Le terme «services financiers» évoque des personnes en costume sombre dans des immeubles de grande hauteur, alors qu'en réalité il contribue au bon déroulement de votre vie quotidienne. Votre expérience client quotidienne en fait. Il évolue rapidement vers un avenir d'intégration complète au point qu'il est presque invisible.

Considérez comment les choses ont changé au cours des 20 dernières années. La puce à puce n’a été introduite qu’en 2004 et les paiements sans contact n’ont été adoptés que très récemment, ce qui a permis une ère de paiements sans frictions, mais également de voyages. La banque mobile a fait des pas de géant. Elle utilise maintenant l’authentification biométrique sur son téléphone et cherche à se débarrasser des appareils de lecture de cartes du passé. Même votre expérience de jeu a changé, vous permettant d'acheter en toute transparence des skins personnalisés sur Fortnite. Imaginez ce que les 20 prochaines années nous réservent!

Pour que cette vision «invisible» se concrétise, les services financiers doivent s'attaquer à un défi majeur: éliminer les frictions, que ce soit au niveau des ventes, des réclamations ou de toute transaction souhaitée par le client. Et la façon dont cela est réalisé (au moins en partie) passe par l'IA appliquée. Ce n'est pas une tache facile. Il faut énormément d'agrégation de données, de modélisation, d'anticipation et de gestion des risques, sans oublier un réseau entièrement connecté de points de contact clients et internes pour être véritablement mis en œuvre au moyen d'une intelligence artificielle appliquée. Mais les avantages pourraient être dans les ordres de grandeur. Les activités bancaires consistent essentiellement à gérer les risques et les dépenses en intelligence artificielle semblent être une entreprise risquée. Pourtant, l'IA présente en fait un argument commercial très simple, en particulier pour les "tiers hiérarchiques" ou les "encumbants": investir maintenant, économiser plus tard.

Pour vous aider à brosser un tableau, voici cinq exemples montrant où et comment l'intelligence artificielle et l'analyse avancée contribueront à la transparence des processus futurs:

1. Processus de sélection, de paiement et de règlement des hypothèques

Ce domaine nécessite un changement fondamental dans la façon dont nous pensons que «l'expérience client» est livrée. L’expérience devrait être construite autour du fait d’avoir une nouvelle maison (une expérience excitante et joyeuse) par rapport au processus de demande de prêt hypothécaire (processus long et pénible qui doit presque disparaître). AI pourrait, par exemple, permettre aux banques de mesurer le risque et de calculer leurs notes de crédit à l'avance, de sorte que le processus de demande soit déjà terminé à 99% avant que le client ne soit invité à saisir quoi que ce soit. Imaginez que vous vous connectiez à votre prêteur ou à votre maison de courtage et que tous vos devis provisoires soient déjà alignés sans aucune intervention de votre part.!

2. Maximisation de la richesse et modèles de dépenses

Tout le monde veut que l'épargne et la croissance soient aussi simples que possible. Faciliter la mise en place, la surveillance et la réalisation du plan de maximisation du patrimoine d'un client serait une autre excellente forme d'IA appliquée. Assurément, une IA peut optimiser la combinaison du revenu, de l’épargne et de la fiscalité pour vous donner le maximum de richesse sur une période annualisée. L’expérience client homogène serait qu’il serait facile de s’adapter à votre objectif pour l’année, de surveiller ce dont vous avez besoin et que les banques pourraient donner des conseils tout au long de l’année, par exemple.. “Nous pensons que vos habitudes de dépenses pourraient être améliorées, voici comment… ” Cette fonctionnalité pourrait même devenir un point de concurrence entre les banques, chacune vantant ses produits les plus performants pour aider ses clients à atteindre leurs objectifs de maximisation de la richesse..

3. Protection hypothécaire

Les autorités de réglementation peuvent faire pression sur les banques pour prendre en charge les clients susceptibles de faire défaut sur leurs prêts hypothécaires. Cependant, le fait de ne pas mettre en place de mesures préventives est un mauvais moment pour toutes les parties. Les banques doivent donc savoir si et quand cela pourrait se produire. En formant l'IA (apprentissage machine) en utilisant les schémas comportementaux précédents de l'ensemble du portefeuille de prêts clients historiques - y compris ceux qui ont fait défaut -, les banques sont en mesure de reconnaître des comportements similaires bien avant l'événement. Les données ici sont plus «opérationnelles» que «transactionnelles», par exemple. examine comment les paiements sont réguliers, en avance ou en retard, combien etc. plutôt que sur la base des dépenses du compte courant. Cela donne aux banques la possibilité de dialoguer avec le client de manière anticipée et de mettre en place des solutions avant que le problème ne se pose. En prime, ils pourront également démontrer à l'organisme de réglementation qu'ils le font au mieux de leurs capacités..

4. Réclamations et traitement du client

L'utilisation de l'analyse prédictive pour identifier le moment où un client va se plaindre est inestimable. Cela augmente l'intelligence de la banque. Non seulement cela met en évidence les problèmes internes, mais cela leur permet de les résoudre ou au moins de les prendre avant que la plainte ne soit consignée, par exemple. en remboursant l'argent avant de recevoir une réclamation de découvert et en en informant le client par SMS. Cela contribue non seulement à établir une relation client saine, mais permet également à la banque d'économiser de l'argent à long terme en atténuant les fermetures de compte dues à un service médiocre. De plus, l'analyse peut également être utilisée pour surveiller les états émotionnels de tous les appelants, les regrouper en personnalité et en états émotionnels, puis guider le gestionnaire des appels sur la meilleure façon de diriger la conversation..

5. Détection de fraude

Si vous pensez à la détection de la fraude, AI est déjà largement utilisé pour fournir des contrôles en temps réel sur les schémas de fraude. Ce processus était long et prenait plusieurs jours, plusieurs semaines voire même plusieurs mois dans le cadre d’un processus de demande. À présent, en utilisant l’apprentissage automatique, vous pouvez détecter les motifs très rapidement. Les décisions de la machine sont basées sur des modèles historiques permettant de détecter les fraudes potentielles. Et même s'il n'atteindra jamais un taux de détection de 100%, il offre une réponse beaucoup plus rapide aux personnes aberrantes susceptibles d'avoir besoin d'une enquête..

De plus, une fois que la machine est prête, vous pouvez également demander comment la machine est parvenue à cette décision (au moins dans une certaine mesure). Alors que les banques font des pas de géant avec cette application de l'IA, des pratiques terriblement «maladroites» telles que les flux vidéo, les photocopies, etc. sont impliquées dans le processus. Au fur et à mesure que les banques sont en mesure de générer une décision purement numérique et d'y parvenir de manière purement programmée, vous pourrez alors interroger chaque aspect de la prise de décision et obtenir des détections de plus en plus précises. Tout cela signifie que notre argent est entre des mains toujours plus sûres.

Il est important que les services financiers puissent aller au-delà du battage publicitaire et reconnaître l’intelligence artificielle appliquée comme une opportunité commerciale. Ces cinq exemples à eux seuls justifient au moins deux raisons de réfléchir au moins, et avec la richesse des fintechs, l'intelligence artificielle et notre avenir «invisible» commencent à être beaucoup plus réalistes..

Richard Hamerton-Stove, Principal chez Capgemini Invent

  • Nous avons également mis en avant les meilleures plates-formes d'IA pour les entreprises