyüket a piacon, és egyelőre nem tisztázott, hogy milyen szerepet kapnak majd a jövőben. Itthon is léteznek már pilotok, külföldön pedig már élesben is alkalmazzák azokat a technológiákat, amelyek arra épülnek, hogy használhatóvá tegyék azt az adatmennyiséget, amely akkor keletkezik, amikor egy ügyfél ellátogat a bankfiókba. Sokat elárulhatnak az ügyfél érzelmei, hol helyezkedik el az ügyféltérben, mekkora helyet használ ki stb. Természetesen a biztonság is fontos szempont, így az MI-nek a gyanús elemeket is ki kell szűrnie.
A fent említett esetekben természetesen rendkívül érzékeny adatokat használ a technológia, és a jogi környezet még nem teljesen adott ehhez, az információk felhasználása pedig minden esetben igényli az ügyfelek hozzájárulását is.
Kihívások, érzékeny területek
Komoly problémát okoz, hogy a pénzintézetek jelentős részében nem, vagy nem megfelelő módon áll rendelkezésre a mesterséges intelligencia alapú elemzésekhez szükséges adat. Ennek oka visszavezethető az elavult rendszerekre és a meglévő folyamatok, valamint a humán erőforrás képességek korlátjaira is. Pintér Szabolcs úgy véli sokat lehetne ezen javítani az adattárolási metódusok modernizációjával, és új bigdata alapú elemző infrastruktúrák bevezetésével is.
Nagyon fontos az idődimenzió is, amelyben még van hova fejlődni Fáykiss Péter szerint. A bankoknak ma már sokszor nem áll rendelkezésre egy egész év a projektek leszállításához. Ehhez túlságosan turbulens piaci viszonyok között kell helytállniuk (elég, ha a koronavírus-járvány miatt megváltozott feltételekre gondolunk).
Az, hogy ki mennyi idő alatt tud lefejleszteni egy adott megoldást, vagy mennyire képes a folyamatait gyorsabbá és áramvonalasabbá tenni, már egyértelműen fontos versenytényező.
Erre jó példa lehet például egy online onboarding folyamat, amelynek folyamatossága döntő szempont lehet az ügyfélszerzésben.
A csalásmegelőzési és pénzmosás ellenes szoftverek sokszor túl erős hálót feszítenek ki, a pénzintézetek pedig gyakran nem tudják bevállalni azt az öntanulási folyamatot, amely ahhoz kellene, hogy a jövőben ne akadjanak fent a hétköznapi tranzakciók. Pintér Szabolcs szerint ez átmenetileg olyan szintű ügyfélpanaszt és ebből fakadó ügyfél vesztést idézhetne elő, hogy a pénzintézetek gyakran ódzkodnak ezen megoldások alkalmazásától. A pénzmosás ellenes szoftverek alacsony hatékonysága állhat amögött is, hogy több nyugati bankban is eltitkolt oligarcha vagyonok kerültek a felszínre az Oroszországra kivetett szankcióknak nyomán. Joggal feltételezhetjük, hogy a pénzmosás ellenes protokollok támogatására létrehozott MI-alkalmazásokat nem használták ki megfelelően, vagy ha mégis, akkor számos hiányosságtól szenvedtek.
Miért épít szuperszámítógépet az OTP?
A mesterséges intelligencia alkalmazását és fejlesztését akár felhőtechnológiával is hatékonyan lehet támogatni, a hazai szereplők pedig ki tudják alakítani a saját célkitűzéseiknek és a méretüknek megfelelő megoldásokat: a legtöbb itthon működő nemzetközi bank az anyabankok képességeire támaszkodik, vagy felhőalapú rendszereket használ.
Az OTP robosztus, nagy teljesítményű számítógépe viszont akár nemzetgazdasági szinten is fontos tényező lehet. A projekt vélhetően intenzív versenyhelyzetet teremt majd a bankok között, Fáykiss Péter szerint szerint pedig előbb-utóbb a legtöbb pénzintézetnek el kell kezdenie kiépítenie olyan szakértői tudást, ami képes az MI-ben rejlő potenciált kihasználni.
A magyar nyelv feldolgozása ugyanis számos lehetőséget teremt az MI alapú alkalmazások létrehozására, és természetesen az sem utolsó szempont, hogy az érzékeny adatok tárolása egy házon belül fejlesztett számítógép esetében kockázatmentesebb megoldásnak bizonyul.
Az ITM-mel és a SambaNova Systemsszel közösen épített szuperszámítógép célja egy olyan nyelvi modell létrehozása, amely képes lesz a magyar szöveg értelmezésére, óriási mennyiségű adat feldolgozására és kezelésére. Ezzel felgyorsíthatóvá válnak a back-end és front-end folyamatok, valamint egyre több repetitív munkafolyamat válik automatizálhatóvá. A magas szintű lingvisztikai elemzési funkciókkal rendelkező eszköz padig az egész ország MI fejlesztésének hatalmas lökést adhat.
Az ilyen projektek szempontjából Fáykiss Péter szerint kiemelten fontos a megfelelően képzett humán erőforrás, és itt nem csupán a fejlesztői csapatra kell gondolni, hiszen az már önmagában nagy előny, ha olyan szakértőkkel rendelkezik a bank, akik jó technológiai érzékkel ki tudják választani a megfelelő beszállítót a projekthez. A csapatfelállítás persze nem egyszerű,
mert jelenleg itthon és külföldön is óriási a kereslet a megfelelő szakértelemre.
Hol jelenhet meg az MI az MNB-nél?
Mesterséges intelligencia megoldásokat nem csak a kereskedelmi bankok, hanem az MNB is fel tud mutatni. A jegybanknak sok hazai bankot is megelőzve sikerült implementálnia egy gépi tanulásra épülő chatbotot a működésébe, amely kapcsán egy fintech beszállítóval működtek együtt. Fáykiss Péter szerint ez nem jöhetett volna létre anélkül a humán erőforrással szorosan összefüggő digitális képességhalmaz nélkül, amely kialakításán az MNB-n belül folyamatosan dolgoznak. A szakértő szerint a lehetséges alkalmazási területek tárháza széles, a különböző gépi tanulásos, neurális hálót alkalmazó megoldások rengeteg funkciót támogathatnak: ilyen például a gazdasági előrejelzések segítése, különböző dokumentumok feldolgozása és a felügyeleti, valamint az ügyfélszolgálati munka támogatása.
Címlapkép forrása: Getty Images
