<\/p>\n
Cinque anni fa, le banche hanno iniziato a servirsi cautamente dei bot riservandoli a un insieme molto ristretto di attivit\u00e0, quali ad esempio le domande pi\u00f9 frequenti ed elementari a cui rispondere. La maggior parte delle richieste dei clienti veniva di fatto ancora indirizzata direttamente agli agenti. Oggi le ambizioni sono invece superiori; la tecnologia bot \u00e8 migliorata e cresce la richiesta di opzioni self-service. In molti istituti la realizzazione di un programma globale che estenda l\u2019automazione e utilizzi la comprensione del linguaggio naturale (NLU) e i bot potrebbe per\u00f2 richiedere anni, a meno di non scegliere una tecnologia personalizzabile e di rapida implementazione.<\/p>\n
Ecco qui di seguito quattro aree di adozione e utilizzo dei bot specifiche per il settore servizi finanziari.<\/p>\n
A differenza di altri settori, quello bancario deve confrontarsi con un\u2019ampia variet\u00e0 e quantit\u00e0 di intenti dei clienti, legati al gran numero di linee di business in gioco. Pensiamo ad esempio a tutte le attivit\u00e0 da svolgere quando si tratta di servizi retail, ossia conti deposito, carte di pagamento, prestiti e gestione patrimoniale.<\/p>\n
Per rispondere a dette esigenze, molti vendor tecnologici si sono specializzati in questo settore sviluppando alcune librerie dedicate di intenti ed espressioni. Gli stessi potrebbero inoltre avere a disposizione integrazioni gi\u00e0 pronte per i sistemi presenti nelle banche. Questo per\u00f2 non significa che siano in grado di rispondere con successo a ogni richiesta.<\/p>\n
Di fatto, spesso le banche pi\u00f9 grandi supportano clientele che parlano lingue diverse e i termini specifici potrebbero differire a seconda della regione geografica di appartenenza. Una messa a punto appropriata dei bot, l\u2019assicurazione della qualit\u00e0 e i test di usabilit\u00e0 restano in tal senso attivit\u00e0 critiche per il successo. Con l\u2019esperienza offerta dai bot che si dimostrer\u00e0 incoerente in caso tutto questo venga svolto in fretta.<\/p>\n
\u201cLa sfida per i servizi finanziari \u00e8 quella di essere un dominio molto ricco e complesso, comprendente tante linee di business e un\u2019ampia gamma di prodotti differenti tra loro,\u201d commenta Jake Tyler, CEO di Finn AI. \u201cPi\u00f9 scopo aggiungi e pi\u00f9 intenti ti servono \u2014 e pi\u00f9 intenti aggiungi pi\u00f9 dati ti servono per ciascun intento. In Finn, ad esempio, supportiamo centinaia di intenti tipici dei servizi bancari retail, e ciascuno dei nostri intenti viene addestrato con una media di 2.000 espressioni umane, spesso ben di pi\u00f9 (oltre 10.000) per le componenti complesse del nostro modello linguistico. Una scarsa copertura del modello o la presenza di dati di addestramento insufficienti abbassano le probabilit\u00e0 di risposta del bot alle domande specifiche degli utenti.\u201d<\/p>\n
Identificando gli intenti e riempiendo gli slot si \u00e8 solo a met\u00e0 dell\u2019opera, quella met\u00e0 talvolta pi\u00f9 semplice da svolgere. Questo si rivela particolarmente vero quando, per soddisfare l\u2019intento, si punta a integrare i bot con i sistemi di backend.<\/p>\n
Immagina che il tuo cliente voglia trasferire dei fondi da un conto deposito a un conto risparmio. L\u2019identificazione del suo desiderio e di tutti i dettagli legati all\u2019operazione permette di riconoscere l\u2019intento e riempire gli slot. Ma l\u2019attivit\u00e0 del bot non si ferma qui, dovendo ancora soddisfare la richiesta di origine. L\u2019esecuzione dell\u2019intento necessita infatti di un\u2019integrazione con i sistemi bancari attraverso interfacce conformi alla sicurezza e ai protocolli di comunicazione, che semplificano nel contempo il processo in questione.<\/p>\n
Alcune aziende, come Oracle, ServiceNow e Salesforce hanno quindi consolidato le interfacce verso molti sistemi di backend, diventando essenzialmente un broker di comunicazioni. Questo significa che il tuo bot potrebbe non dover dialogare con una decina di sistemi diversi.<\/p>\n
Sebbene molti journey partano con i bot FAQ o di benvenuto, la vera sfida si manifesta quando entrano in azione quelli transazionali, avendo le banche standard di controllo superiori. Quando si tratta di mettere in produzione questo tipo di bot non esiste una soluzione rapida.<\/p>\n
Il primo passo da compiere \u00e8 la suddivisione di tutti gli intenti in due gruppi: quelli che richiedono identificazione e verifica (ID\/V) e quelli no. In questo modo riesci a identificare il profilo di sicurezza necessario all\u2019interno del tuo ecosistema di bot. Il passo successivo \u00e8 la categorizzazione delle tipologie di informazioni che riempiranno gli slot o che i bot offriranno. Determina i requisiti in termini di conformit\u00e0 rispetto a PCI e ai vari regolamenti sulla data-privacy. Terzo, identifica tutti i sistemi alla base della soddisfazione dell\u2019intento e, quindi, categorizza ciascuno di essi in termini di sicurezza\/rischio.<\/p>\n
La raccolta anticipata di queste informazioni ti preparer\u00e0 per i confronti necessari con i tuoi team di sicurezza e compliance. Fatti affiancare da loro in questa attivit\u00e0 acquisendo indicazioni su cosa ti \u00e8 consentito fare. Consultatili prima di avventurarti in piani estremamente ambiziosi.<\/p>\n
Le banche utilizzano modelli complessi e applicano la data science nell\u2019ambito delle proprie attivit\u00e0 di business. La model risk governance ha compiuto un passo ulteriore quando gli istituti hanno per la prima volta iniziato a servirsi di algoritmi di intelligenza artificiale (AI) per la valutazione dei rischi, ad esempio nella concessione di un prestito. Se gli algoritmi non avessero funzionato in modo corretto, ci sarebbero state conseguenze negative, generando rischi. Oggi la model risk governance \u00e8 un processo formale con severi controlli all\u2019ingresso. Quando un algoritmo di AI viene proposto \u2013 qualsiasi tipo di algoritmo di AI o machine learning \u2014 per proteggersi le banche devono passare attraverso un processo molto lungo e dettagliato.<\/p>\n
Supponi di avere in mente un progetto da completare in sei mesi. Parla il prima possibile con il tuo team interno di model risk governance e chiedi di quanto tempo avranno bisogno. Quindi consideralo nella tempistica del tuo progetto.<\/p>\n
Sebbene in origine la model risk governance non fosse stata pensata per i bot, oggi entra in gioco in tutti i servizi che impiegano i modelli di AI. Se un processo o sistema sta eseguendo calcoli, previsioni o analisi, potrebbe essere a sua volta classificato come modello. Alla fine, sei tu il responsabile per il suo andamento cos\u00ec come della disponibilit\u00e0 di tutte le informazioni da fornire al team di model risk governance. Queste informazioni possono riguardare processi di tuning, testing e QA, informazioni sulle fonti dati e i processi di data cleansing, cos\u00ec come dettagli sulle modalit\u00e0 di eliminazione del rischio di decisioni ingiuste o non etiche all\u2019interno del modello stesso.<\/p>\n
La Strada Verso Bot Pi\u00f9 Evoluti<\/strong><\/p>\n Considerando tutte queste sfide potresti a questo punto chiederti da dove iniziare e come dirigerti verso un\u2019adozione concreta e avanzata dei bot.<\/p>\n \u201cCome accade per una conversazione tradizionale, un\u2019esperienza bot di qualit\u00e0 dipende sia dalla comprensione dei desideri dell\u2019utente sia dalla capacit\u00e0 di completare tale attivit\u00e0,\u201d afferma Tyler. \u201cLa risposta risiede nella combinazione di due elementi ugualmente importanti: il progetto della conversazione e l\u2019integrazione con i sistemi di backend. Non importa quanto la tua AI sia brava a comprendere quanto gli utenti stanno dicendo se poi hai progettato risposte superficiali o ti manca l\u2019integrazione con i sistemi di backend necessaria al completamento delle attivit\u00e0.\u201d<\/p>\n Tyler suggerisce anche di scegliere casi di utilizzo gi\u00e0 noti. \u201cOggi i chatbot e gli assistenti virtuali sono implementati diffusamente e stanno generando valore per le divisioni consumer delle principali banche. Ad esempio, l\u2019Erica Virtual Assistant di Bank of America ha 21 milioni di utenti, cresciuti di oltre il 60% lo scorso anno. I clienti se ne servono come strada pi\u00f9 rapida e conveniente per svolgere le operazioni sui dispositivi mobili. Questo caso consumer \u00e8 un ottimo punto di partenza. Se non vuoi tuffarti direttamente nell\u2019implementazione di un bot a livello di digital banking, inizia dal sito e passa progressivamente ai canali autenticati.\u201d<\/p>\n Tyler raccomanda inoltre l\u2019individuazione di un partner tecnologico dotato di un modello di linguaggio bancario pre addestrato. In questo modo risparmierai tempo e risorse sull\u2019addestramento dell\u2019AI, potrai uscire sul mercato pi\u00f9 rapidamente e abbassare il rischio generale del progetto. Devi per\u00f2 ancora garantire che il bot riesca a rispondere alle richieste degli utenti e a completare tutte le attivit\u00e0 correlate.<\/p>\n \u201cIl settore \u00e8 pieno di esempi di realt\u00e0 finanziarie che hanno sottostimato il tempo e gli sforzi necessari all\u2019addestramento del modello di linguaggio dell\u2019AI,\u201d aggiunge Tyler. Parti dall\u2019opzione pi\u00f9 semplice, ossia i casi d\u2019uso con tante richieste e attivit\u00e0 di routine poco complesse. Di solito sono quelli delle tue business unit retail\/consumer. Scegli i casi che hanno volumi elevati poich\u00e9 mostrano con chiarezza se il bot sta risolvendo un problema reale e generano dati sufficienti ad addestrare e ottimizzare velocemente il tuo modello di AI.<\/p>\n \u201cLa buona notizia \u00e8 che i vantaggi facilmente accessibili sono tanti. Dando un\u2019occhiata a cosa i clienti stanno chiedendo al tuo call center avrai gi\u00e0 una chiara indicazione del punto da cui iniziare,\u201d afferma Tyler. \u201cIn alternativa, fallo dai casi di utilizzo a basso rischio, come un help desk HR o IT. Questi bot di knowledge management sono analoghi a un motore di ricerca con interfaccia conversazionale e possono dimostrarsi molto efficaci, pi\u00f9 semplici da costruire e addestrare e pi\u00f9 rapidi da implementare. Tuttavia, nota come la soluzione che costruisci, cos\u00ec come la tua esperienza per addestrarla, non saranno comunque utili per i casi di utilizzo pi\u00f9 complessi.\u201d<\/p>\n Infine, mantieni sempre le persone coinvolte. I bot aiutano gli utenti a risolvere i problemi di routine e ripetitivi. Tra questi ci sono quelle richieste semplici che oggi monopolizzano il tempo del tuo team di supporto. Tuttavia, i bot non saranno mai perfetti per rispondere a tutto. Esistono infatti molte attivit\u00e0, come le controversie sulle transazioni e le problematiche patrimoniali, risolte meglio dal tuo team di supporto. Ecco che un bot in grado di trasferire facilmente un utente a un agente dal vivo ti offre il meglio dell\u2019automazione e del tocco umano.<\/p>\n","protected":false},"excerpt":{"rendered":" Cinque anni fa, le banche hanno iniziato a servirsi cautamente dei bot riservandoli a un insieme molto ristretto di attivit\u00e0, quali ad esempio le domande pi\u00f9 frequenti ed elementari a cui rispondere. La maggior parte delle richieste dei clienti veniva di fatto ancora indirizzata direttamente agli agenti. Oggi le ambizioni sono invece superiori; la […]<\/p>\n","protected":false},"author":884,"featured_media":401544,"template":"","tax_priority":[],"tax_blogtype":[17750],"tax_blogcategory":[15948,17619],"tax_contenttheme":[],"tax_bundle":[],"tax_contenttheme2":[],"tax_capability_sitewide":[],"tax_products_programs":[],"tax_buying_job":[],"tax_buyer_persona":[],"tax_sector":[],"tax_segment":[],"class_list":["post-411868","blog","type-blog","status-publish","has-post-thumbnail","hentry","tax_blogtype-genesys-it-it","tax_blogcategory-ai-and-machine-learning-it-it","tax_blogcategory-industries-it-it"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/blog\/411868","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/types\/blog"}],"author":[{"embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/users\/884"}],"version-history":[{"count":5,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/blog\/411868\/revisions"}],"predecessor-version":[{"id":417016,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/blog\/411868\/revisions\/417016"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/media\/401544"}],"wp:attachment":[{"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/media?parent=411868"}],"wp:term":[{"taxonomy":"tax_priority","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_priority?post=411868"},{"taxonomy":"tax_blogtype","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_blogtype?post=411868"},{"taxonomy":"tax_blogcategory","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_blogcategory?post=411868"},{"taxonomy":"tax_contenttheme","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_contenttheme?post=411868"},{"taxonomy":"tax_bundle","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_bundle?post=411868"},{"taxonomy":"tax_contenttheme2","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_contenttheme2?post=411868"},{"taxonomy":"tax_capability_sitewide","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_capability_sitewide?post=411868"},{"taxonomy":"tax_products_programs","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_products_programs?post=411868"},{"taxonomy":"tax_buying_job","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_buying_job?post=411868"},{"taxonomy":"tax_buyer_persona","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_buyer_persona?post=411868"},{"taxonomy":"tax_sector","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_sector?post=411868"},{"taxonomy":"tax_segment","embeddable":true,"href":"https:\/\/www.genesys.com\/it-it\/wp-json\/wp\/v2\/tax_segment?post=411868"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}