Традиционные банки часто не замечают, как нефинансовые институты постепенно захватывают часть их рынка. Показатели оттока клиентов не всегда отражают масштаб проблемы, потому что люди часто продолжают пользоваться банковскими услугами, не закрывая основные счета. Даже если общее число клиентов остается стабильным, доля рынка банков может сокращаться.
Нецелевое удержание клиентов наносит ущерб банковской экономике, поскольку оно предполагает расходы на неприбыльных клиентов или фокусировку на тех, кто не реагирует на предложения. Краткосрочные меры часто не дают стабильных результатов и менее эффективны, чем системный подход, при котором удовлетворение потребностей клиентов становится основой бизнеса.
Клиенты уходят, потому что их потребности и предпочтения меняются. Если основные предложения банка не соответствуют этим изменениям, у клиентов мало альтернатив.
Именно поэтому банковский сектор активно внедряет новые технологии для оптимизации бизнес-процессов и улучшения качества обслуживания клиентов. Одна из ключевых инноваций, которая получила широкое внедрение в финтехе - машинное обучение.
Технологии ML предоставляют банкам и финтех-компаниям новые инструменты аналитики, которые позволяют лучше сегментировать клиентов и эффективнее работать с наиболее прибыльными из них
Эксперты Финейтив подготовили обзор о том, какие задачи решают роботы в банках сегодня, как банки выбирают платформы для роботизации и какие технологические тренды ожидаются в банковской сфере в будущем.
Задачи программной роботизации в банке
Одна из наиболее важных задач, которую решает машинное обучение в финтехе – составление отчетности. Это важная часть работы банка, включающая подготовку отчетов для регулирующих органов и внутренних нужд. Роботы могут выполнять эту задачу более эффективно и без ошибок, освобождая сотрудников от рутинной работы.
Еще одна актуальная задача – отслеживание и управление оттоком клиентов. Отток клиентов - серьезная проблема для банков, так как он может привести к снижению доходов и потере доли рынка. Роботы могут анализировать данные и выявлять тенденции оттока, что позволяет банку быстро принимать меры для его снижения.
Роботизация для оптимизации бизнес-процессов
Искусственный интеллект находит применение не только в банковской сфере, но и в других областях финтеха. Например, он может использоваться для автоматизации процессов выдачи кредитов физическим лицам, рассмотрения заявлений на субсидирование и многих других задач.
Одним из примеров успешной роботизации банков является автоматизация миграции между различными IT-системами. Если у банка много офисов и отделений в регионах, то он неизбежно сталкивается с ситуацией, когда в различных регионах разные внутренние стандарты. Для решения этой проблемы были созданы специальные роботы, которые учитывают региональные особенности и позволяют ускорить и упростить процесс миграции между информационными системами.
Роботизация также помогает устранить «костыли» при разработке программного обеспечения. В сложных проектах ПО, где происходит много изменений и обновлений, роботы могут решать проблемы по устранению нестыковок, что значительно ускоряет процесс разработки ПО.
Банковская сфера в кризисный и посткризисный периоды
Банки сталкиваются с новыми задачами из-за быстро меняющейся экономической ситуации и необходимости оперативно решать срочные вопросы. Финансовый сектор заинтересован в ускорении бизнес-процессов, сокращении time-to-market и улучшении качества обслуживания клиентов. Технологии и программная роботизация становятся важным инструментом для достижения этих целей.
Основной акцент делается на ускорении процессов тестирования гипотез и внедрения минимально жизнеспособных продуктов (MVP). Сегодняшние реалии диктуют ускоренное импортозамещение в сфере программной роботизации.
Банки сталкиваются с серьезными вызовами при импортозамещении, так как финансовые технологии отчасти зависят от зарубежных компаний. Например, системы, написанные десять лет назад, сложно заменить на современные аналоги, так как если они привязаны к определенным базам данных и технологиям. Также есть критически важные для банка системы, которые сложно заменить, так как они глубоко интегрированы в его внутренние процессы.
Например, отечественное ПО АБС, созданное на Oracle, сложно быстро заменить. Также вызывает сложности замена профессиональной телефонии, например системы Genesys, которая прекратила поддержку и обновления и системы управления взаимоотношениями с клиентами Oracle Siebel CRM.
«Банки привыкли ориентироваться на импортное ПО, но мы считаем, что российский рынок программного обеспечения активно развивается и не уступает зарубежному. Отечественные разработки соответствуют требованиям как с технической, так и с точки зрения кибербезопасности, что сейчас особенно важно.При выборе программного обеспечения банки отдают предпочтение проверенным вендорам, которые уже успешно работали с финансовым сектором. Поставщики должны иметь опыт и экспертизу в разработке банковского ПО, чтобы поддержать клиента на всех этапах — от разработки стратегии импортозамещения до внедрения решений и последующей поддержки. Именно такого принципа взаимодействия Финейтив придерживается в разработке банковских продуктов»
Компания Финейтив использует не только уже готовые решения, но и разрабатывает собственные компоненты, чтобы помочь банкам решать задачи импортозамещения в современных условиях.
Выбор платформы роботизации
Выбор платформы для программной роботизации - важный и многоэтапный процесс. Он начинается с тщательного сравнительного анализа существующих платформ по множеству критериев. При этом учитываются такие ключевые параметры, как архитектура платформы, уровень безопасности и стоимость владения.
Поиск процессов для роботизации
Выбор процессов для роботизации зависит от экономических обстоятельств и от текущей ситуации внутри банка, также важна его готовность к использованию новых технологий. Катализаторами для внедрения ИИ могут стать плохая отчетность подразделений банка, и потенциальная выгода от этого. Следует отметить, что придумывание процессов для ии с нуля часто оказывается менее успешным. Наиболее востребованными сейчас являются инновации в области Big Data и Data Science, которые помогают сокращать издержки и улучшать аналитику по клиентам.
