AI ჩატბოტი ბანკებისთვის
საბანკო მომხმარებელთა მხარდაჭერის ახალი ხედვა: როგორ ავითარებს FINA შემდეგი თაობის AI ჩატბოტს კომერციული ბანკებისთვის
ბანკები და მიკროსაფინანსო ორგანიზაციები წლების განმავლობაში იყენებდნენ ჩატბოტებს მომხმარებლებთან კომუნიკაციის სამართავად. თუმცა, მათი უმეტესობა კვლავ წესებზეა დაფუძნებული - ისინი პასუხობენ მხოლოდ წინასწარ განსაზღვრულ შეკითხვებს. როგორც კი მოთხოვნა სცდება სკრიპტს, საუბარი წყდება.
FINA ამ პრობლემას წყვეტს AI-ზე დაფუძნებული ჩატბოტის შემუშავებით, რომელსაც ესმის კონტექსტი, ამუშავებს კომპლექსურ შეკითხვებს და პასუხობს რეალურ დროში ზუსტი ინფორმაციით. ის აგებულია რეალური შემთხვევებისთვის და არა მხოლოდ წინასწარ გაწერილი პასუხებისთვის.
Microsoft-ისა და TBC ბანკის მხარდაჭერა
FINA შეირჩა Microsoft Central Europe AI Fintech & Insurtech Accelerator Program-ის 16 საუკეთესო მონაწილეს შორის, რომელსაც TBC Bank უჭერს მხარს. ამ პროგრამის ფარგლებში, ჩვენმა გუნდმა მიიღო:
მენტორობა Microsoft-ისა და NVIDIA-ს ექსპერტებისგან;
წვდომა მოწინავე AI ინსტრუმენტებსა და ინფრასტრუქტურაზე;
მხარდაჭერა მასშტაბირებისა და ბაზრისთვის მზადყოფნისთვის.
რატომ არ მუშაობენ ტრადიციული ჩატბოტები?
წესებზე დაფუძნებული ჩატბოტები მუშაობენ სტატიკურ სკრიპტებზე. ისინი ფუნქციონირებენ მხოლოდ ფიქსირებული ნაკადის ფარგლებში და არ შეუძლიათ ადაპტირება კომპლექსურ ან მოულოდნელ შეკითხვებზე. როდესაც მომხმარებლებს ძირითად ინფორმაციაზე მეტი სჭირდებათ, ეს ბოტები უძლურნი არიან.
მაგალითად: მომხმარებელი კითხულობს: „საჭიროა თუ არა ონლაინ რეგისტრაცია სესხის მოთხოვნამდე?“ ბოტი პასუხობს: „განაცხადის შეტანა შეგიძლიათ ონლაინ ან ფილიალში.“
შეკითხვაზე პასუხი არ გაცემულა, რაც მომხმარებელს აბნევს ან აიძულებს ოპერატორს დაუკავშირდეს.
ეს იწვევს:
მომხმარებელთა მომსახურების გუნდებზე მაღალ დატვირთვას;
მომხმარებლის ცუდ გამოცდილებას და კმაყოფილების შემცირებას;
საუბრის შუა ნაწილში შეწყვეტის ზრდას (drop-off rates).
Gartner-ის მიხედვით, წესებზე დაფუძნებული ბოტების მიერ დამუშავებული შეკითხვების მხოლოდ 20% გვარდება ადამიანის ჩარევის გარეშე.
რა განსაზღვრავს AI ჩატბოტების სხვაობას?
AI-ზე დაფუძნებული ჩეთბოტები, რომლებსაც FINA ავითარებს, იყენებენ ბუნებრივი ენის დამუშავებას (NLP) და მანქანურ სწავლებას რეალური საუბრების სამართავად:
მათ ესმით ბუნებრივი ენა და მომხმარებლის განზრახვა.
ისინი სწავლობენ წარსული ინტერაქციებიდან და დროთა განმავლობაში უმჯობესდებიან.
ისინი სვამენ დამაზუსტებელ შეკითხვებს ორაზროვანი მოთხოვნების გასარკვევად.
მუშაობენ სხვადასხვა არხზე და არიან მაღალმასშტაბირებადნი.
📊 IBM იუწყება, რომ AI ჩეთბოტებს შეუძლიათ რუტინული შეკითხვების 80%-მდე გადაჭრა, რაც მხარდაჭერის ხარჯებს 30%-მდე ამცირებს. 📊 Juniper Research-ის შეფასებით, AI ბოტები ბანკებს 2024 წლისთვის 7.3 მილიარდ დოლარზე მეტს დაუზოგავს მომსახურების დროის შემცირებითა და სერვისის ავტომატიზაციით.
ჩვენი გუნდი და გამოცდილება
FINA 2006 წლიდან ახორციელებს კომპლექსურ პროგრამულ სისტემებს ფინანსური სექტორისთვის. ჩვენ ვთანამშრომლობთ ცენტრალურ ბანკებთან, სამინისტროებსა და კერძო ინსტიტუტებთან 15-ზე მეტ ქვეყანაში. ამ პროექტს ხელმძღვანელობს ექვსი ექსპერტისგან შემდგარი გუნდი, მათ შორის AI და ML სპეციალისტები, BI ანალიტიკოსები და სისტემური ინტეგრატორები.
ჩჩვენ ასევე ვნერგავთ AI-ზე დაფუძნებულ SupTech და RegTech მოდელებს ჩვენს ფლაგმანურ IRP პლატფორმაში, რომელსაც უკვე იყენებს თითქმის 15 ცენტრალური ბანკი.
რა არის შემდეგი?
ჩვენ ვქმნით ინსტრუმენტებს, რომლებიც ფინანსურ ინსტიტუტებს ეხმარება უფრო ეფექტურად იმუშაონ და უფრო ეფექტურად დაამყარონ კომუნიკაცია. AI ჩეთბოტი ჩვენი ფართო ხედვის მხოლოდ ნაწილია - პრაქტიკული, ინტელექტუალური გადაწყვეტილებები რეალური საჭიროებებისთვის.
