Banche e bot: Le Sfide Principali del self-service nei Servizi Finanziari

Introduzione

1. Una marea di intenti

2. Configurazione del Bot e sistemi di back-end per il settore FSI

3. Sicurezza, privacy e compliance per i dati

4. Studiare la model risk governance

5. 5. Come iniziare

Conclusione

Sfatare i miti del trasferimento di chiamata verso un altro canale

Cinque anni fa ogni banca si comportava con estrema cautela quando decideva di implementare i bot. Di fatto, questi erano dedicati a un numero ristretto di attività, occupandosi di rispondere a domande elementari o di soddisfare gli intenti più semplici, mentre la maggior parte delle richieste venivano inoltrate direttamente agli agenti del servizio clienti. Oggi, le banche sono invece più ambiziose rispetto all’uso dei bot, ricevendo anche un aiuto dal mercato.

Il completamento di un programma per diffondere l’automazione in ogni contesto aziendale — con comprensione del linguaggio naturale (NLU) e bot — richiederà anni. Tuttavia i risultati meritano l’attesa, considerate le ricadute a valore su tutta l’organizzazione.

Ecco cinque aree su cui concentrarsi quando si sceglie di adottare i  bot nel settore servizi finanziari (FSI).

1. Una marea di intenti

A differenza degli altri settori verticali, quello bancario deve misurarsi con molti intenti diversi distribuiti sulle varie LOB (line of business). Pensa a tutte le attività che queste svolgono: servizi bancari retail, conti correnti, carte di pagamento, mutui o gestione patrimoniale.

Ciascuna LOB è caratterizzata da un insieme di intenti piuttosto variegato e di dimensioni anche di dieci volte superiori rispetto a quanto ad esempio accade in una catena retail. In quest’ultimo caso, i clienti sono, di norma, alla ricerca di un prodotto, stanno effettuando un acquisto o restituendo un articolo. Anche se il venditore ha un ricchissimo catalogo, tutti gli articoli condividono lo stesso processo e gli intenti sono spesso comuni.

I servizi finanziari sono più complessi. Gli intenti associati ai mutui sono diversi da quelli legati alle polizze vita, alla gestione patrimoniale o ai servizi per le carte di pagamento. Ad esempio, l’obiettivo di un cliente potrebbe essere la contestazione di un addebito sulla carta di credito o il rifinanziamento del mutuo. Ciascuna di queste attività ha intenti unici.

Ti sembra un processo difficile da gestire? Fortunatamente esistono alcune strade da seguire per semplificarlo. Molti vendor tecnologici specializzati sui servizi finanziari hanno sviluppato delle librerie di intenti ed espressioni verbali pronte all’uso oltre che integrazioni dedicate ai principali sistemi di back-end installati nelle banche. Tuttavia, questo non significa che rivolgendosi agli specialisti si risolveranno tutti i possibili problemi.

Le banche più grandi spesso supportano la clientela in molte lingue e ogni regione geografica potrebbe richiedere espressioni verbali specifiche. La messa a punto corretta dei bot, l’assicurazione della qualità e il testing di usabilità restano attività fondamentali per il successo. Quando i bot offrono al cliente un’esperienza frammentata, spesso la causa è da ricercarsi in una frettolosa fase di addestramento e assicurazione della qualità.

2. Configurazione del Bot e sistemi di back-end per il settore FSI

Con l’identificazione degli intenti e il cosiddetto slot-filling, ossia l’introduzione delle informazioni utili al bot per soddisfare le richieste, si è solo a metà dell’opera, quella talvolta più semplice da realizzare. Questo risulta ancor più vero quando i bot devono entrare in connessione diretta con i sistemi di back-end per il completamento degli intenti. Mettiamo il caso che un tuo cliente desideri trasferire fondi da un conto corrente a un conto risparmio.

Accorgersi che vuole spostare una determinata somma di denaro — avendo a disposizione tutti i dettagli legati a questo trasferimento — agevola il riconoscimento dell’intento e il riempimento degli slot con le informazioni necessarie. Ma l’attività del bot non si ferma qui. Deve anche soddisfare la richiesta finale e per riuscirci, reagendo all’intento, serve un’integrazione con i sistemi FSI di back-end. In questa fase, emerge una delle sfide fondamentali: garantire che ognuna delle interfacce in gioco rispetti la compliance in termini di sicurezza e protocolli di comunicazione necessari.

Semplificando il processo è possibile vincere questa sfida. Ecco che realtà come Oracle, ServiceNow e Salesforce propongono interfacce consolidate per molti sistemi di back-end, agendo essenzialmente da broker di comunicazione. Questo significa evitare al tuo bot di dover parlare anche con 10 sistemi differenti.

3. Sicurezza, privacy e compliance per i dati

Sebbene in molti inizino la propria avventura con i bot proponendo FAQ od opzioni di benvenuto, la vera sfida sta in quelli transazionali, tenendo anche conto degli elevati standard di sicurezza del settore bancario. Pur non esistendo una soluzione rapida per produrre in massa questi bot avanzati, ci sono comunque alcune best practice da seguire.

Il primo passo è quello di separare gli intenti che richiedono un processo di Identification and Verification (ID/V) da quelli a cui non serve. In questo modo si chiariranno i profili di sicurezza a cui allineare il tuo ecosistema di bot.

Il secondo passo riguarda la categorizzazione delle tipologie di informazioni che riempiranno gli slot o che i bot veicoleranno, determinando quanto richiesto fronte PCI compliance e regolamenti per la privacy dei dati.

Terzo, dovrai identificare tutti i sistemi per rispettare l’intento e categorizzare ciascuno di essi in termini di sicurezza/rischio.

Raccogliere in anticipo queste informazioni ti prepara al confronto con i tuoi team di sicurezza e compliance. Coinvolgili in questa avventura e consultali per sapere cosa è effettivamente concesso prima di sviluppare un piano ambizioso.

4. Studiare la model risk governance

Da molto tempo le banche si servono di modelli complessi e processi di data science per condurre le rispettive attività di business. Parecchi anni fa ha iniziato a diffondersi la model risk governance, nel momento in cui le banche hanno per prime iniziato a servirsi degli algoritmi di intelligenza artificiale (AI) per valutare i rischi, ad esempio relativamente alla concessione di un prestito. Qualora gli algoritmi non avessero funzionato correttamente, ci sarebbero state conseguenze inaspettate che potevano mettere la banca a rischio.

Oggi la model risk governance è un processo formale con severi controlli all’ingresso. Quando un algoritmo di intelligenza artificiale viene proposto — che riguardi qualsiasi strumento di AI o machine-learning — gli istituti devono passare attraverso un percorso molto lungo e dettagliato al fine di tutelarsi al meglio.

Ad esempio, se hai un progetto da completare in sei mesi, discutine prima possibile con il tuo team interno per la model risk governance chiedendo anche quanto tempo dovrai attendere. Tutto questo dovrebbe rientrare nella pianificazione del tuo progetto.

In origine la model risk governance non era stata pensata per i bot, ma successivamente è stata estesa anche a questi ultimi così come a tutti i servizi che impiegano i modelli di AI. Se un processo o un sistema sta eseguendo dei calcoli, delle previsioni o delle analisi, potrebbe essere classificato come modello da governare.

In ultima analisi, sei tu responsabile dell’esecuzione di tale processo e di mettere a disposizione del team tutte le informazioni necessarie. Queste possono includere quelle relative alle fasi di tuning, testing e quality assurance; informazioni sulle fonti dati e sui processi di data cleansing così come su quelli per evitare che il modello applichi pregiudizi ingiusti e non etici.

5. Come iniziare

Considerando tutte le sfide esistenti, la domanda che alla fine sorge spontanea è da dove iniziare e il percorso da compiere per un’evoluzione di successo.

In tal senso, è meglio partire da quelle business unit che offrono le maggiori opportunità di crescita. Ad esempio, molte grandi banche hanno una divisione assicurazioni che spesso si serve di una tecnologia meno avanzata. L’aggiunta di un bot che condivide informazioni di base o instrada le interazioni in modo più efficiente potrebbe servire ad agevolare la Customer Experience e a liberare gli agenti da attività ripetitive. Questo bot che si occupa di FAQ semplici non è di tipo transazionale, ma abilita una navigazione avanzata attraverso le domande più frequenti. Inoltre esso può conservare il prezioso contesto da usare quando è richiesto il trasferimento dell’interazione verso un agente umano.

Contemporaneamente, pensa a bot più ambiziosi, di tipo transazionale, da adottare per aree operative con un tasso di rischio inferiore e di successo superiore. Si tratta di una scelta che garantisce buoni risultati nell’uso di questo tipo di strumenti. Una volta completata la “Fase 2”, otterrai l’esperienza necessaria per validare al meglio l’implementazione dei bot su casi di utilizzo più sfidanti o rischiosi.

Conclusione

Il settore servizi finanziari è complicato; è estremamente regolamentato e può dimostrarsi molto conservativo e allergico ai rischi. I benefici di business dell’automazione basata sui bot possono tuttavia essere significativi. Chi li ha già usati lo ha dimostrato e il loro successo sta sollecitando più realtà del comparto FSI a prenderli in considerazione. Il vero successo dipende però da una strategia solida che indirizzi in modo concreto e affidabile le sfide specifiche del settore.

Mantieni in carreggiata la tua strategia sui bot. Concentrati sulle aree migliori per attivare l'automazione.

Progetta la tua soluzione

Genesys ChatAssistenza dal vivo
Close Widget

Come possiamo aiutarvi oggi?

Genesys ChatAssistenza dal vivo