Bancos e bots: os principais desafios do autoatendimento em serviços financeiros

Há cinco anos, todos os bancos que implantaram bots foram cautelosos no processo. Então, os bots normalmente recebiam um conjunto muito estrito de tarefas. E, ainda assim, a maioria das consultas dos clientes eram direcionadas aos agentes de atendimento ao cliente. Os bots eram usados para responder a perguntas básicas ou atender a intenções simples.

Hoje, os bancos estão mais ambiciosos com bots, e o mercado apoia essa ambição. Um programa abrangente dentro da empresa que eleva a automação, usando compreensão da linguagem natural (NLU) e bots, levará anos para ser totalmente concluído. No entanto, os resultados potenciais valem a pena para maximizar o valor em toda a empresa.

Aqui estão cinco áreas de foco para bots exclusivos do setor de serviços financeiros (FSI).

1. Diversas intenções

À diferença de outros mercados verticais, o setor bancário precisa lidar com uma grande variedade e um alto volume de possíveis intenções, pois esse setor geralmente inclui várias linhas de negócios. Pense em todas as tarefas em uma instituição financeira: serviços bancários de varejo, contas correntes, serviços de cartão, hipotecas ou gestão de patrimônio.

Cada uma dessas linhas de negócios tem uma biblioteca inteira de intenções. Quando você está criando bots, por exemplo, sua biblioteca pode ser dez vezes maior do que um bot que presta serviço a uma cadeia de varejo. No varejo, os clientes geralmente estão procurando um produto, fazendo uma compra ou devolvendo um artigo. Mesmo que o varejista venda mil produtos, todos eles compartilham o mesmo processo. Portanto, há menos intenções distintas.

Os serviços financeiros são mais complexos. As intenções associadas à sua hipoteca são diferentes daquelas referentes ao seguro de vida, gestão de patrimônio ou serviços de cartão. Por exemplo, você pode querer contestar uma cobrança em seu cartão de crédito ou refinanciar sua hipoteca. Cada uma dessas tarefas tem intenções exclusivas durante todo o processo.

Isso pode ser assustador, mas há maneiras de facilitar o gerenciamento. Muitos fornecedores de tecnologia especializados em serviços financeiros construíram bibliotecas de intenções e enunciados prontas para o uso. Além disso, esses mesmos fornecedores podem ter integrações pré-criadas em sistemas de back-end, geralmente utilizados pelos bancos. Mas isso não significa se envolver com um fornecedor especializado em bots de serviços financeiros para resolver todos os problemas potenciais.

Os bancos maiores geralmente oferecem suporte a um número maior de clientes em vários idiomas, e regiões geográficas diferentes podem ter um vernáculo específico para bancos que não é universal. O ajuste adequado dos bots, a garantia de qualidade e os testes de usabilidade continuando sendo elementos importantes para ser bem-sucedido. Quando os bots oferecem uma experiência do cliente desarticulada, muitas vezes é porque a empresa apressou esse estágio crucial de treinamento e garantia de qualidade.

2. Sistemas de back-end FSI e de execução de bots

Identificar intenções e preencher slots é apenas metade da batalha. E, às vezes, é a metade mais fácil. Isso é particularmente verdade quando você deseja que os bots se vinculem a sistemas de back-end para o cumprimento de intenções. Imagine que seu cliente deseja transferir fundos de uma conta corrente para uma conta poupança.

Identificar que o cliente deseja mover uma quantidade específica de dinheiro, e todos os detalhes relacionados a essa transferência, satisfaz os desafios de reconhecimento de intenção e preenchimento de slot. Mas não é aí que termina a tarefa do bot. Na verdade, ele deve atender a essa solicitação. Isso significa que a integração com sistemas de back-end FSI é necessária para executar a intenção. E um dos principais desafios é garantir que cada uma dessas interfaces do sistema respeitem a conformidade com a segurança e os protocolos de comunicação.

Simplificar o processo pode resolver isso. Algumas empresas como Oracle, ServiceNow e Salesforce consolidaram interfaces com muitos sistemas de back-end, tornando-se essencialmente um intermediário de comunicações. Isso significa que seu bot pode não precisar falar com dez sistemas diferentes.

3. Segurança de dados, privacidade e conformidade

Embora muitos comecem a usar os bots para as perguntas frequentes ou os serviços de assistente pessoal, os bots transacionais representam o verdadeiro desafio, pois os bancos têm padrões de segurança mais altos. E quando se trata da produtividade desses bots transacionais, não há correção rápida. No entanto, há algumas melhores práticas.

A primeira etapa é dividir todas as intenções entre as que requerem ou não identificação e verificação (ID/V). Isso esclarecerá o perfil de segurança ao qual você precisa aderir em seu ecossistema de bots.

A segunda etapa é categorizar os tipos de informações que preencherão os slots ou que os bots fornecerão, determinando o que é necessário em relação à conformidade com o PCI e às normas de privacidade de dados.

E, em terceiro lugar, identificar todos os sistemas que você utilizará para o cumprimento de intenções e categorizar cada um deles com base em uma perspectiva de segurança/risco.

Reunir essas informações com antecedência prepara você para as discussões necessárias com suas equipes de segurança e conformidade. Você quer que essas equipes sejam parceiras nesse esforço. Elas também devem ser a autoridade final sobre o que é permitido. Prepare-se e comece o processo de consulta com elas antes de desenvolver quaisquer planos ambiciosos.

4. Como navegar na governança de risco de modelo

Há muito tempo que os bancos usam modelos complexos e ciência de dados em suas operações de negócios. A governança de risco de modelo surgiu daí há muitos anos, quando os bancos começaram a usar algoritmos de inteligência artificial (IA) para avaliação de riscos, por exemplo, ao fornecer um empréstimo a você. Se os algoritmos não funcionassem de forma adequada, haveria consequências indesejadas que poderiam colocar os bancos em risco. Agora, a governança de risco de modelo é um processo formal com controle rigoroso de gate. Quando um algoritmo de IA está sendo sugerido (qualquer tipo de ferramenta de IA ou algoritmo de aprendizado de máquina), os bancos devem passar por um processo muito detalhado e demorado para se proteger.

Por exemplo, se você tiver um projeto que deseja concluir em seis meses, converse com sua equipe interna de governança de risco de modelo o mais cedo possível. E pergunte a ela a duração do processo. Você deve incorporar isso ao cronograma do projeto.

A governança de risco de modelo não se destinava originalmente aos bots. No entanto, os bots e todos os serviços que usam modelos de IA foram envolvidos. Se um processo ou sistema estiver fazendo cálculos, previsões ou análises, poderá ser classificado como um modelo.

No final, você é responsável por navegar por esse processo e ter todas as informações necessárias disponíveis para a equipe de governança de risco de modelo. Essas informações podem incluir processos de ajuste, teste e garantia de qualidade, informações de fonte de dados, processos de limpeza de dados, bem como processos detalhados sobre como eliminar o risco de deslealdade ou de falta de ética dentro do modelo.

5. Como começar

Considerando todos os desafios, você pode se perguntar por onde começar e como avançar para um estado final sofisticado.

É melhor começar com unidades de negócios que oferecem a maior oportunidade de evolução. Por exemplo, alguns bancos grandes têm uma divisão de seguros que geralmente conta com tecnologia menos avançada. Adicionar um bot que simplesmente compartilhe informações básicas ou direcione interações de forma mais eficaz pode ser valioso ao simplificar a experiência do cliente e liberar agentes de tarefas rotineiras. Esse tipo de bot simples de perguntas frequentes não é transacional, ele ajuda os clientes a navegar pelas perguntas mais frequentes de uma forma muito mais sofisticada. Além disso, o bot pode manter um contexto valioso para usar o downstream quando o escalonamento para um agente humano for necessário.

Paralelamente, planeje bots transacionais mais ambiciosos em áreas onde há menor risco e maiores índices de sucesso. Isso garante o sucesso à medida que você passa para o domínio dos bots transacionais. Quando a “fase 2” estiver concluída, você terá reunido a experiência necessária para avaliar melhor a implementação de bots para casos de uso mais desafiadores ou de maior risco.

Conclusão

O setor de serviços financeiros é complicado. É extremamente regulamentado e pode ser extremamente conservador e avesso a riscos. No entanto, os benefícios comerciais da automação usando bots podem ser significativos. Os primeiros usuários já comprovaram isso, e o sucesso deles está levando mais FSIs a se aprofundarem também. Mas o sucesso real depende de ter uma estratégia sólida que aborde desafios específicos do setor.