AI jako przyszłość finansów – wywiad z Credit Agricole

Jakie były początkowe motywacje do zastosowania AI w Credit Agricole?

Każdego dnia szukamy rozwiązań, które usprawnią naszą pracę, podwyższą jakość obsługi klientów i zwiększą ich satysfakcję. Chętnie sięgamy po innowacyjne technologie, zawsze pamiętając o tym, żeby nie zgubić w tych działaniach człowieka. Wiemy, że nawet najbardziej zaawansowana technologia nie zastąpi kontaktu z żywym człowiekiem. Wiemy także, że niektórzy klienci preferują kontakt z doradcą niż technologią.

AI wykorzystujemy przede wszystkim w botach. Elementy sztucznej inteligencji, które dodatkowo ze sobą współpracują, umożliwiają nam interakcję i dialog z użytkownikami. Komponent ASR (automatycznego rozpoznawania mowy) przetwarza mowę na tekst, dzięki czemu możliwe jest dalsze przetwarzanie wypowiedzi użytkowników. Komponent NLU (rozumienia języka naturalnego) odpowiada za rozpoznawanie intencji. Silnik dialogowy zbiera, integruje oraz inteligentnie wykorzystuje informacje nadchodzące z różnych komponentów, aby przetworzyć wypowiedź użytkownika i wygenerować odpowiedź. Wreszcie, komponent TTS (text-to-speech) przekłada odpowiedzi bota z formy tekstowej na mowę, którą użytkownicy słyszą w słuchawce.

Jakie cele postawialiście przed sobą, zanim zdecydowaliście się na wdrożenie tego rozwiązania?

Cele stawialiśmy sobie w odniesieniu do botów. Korzystamy z nich na czacie na www oraz w aplikacji mobilnej, a telebot wspiera nas na infolinii. Zależy nam, żeby rozpoznawały jak najwięcej intencji klientów. I teraz czatbot potrafi rozwiązać od początku do końca aż 80 proc. spraw, a tylko 20 proc. przekazuje do doradcy. Na koniec 2022 r. wśród spraw zgłaszanych we wszystkich kanałach 20 proc. zostało rozwiązanych za jego pomocą i aż 80 proc. klientów jest z niego zadowolonych. Stale pracujemy nad poprawieniem tych wyników.

 

Ile czasu zajęło Wam wdrożenie AI w botach do Credit Agricole i z jakimi wyzwaniami się spotkaliście?

Przetwarzanie języka naturalnego jest wielowątkowym problemem, a język obszaru bankowości wprowadza dodatkowe, specyficzne wyzwania. Wśród przykładów zagadnień, z którymi się mierzyliśmy, moglibyśmy wymienić np. opracowanie sposobu rozpoznawania wartości liczbowych (takich jak np. numer rachunku), które w języku mówionym mogą być wyrażane na wiele różnych sposobów, czy stworzenie modelu, który byłby w stanie rozróżniać semantycznie podobne intencje.
Największym wyzwaniem było jednak opracowanie takiego systemu, który umożliwiałby ciągły, iteracyjny rozwój kompetencji bota. Dzięki temu, możemy nie tylko rozszerzać zestaw tematów, w których automatyczny asystent pomaga naszym klientom, ale także douczać bota, tak aby wraz z napływem danych z nowych rozmów skuteczniej rozpoznawał intencje użytkowników.

Jakie konkretne korzyści biznesowe przyniosła Wam to rozwiązanie?

Nasze boty z miesiąca na miesiąc rozpoznają coraz więcej intencji klientów i są w stanie rozwiązać ich sprawy. Nasz telebot identyfikuje klienta po jego numerze klienta i dodatkowych pytaniach. Mówi, ile pieniędzy jest na koncie, odblokowuje serwis internetowy, zmienia telekod czy limity. Wykonuje operacje na karcie debetowej, udziela informacji z rachunku karty kredytowej i wskazuje, w jakich godzinach otwarte są placówki. Jeśli nie jest w stanie załatwić danej sprawy – przekieruje klienta do właściwego doradcy. Ten nie musi ponownie weryfikować tożsamości klienta czy pytać o powód połączenia, bo ma już wszystkie informacje. W podobny sposób pomagają chatboty. A to oznacza, że nasi doradcy mają więcej czasu na rozmowę z klientem, badaniem jego potrzeb i szukaniem rozwiązań, które na te potrzeby odpowiadają.

Czy zauważyliście jakieś potencjalne ryzyka związane z takimi rozwiązaniami?

Myślę, że największym ryzykiem jest spadek zadowolenia klientów. Dlatego my nie utrudniamy klientom kontaktu z doradcą – dajemy wybór. Jednocześnie warto podkreślić, że nasi klienci są zadowoleni z obsługi botów. Na koniec każdej rozmowy zadajemy pytania dot. oceny jakości obsługi. Obecnie 85% klientów jest zadowolonych z rozwiązanej sprawy przez bota (wzrost z 77% na koniec grudnia 2022).

Również 85% klientów ocenia, że bot adekwatnie zadawał pytania podczas obsługi (wzrost z 75% na koniec grudnia 2022). Klienci są skłonni polecić ten serwis w 69% (wzrost z 56% na koniec 2022).

 

Jakie dane są przetwarzane przez AI w Credit Agricole?

AI przetwarza dane niezbędne do realizacji poszczególnych dyspozycji klienta, w tym uwierzytelnienie klienta, zgodnie z zakresem, jaki jest wymagany również w rozmowie z doradcą.

 

Czy są inne obszary, gdzie wykorzystujecie AI?

Tak, w aplikacji mobilnej w PFM-ie (Personal Finance Manager). Naszym pierwszym i głównym celem jest nauczyć klienta, jak właściwie zarządzać finansami. Podstawowym kluczem do analizy sytuacji klienta są jego zachowania i transakcje. One są głównym motorem napędzającym mechanizm AI w obszarze PFM-a. Właściwe kategoryzowanie modelem machine learningowym pozwala dokonać podstawowych analiz wydatków i wpływów klienta, oszacować jego stan finansowy na przestrzeni historycznych oraz przyszłych transakcji, biorąc również pod uwagę lokowane pieniądze i wszystkie zobowiązania. To w całości pozwala oszacować stan majątku i odpowiednio reagować propozycjami i działaniami zachęcającymi klienta np. do budowania poduszki finansowej.

 

Jakie działania podejmujecie, aby zwiększyć wykorzystanie AI w Credit Agricole, skąd czerpiecie wiedzę?

Technologie oparte o sztuczną inteligencję, to przyszłość. Zgodnie z raportem firmy Genesys, banki przewodzą w Customer experience, wspierając klienta w jego ścieżce po kanałach oraz edukując w obsłudze self-services. Jesteśmy otwarci na nowe rozwiązania. Mamy wielu zaufanych partnerów, z którymi od lat wdrażamy nowe rozwiązania. Oni są także dla nas źródłem inspiracji. Sami także śledzimy trendy i rozwiązania. Jesteśmy obecni na konferencjach branżowych, dzielimy się swoimi doświadczeniami i przyglądamy doświadczeniom innych.

 

 Wymień 3 najważniejsze korzyści oraz 3 ograniczenia, które zauważasz z wykorzystania AI w codziennej pracy?

• Najważniejsze korzyści z wykorzystania AI to oczywiście szybki, łatwy dostęp klienta do realizacji prostych dyspozycji. Możliwość automatyzacji obsługi, uwolnienie czasu doradcy do analizy bardziej złożonych spraw klienta. Dzięki możliwości ciągłego douczania telebota zwiększamy skuteczność rozumienia wypowiedzi klienta, co przekłada się na większą efektywność realizacji obsługi przez telebota i transferów do doradcy z intencjami, których jeszcze nie potrafi obsługiwać.
• Największą przeszkodą w pracy z wykorzystaniem AI jest ograniczone zaufanie klientów do tego rodzaju rozwiązań. Dlatego niezwykle ważne jest budowanie świadomości, wskazywanie możliwości i dbałość o bezpieczeństwo, aby klienci jeszcze chętniej wchodzili w interakcje z botami.