Sztuczna inteligencja znajduje coraz szersze zastosowanie w PKO Banku Polskim. Wykorzystywana jest, m.in. w obsłudze klienta i procesach wewnętrznych, a także coraz szerzej w ocenie ryzyka i na potrzeby CRM.
AI wspiera klientów i pracowników PKO BP
Najbardziej znane rozwiązania AI w PKO Banku Polskim to voiceboty, a wśród nich Asystent głosowy w aplikacji IKO, który pomaga klientom korzystać z usług bankowych. Można do niego mówić lub pisać językiem naturalnym, czyli tak, jak robimy to z ludźmi. Potrafi, m.in. zrobić przelew, podać kod BLIK, zmienić limit na karcie lub ją zastrzec. Gdy klient zapyta o swoje wydatki, Asystent pomoże je przeanalizować w formie przejrzystych wykresów, a gdy chce wymienić walutę skieruje do kantoru. Obecnie rozumie już ponad 320 tematów rozmów i skorzystał z niego już milion klientów banku.
W PKO Banku Polskim funkcjonuje łącznie 16 botów, które wykonują czynności w przeróżnych obszarach. Rozumieją ludzką mowę i dzwonią do klientów lub wspierają ich na infolinii banku. W zależności od tematu rozmowy, pomogą załatwić sprawę lub przekierują do właściwego konsultanta.
Badają też poziom satysfakcji z obsługi lub skłonność klienta do rozmowy sprzedażowej, dzięki czemu pracownik banku kontaktuje się tylko z tymi osobami, które faktycznie mogą być zainteresowane daną ofertą. Potrafią także zweryfikować klienta, chroniąc go przed potencjalnym oszustwem. Gdy bot dostrzeże podejrzaną transakcję, dzwoni do klienta, by sprawdzić czy ten naprawdę zlecał taką dyspozycję.
Bank ciągle poszukuje nowych zastosowań AI
PKO BP posiada rozwiązania, które potrafią, m.in. odczytywać oraz klasyfikować pisma i maile klientów czy automatycznie klasyfikować tysiące opinii od klientów o aplikacji IKO i oddziałach banku. To tylko niektóre z zastosowań AI w PKO Banku Polskim, a modele wykorzystywane do realizacji tych zadań, cały czas są rozwijane i uczą się kolejnych czynności.
- W PKO Banku Polskim na dużą skalę wykorzystujemy modele uczenia maszynowego (w tym głębokiego uczenia), które zostały wytrenowane przez ekspertów banku, co daje nam dużą elastyczność, pozwala ciągle je rozwijać i budować know-how. Mamy duże doświadczenie w przetwarzaniu języka naturalnego, w wizji komputerowej oraz innych obszarach AI. W oparciu o tę wiedzę, tworzymy kolejne, zaawansowane technologicznie modele dopasowane do konkretnych potrzeb biznesowych. Dzięki sztucznej inteligencji dajemy klientom dostęp do najnowocześniejszych na rynku usług bankowych, a pracownikom banku realne wsparcie w wykonywaniu codziennych zadań. Rozwiązania oparte o AI stają się coraz bardziej powszechne w sektorze bankowym, bo odpowiadają na potrzeby nowych pokoleń cyfrowych klientów. Ich znaczenie będzie cały czas rosło i będzie miało jeszcze większy wpływ na rozwój rynku. Boty i modele machine learning są też wciąż udoskonalane, dlatego też potrafią coraz więcej – mówi Dawid Kin, Dyrektor Biura Rozwoju Sztucznej Inteligencji w PKO Banku Polskim.
Machine learning w ocenie ryzyka
Uczenie maszynowe od dawna jest wykorzystywane przez bank w procesach oceny ryzyka. Na podstawie olbrzymiej ilości danych pochodzących z różnych źródeł, tworzone są coraz bardziej zaawansowane modele do oceny ryzyka, prognozowania różnych zjawisk i zachowań klienta. Obecnie w banku rozwijana jest Platforma Zaawansowanej Analityki Danych (tzw. platforma MLOps , Machine Learning Operations), która pozwala analitykom budować zaawansowane i odpowiednio zoptymalizowane modele z wykorzystaniem rozwiązań chmurowych Google.
Big Data i zaawansowana analityka w sprzedaży
Modele uczenia maszynowego w PKO Banku Polskim wykorzystywane są również we wsparciu procesów sprzedażowych. Zaawansowane modele predykcyjne bazujące na algorytmach uczenia maszynowego są obecnie w PKO Banku Polskim niezbędnym elementem wsparcia sprzedaży produktów i usług bankowych w ramach działań CRM. Umożliwiają przygotowanie dla klienta rekomendacji produktowych lub tzw. personalizowanych ofert, minimalizując jednocześnie ryzyko missellingu, czyli proponowania klientom usług finansowych, które nie odpowiadają jego potrzebom. Dzięki zgromadzonym danym, bank optymalizuje sposób, czas jak i również kanał kontaktu, w zależności od stopnia jego ucyfrowienia – zachowując jednocześnie zasady omnikanałowości.