金融服务行业被淹没在文书工作中,银行和保险行业的NLP用例每年都在增长。
在过去的三年里,我们一直在密切关注基于人工智能的搜索应用的应用空间。这些应用程序往往很广泛,并且可以假设地处理几乎所有与文本相关的数据格式,并且可以假设地用于处理几乎所有与文档或数据相关的使用工作流。
在过去的18个月里,我们采访并直接分析了15家面向零售银行业销售的基于人工智能的搜索供应商,包括像Expert这样的初创公司。ai、LucidWorks、Sinequa,以及现任巨头SAS和IBM。我们的目标是更清楚地了解这些广泛的搜索应用程序在实际中是如何使用的,以及它们正在解决哪些实际的业务问题。
本文分为五个独立的部分:
- 基于人工智能的银行搜索解决方案的采用动机
- 由搜索和发现应用程序处理的数据类型
- 投资回报的证据
- 搜索和发现应用的AI部署经验教训
- 人工智能产品开发人员总结要点
适用于企业领袖,本文应帮助您为您的决定提供关于是否采用启用AI启用的搜索应用程序的决策,并可能识别此类应用程序可能会增加值的特定工作流程。
对于AI顾问,启动领导和产品开发人员,这篇文章应该有助于展示现有解决方案的竞争格局,并为新的解决方案展示机会,以增加企业价值和赢得市场份额。
基于人工智能的银行搜索解决方案的采用动机
合规和监管压力
在我们的主要研究中,我们询问受访者关于我们用例的“问题描述”。一次又一次,我们得到两个答案之一:
- 合规性可能是购买的最强动机,或者
- 在银行愿意考虑该产品的其他好处之前,有必要证明合规好处(即人工智能倡议或产品将帮助公司变得更加合规,而不是更不合规)
这不仅仅是简单的“当然,所有东西都需要兼容,没什么新鲜的”,很明显,兼容不仅是最强大的礼物购买动机,也是价值主张的最常见切入点
例子:
- 一般的跨平台搜索应用程序(具有问题描述为“客户在许多孤岛上分解它的数据,并且由于GDPR威胁而往往采用困难的时间”)。
问题要解决
在我们对案例研究的分析中,最常见的问题类型包括:
- 改进内部搜索(针对人力资源和其他公司内部数据,而不是客户数据)。我们不认为这是一个特别有利可图的用例,但它是相当频繁的,显然有一个市场。
- 对贷款文档(例如抵押贷款)进行分类,并从贷款文档(包括OCR)中提取数据。
- 360年度客户查看个人(GDPR)和公司(KYC),主要是为了合规原因。拉出所有与特定实体相关的文档或所有通信,以确保合规性。
- 财富管理的外部搜索(网络资源,收益报告,新闻来源),为交易者创建自定义的见解,报告或警报。
处理数据类型
文档歧义,每个项目的定制级别
几乎没有两个应用程序都是一样的,而在这种景观中的供应商明确表示每个客户端的文档和流程和集成是唯一的。对于供应商来说,这有点不幸 - 但由于将这些独特的搜索挑战集成和解决这些独特的个人客户来说,这是一个不幸的障碍 - 但为市场进行了进入市场的障碍。
遵守有限数量的文档类型是不可能的策略
每个银行都是独一无二的。在借贷内,在财富管理中,在客户服务中,IT系统,数据格式,业务用例,文档格式,文档存储策略和用于完成这些进程的数据是唯一的。
对于一个客户,360度的客户视图可能涉及40种数据类型,对于另一个客户,可能是400或更多。对于一个客户,GDPR可能会发布带有特定数量数据类型的问题,而相同的GDPR规则可能会涉及另一个银行的不同工作流、风险和数据类型。
虽然在技能、经验和数据类型上有一些可转移性,但每个设置都有许多定制元素,供应商应该准备好在客户项目中“灵活”(即愿意以独特的方式满足独特的需求)。这反映了银行之间的数据环境和差异。
投资回报的证据
挑战直接衡量金融投资回报率
我们审查的绝大多数使用案例显示出小的直接投资回报率证据或索赔。银行家 - 甚至供应商 - 承认这样一个可衡量的投资回报率是极不可能的,因为:
- 为了充分衡量ROI,非常精确的前后测试必须完成(即时间完成X过程,或者找到X类型的文档,或者处理X客户支持调用),但是做这些前后的测量不是银行可能做的事。
- 许多应用程序将花费大量的金钱和时间(包括升级数据基础设施、与供应商合作、调查和与员工谈论搜索工作流以查看他们想要的特性)——而且几乎不可能知道这样的项目何时真正实现盈亏平衡。
- 很少有交易是以强大的财务卖点出售的——它们是以合规、降低风险为卖点出售的。
降低风险是处理ROI问题的王牌
正如我们的一位受访者,中西部一家中型银行的创新主管所说:
“恐惧和不确定性是搜索/发现的卖点,给人们一个已知的问题/风险,或者一个你可以在试验中证明的未知风险。这并不是一件可以衡量的事情,只是人们被吓到的事情。我们不知道投资回报率是多少。最好是在人们知道自己存在的问题上吸引他们。你可以将其应用到他们不知道的问题上,但你应该通过“他们已经在为什么问题而挣扎和沮丧”的镜头来思考。
直接诉诸的“已知”风险
根据主要和次要的研究,与买家产生共鸣的最常见的已知风险似乎是:
- 在财富管理功能中:遵守经纪人,财富经理,符合其沟通的客户服务(在他们的营销和交叉销售中,或者任何可以被解释为内幕交易的人)。
- GDPR:查找有关给定客户的任何和所有信息(数字,物理或文档,CRM记录等的扫描图像)。当在遗留或“家庭成长”IT系统中找到数据时,这是最具挑战性的。使用这些系统非常有价值(因为它解决了一个众所周知的需求),但显然不是很可扩展。
- 了解您的客户或“KYC”指南(为防止洗钱而设置)。任何以KYC形式出售的东西(统一联系记录、交叉引用或验证客户数据、在一个地方组织关于一个实体或客户的所有数据)都可以作为合规利益出售。
- 确保合同或协议不违反公司政策或监管标准(例如,贷款)。对符合和可能不符合的合同进行分类有助于降低这种风险。
人工智能部署经验教训
可扩展性很难
数据类型、流程、工作流、IT系统、数据格式——每个公司都不同。
随着银行慢慢转向云计算,并经历数字转型,随着时间的推移,这应该会变得更容易——但目前,相对较长的定制设置将很常见。
什么是近可扩展的?
虽然基本上没有搜索和发现解决方案可以无缝地从一家银行转移到另一家银行,但有一些技能和能力可以作为一种竞争优势,即:
- 对工作流程的语境理解,以及哪些分类可以帮助改善所述工作流程(在我们的第一个40页分析中,这是强大的深度覆盖)。
- 自然语言处理或OCR的核心技术。虽然这些系统可能会相当熟练地处理单个文档类型(比如,本票),并可能从零开始,从上述文档中进行分类或信息提取的成功率为60-70%,但这在某种程度上仍然是不可避免的
- 对搜索和发现可以解决的各种问题有广泛的理解(帮助客户探索,帮助充实客户的不同需求领域,为他们构建一些东西)。这是本报告和案例研究数据表的预期价值的一部分。
钱在后端
定制的前期设置是一种常态,而且在未来数年仍将如此。
引用一位供应商领导的话:
“安装完成后,你只需在客户环境中对现有模型进行维修和迭代,就可以像SaaS业务一样运行它,但集成和校准将是非常独特的,在未来几年里,这是不可避免的。”
经常性收入,“产品”金钱(不是“服务”金钱)很难提取早期,因为早期的服务负担。
人工智能产品开发人员总结要点
市场需求最大的领域
合规是目前银行业最迫切的需求,虽然这可以被称为一种业务功能,但它跨越了许多业务功能。客户服务、贷款、法律、财富管理——所有这些都需要跟上合规的步伐。
仅次于合规的是财富管理,但这主要涉及我们所说的“外部搜索”,这似乎既不是EXL的强项,也不是他们希望关注的领域。对这些外部搜索应用程序的需求和竞争是巨大的,在许多方面,这些产品根本不是“文档情报”——因为它们专注于外部数据(主要是在网络上)。
最大市场规模的领域
从长远来看,供应商和银行家似乎都认为,财富管理正在发生根本性的变革,在投资数据的新数据来源中,引入、搜索和发现模式的方式已经形成了一个蓬勃发展的生态系统。总的市场价值和规模,这将是巨大的。
客户服务是银行内部的一项职能,我们大多数受访者都认为它将拥有最大的市场机会——至少就业务职能而言。