Banken, die vor fünf Jahren Bots bereitstellten, taten dies mit größter Vorsicht. Damals wurden Bots üblicherweise mit einer sehr begrenzten Anzahl von Aufgaben betraut. Und dennoch gingen die meisten Kundenanfragen direkt an die Kundendienstmitarbeiter. Bots wurden genutzt, um grundlegende Fragen zu beantworten oder einfache Absichten zu erfüllen.
Heute sind Banken in Bezug auf Bots ehrgeiziger – und der Markt unterstützt diesen Ehrgeiz. Es dauert Jahre, bis ein unternehmensweites Programm, das die Automatisierung unter Verwendung von Natural Language Understanding (NLU) und Bots vorantreibt, vollständig umgesetzt ist. Die potenziellen Ergebnisse sind jedoch lohnenswert und führen zu einer Maximierung des Werts im gesamten Unternehmen.
Im Folgenden werden fünf Schwerpunktbereiche für Bots genannt, die ausschließlich in der Finanzdienstleistungsbranche (FSI) relevant sind.
1. Jede Menge Absichten
Anders als andere Branchen muss sich das Bankwesen mit einer großen Vielfalt und einem hohen Maß an möglichen Absichten auseinandersetzen, da dieser Wirtschaftszweig häufig verschiedene Geschäftsbereiche umfasst. Denken Sie nur an alle Aufgaben eines Finanzinstituts: Privatkundengeschäft, Girokonten, Kartendienste, Hypotheken oder Vermögensverwaltung.
Jeder dieser Geschäftszweige verfügt über eine ganze Bibliothek an Absichten. Wenn Sie beispielsweise Bots erstellen, ist Ihre Bibliothek möglicherweise zehn Mal so groß wie ein Bot in einer Einzelhandelskette. Im Einzelhandel suchen Kunden in der Regel nach einem Produkt, tätigen einen Kauf oder geben einen Artikel zurück. Selbst wenn der Einzelhändler 1.000 Produkte verkauft, gilt für all diese Produkte derselbe Prozess. Es gibt weniger klar definierte Absichten.
Finanzdienstleistungen hingegen sind komplexer. Die mit Ihrer Hypothek verbundenen Absichten unterscheiden sich von Lebensversicherungen, Vermögensverwaltung oder Kartendienstleistungen. Beispielsweise können Sie einer Belastung Ihrer Kreditkarte widersprechen oder möchten Ihre Hypothek refinanzieren. Jede dieser Aufgaben hat während des gesamten Prozesses eigene Absichten.
Dies kann eine Herausforderung darstellen, aber es gibt Möglichkeiten, die Verwaltung zu vereinfachen. Viele Technologieanbieter, die sich auf Finanzdienstleistungen spezialisiert haben, haben sofort einsatzbereite Bibliotheken mit Absichten und Äußerungen zusammengestellt. Diese Anbieter verfügen möglicherweise auch über vorgefertigte Integrationen in Backend-Systeme, die häufig von Banken verwendet werden. Das bedeutet jedoch nicht, dass die Zusammenarbeit mit einem Anbieter, der sich auf Finanzdienstleistungs-Bots spezialisiert hat, alle potenziellen Probleme lösen wird.
Größere Banken unterstützen oft Kunden in vielen Sprachen, und verschiedene geografische Regionen verfügen möglicherweise über einen bankspezifischen Jargon, der nicht der Umgangssprache entspricht. Die richtige Bot-Optimierung, Qualitätssicherung und Nutzbarkeitstests sind weiterhin entscheidend für den Erfolg. Wenn Bots eine unzusammenhängende Customer Experience bieten, liegt das oft daran, dass das Unternehmen diese wichtige Trainings- und Qualitätssicherungsphase übereilt abgeschlossen hat.
2. Bot-Fulfillment und FSI-Backend-Systeme
Die Festlegung der Absichten und die Definition der Slots für das Slot-Filling ist nur die Hälfte der Arbeit. Und manchmal ist dieser Teil auch der einfachste. Dies gilt insbesondere dann, wenn Bots mit Back-End-Systemen zur Umsetzung von Absichten verbunden werden sollen. Stellen Sie sich vor, Ihr Kunde möchte Geld von einem Girokonto auf ein Sparkonto überweisen.
Die Feststellung, dass der Kunde einen bestimmten Geldbetrag überweisen möchte – und alle Details zu dieser Überweisung – erfüllt die Anforderungen der Absichtserkennung und des Slot-Fillings. Aber damit ist die Aufgabe des Bots noch nicht abgeschlossen. Der Bot muss diese Anforderung tatsächlich erfüllen. Das bedeutet, dass eine Integration in FSI-Backend-Systeme erforderlich ist, um die Absicht umzusetzen. Eine der größten Herausforderungen besteht dabei in der Sicherstellung, dass alle Systemschnittstellen die Sicherheitsvorschriften und Kommunikationsprotokolle einhalten.
Das kann durch eine Vereinfachung des Prozesses erreicht werden. Einige Unternehmen wie Oracle, ServiceNow und Salesforce verfügen über konsolidierte Schnittstellen zu vielen Backend-Systemen, wodurch sie im Wesentlichen als Kommunikationsmakler fungieren. Ihr Bot muss also vielleicht gar nicht mit 10 verschiedenen Systemen kommunizieren können.
3. Datensicherheit, Datenschutz und Compliance
Während viele Unternehmen die Bot-Welt mit FAQ- oder Concierge-Bots betreten, stellen Transaktions-Bots eine echte Herausforderung dar, da Banken über höhere Sicherheitsstandards verfügen. Leider gibt es keine schnelle Lösung für die Realisierung dieser Transaktions-Bots. Es gibt jedoch einige Best Practices.
Der erste Schritt besteht darin, alle Absichten zu unterteilen, und zwar in diejenigen, die eine Identifizierung und Verifizierung (ID/V) erfordern, und solche, bei denen das nicht der Fall ist. Dadurch ergibt sich das Sicherheitsprofil, das Sie innerhalb Ihres Bot-Ökosystems einhalten müssen.
Der zweite Schritt besteht darin, die Arten von Informationen zu kategorisieren, die Slots füllen oder von den Bots geliefert werden sollen, und zu bestimmen, was aus der Perspektive der PCI-Compliance und der Datenschutzbestimmungen erforderlich ist.
Und drittens müssen Sie alle Systeme identifizieren, die Sie für die Abwicklung der Absichten nutzen werden, und diese unter den Aspekten der Sicherheit und des Risikos kategorisieren.
Wenn Sie diese Informationen im Voraus sammeln, bereiten Sie sich auf die erforderlichen Gespräche mit Ihren Sicherheits- und Compliance-Teams vor. Diese Teams sollten Ihnen bei diesem Vorhaben zur Seite stehen. Sie sollten zudem das letzte Wort darüber haben, was erlaubt ist und was nicht. Erledigen Sie Ihre Hausaufgaben, und beginnen Sie mit dem Beratungsprozess, noch bevor Sie ehrgeizige Pläne entwickeln.
4. Steuerung von Modellrisiken
Banken nutzen seit langem komplexe Modelle und Data Science für ihre Geschäftsabläufe. Die Steuerung des Modellrisikos (Governance) hat sich vor vielen Jahren herausgebildet, als die Banken begannen, Algorithmen der künstlichen Intelligenz (KI) für die Risikobewertung einzusetzen, z. B. für die Frage, ob die Bank Ihnen einen Kredit gewähren sollte. Wenn diese Algorithmen nicht ordnungsgemäß funktionieren, hätte dies unbeabsichtigte Folgen, die die Banken in Gefahr bringen könnten. Mittlerweile ist die Modellrisikosteuerung ein formeller Prozess, der einer strengen Kontrolle unterliegt. Wenn ein KI-Algorithmus vorgeschlagen wird, ganz gleich, ob es sich um ein KI-Tool oder einen Algorithmus für maschinelles Lernen handelt, müssen Banken einen sehr detaillierten und langwierigen Prozess durchlaufen, um sich zu schützen.
Wenn Sie beispielsweise ein Projekt in sechs Monaten abschließen wollen, sprechen Sie so früh wie möglich mit Ihrem internen Team für Modellrisikosteuerung. Und fragen Sie nach, wie lange dieser Prozess dauern wird. Diesen Zeitraum müssen Sie in Ihrem Projektzeitplan berücksichtigen.
Die Modellrisikosteuerung war ursprünglich nicht für Bots gedacht. Aber Bots und alle Services, die KI-Modelle nutzen, finden sich unweigerlich in diesem Prozess wieder. Wenn ein Prozess oder System Berechnungen, Prognosen oder Analysen erstellt, könnte es als Modell klassifiziert werden.
Letztendlich sind Sie dafür verantwortlich, diesen Prozess zu steuern – und dem Modellrisikosteuerungsteam alle erforderlichen Informationen zur Verfügung zu stellen. Diese Informationen können Optimierungs-, Test- und Qualitätssicherungsprozesse, Datenquelleninformationen und Datenbereinigungsprozesse sowie detaillierte Prozesse zur Vermeidung des Risikos unlauterer oder unethischer Voreingenommenheit innerhalb des Modells umfassen.
5. Einstiegspunkt
Wenn Sie alle diese Herausforderungen berücksichtigen, fragen Sie sich vielleicht, wo Sie anfangen sollen und wie Sie auf einen erstrebenswerten Endzustand hinarbeiten können.
Am besten beginnen Sie mit Geschäftseinheiten, die die größten Chancen für greifbare Vorteile bieten. So verfügen beispielsweise viele große Banken über eine Versicherungsabteilung, die oft mit weniger fortschrittlichen Technologien ausgestattet ist. Der Einsatz eines Bots, der einfach grundlegende Informationen bereitstellt oder Interaktionen effektiver weiterleitet, kann zur Optimierung der Customer Experience und Entlastung der Agenten bei alltäglichen Aufgaben beitragen. Diese Art von einfachem FAQ-Bot ist nicht transaktionsbezogen, sondern hilft Kunden dabei, auf eine viel anspruchsvollere Weise durch die häufig gestellten Fragen zu navigieren. Darüber hinaus kann der Bot einen wertvollen Kontext liefern, wenn eine Eskalation an einen menschlichen Agenten erforderlich ist.
Planen Sie parallel dazu ambitioniertere Transaktions-Bots in Bereichen mit geringerem Risiko und höheren Erfolgsraten. So gewährleisten Sie Ihren Erfolg bei der Umstellung auf Transaktions-Bots. Nach Abschluss von „Phase 2“ haben Sie die notwendige Erfahrung gesammelt, um die Bot-Bereitstellung für anspruchsvollere oder risikoreichere Anwendungsfälle besser zu bewerten.
Fazit
Die Finanzdienstleistungsbranche ist kompliziert, stark reguliert und mitunter extrem konservativ und risikoscheu.Die geschäftlichen Vorteile einer Automatisierung mit Bots können jedoch erheblich sein, wie frühe Anwender bewiesen haben. Ihr Erfolg veranlasst immer mehr Finanzdienstleister, sich auf diese Technologie einzulassen. Wirklicher Erfolg hängt jedoch von einer soliden Strategie ab, die branchenspezifische Herausforderungen angeht.