PALO IT Blog

AI เข้ามามีบทบาททางธุรกิจธนาคาร เพื่อตอบโจทย์ผู้ใช้งานมากขึ้นในปี 2023

Written by Vincent Desclaux | 03/02/23

ปัญญาประดิษฐ์ หรือ AI ที่สร้างจากพื้นฐานของ Natural Language นั้นเป็นนวัตกรรมที่สะท้อนความสำเร็จทั้งในส่วนของ front, middle และฝั่ง back office ในธุรกิจการธนาคารและบริการทางการเงิน รวมทั้งธุรกิจการประกันภัย (BFSI) เป็นอย่างมาก และยังช่วยไอทีและฝ่ายบริหารสามารถปรับปรุงประสิทธิภาพ ระบุหาความเสี่ยง และระบุหาโอกาสต่างๆ ในการหารายได้ใหม่เพิ่มเติมเข้ามาด้วย ในบทความนี้ เราจะคุยกันเรื่องของเอไอที่กำลังช่วยเหลือฝ่ายบริหารของธุรกิจการธนาคารให้สร้างโมเดลธนาคารแบบ human centric ที่เน้นผู้ใช้เป็นสำคัญ รวมทั้งมุมมองในเรื่องของการเติบโตของธุรกิจอย่างยั่งยืนในอุตสาหกรรม BFSI ในปัจจุบันนี้ด้วย  

"ตัวแทนของ Deloitte กล่าวไว้ว่า “ร้อยละ 86 ของไอทีและผู้บริหารที่เชิญมาสัมภาษณ์นั้นพูดว่าเอไอจะมีความสำคัญทวีมากขึ้นต่อการประสบความสำเร็จของธุรกิจตนในอีกสองปีที่จะถึงนี้” 

AI กับบทบาททางด้าน Front Office สำหรับการให้บริการลูกค้าแบบ Customer Engagement
 

เมื่อพูดถึงแอพพลิเคชั่นนเอไอที่ทำงานในฝั่ง Front Office แล้ว โปรแกรม chatbot นั้นได้เข้ามามีบทบาทมากขึ้นในช่วง 10 ปีที่ผ่านมา แต่กระนั้นวิวัฒนาการของมันเองก็ยังตกเป็นข้อคำถามอยู่ เมื่อเรายกระดับความน่าสนใจและการเน้นไปที่ Natural Language technology จำนวนมากมายอย่างเช่น GPT3, AI chatbot นั้นทั้งหมดต่างก็วิวัฒนาการเซอร์วิสของตนเองไปเพื่อให้สามารถบริการลูกค้าได้ดียิ่งขึ้นกว่าเดิม นอกเหนือจากแค่การตอบโต้กับคำพูดของลูกค้าเพียงอย่างเดียว chatbot ในปัจจุบันนั้นสามารถคาดการณ์สิ่งที่ลูกค้าต้องการและเข้ามาช่วยเพิ่มความเร็วในการทำธุรกรรมต่างๆ ได้เร็วขึ้น ตัวอย่างเช่น ลูกค้าท่านหนึ่งที่พยายามที่จะชำระบิลผ่านออนไลน์แต่กำลังพบปัญหาการใส่จำนวนเงินที่จะชำระให้ถูกต้องไม่ได้ chatbot สามารถที่จะรับรู้ได้ว่าลูกค้าท่านั้นกำลังเจอกับปัญหาอะไรและเข้าช่วยเหลือในทันที อย่างเช่น มอบประวัติการชำระบิลเก่าๆ ให้แก่ลูกค้า หรือแนะนำบุคคลติดต่อที่รับผิดชอบโดยตรงเพื่อเป็นข้อมูลเพิ่มเติม ในอีกตัวอย่างหนึ่ง ลูกค้าท่านหนึ่งพยายามที่จะสมัครขอกู้เงินแต่ยังไม่แน่ใจเกี่ยวกับข้อกำหนดและเงื่อนไขรวมทั้งกระบวนการต่างๆ chatbot สามารถคาดการณ์ความต้องการนี้ได้ว่าลูกค้าต้องการข้อมูลอะไรและรายละเอียดอะไรที่เกี่ยวกับการสมัครกู้เงิน รวมทั้งเอกสารที่ต้องใช้ และเกณฑ์ในการพิจารณาเงินกู้ต่างๆ

แอพพลิเคชั่นอื่นๆ ที่เกิดขึ้นมาในตลาดนั้นยังมีการให้คำแนะนำที่มีลักษณะของการปรับแต่งให้เข้ากับบุคคลมากขึ้น (Personalized) โดยใช้ข้อมูลของธนาคาร (Bank Data) เพื่อปรับแต่งวงเงินกู้ บัตรเครดิต และคำแนะนำในการลงทุนรวมทั้งเสียงที่สนทนากันได้โดย AI เอง (voice bot) เพื่อลดปริมาณคิวที่เข้ามาขอบริการจากคอลเซ็นเตอร์และลดระยะเวลาในการรอลง เมื่อดูในภาพรวมแล้ว แอพพลิเคชั่นเหล่านี้ไม่เพียงแค่ช่วยสนับสนุนให้ประสบการณ์การทำธุรกรรมกับธนาคารนั้นเรียบง่ายขึ้น แต่ยังช่วยสร้างความมั่นใจในกลุ่มของลูกค้าด้วย นับว่าเป็น ease of experience and trust ในเวลาเดียวกัน ซึ่งทั้งสองปัจจัยนั้นล้วยส่งอิทธิพลต่อการตัดสินใจของลูกค้าในการเลือกบริการของธนาคารหนึ่งๆ ตามข้อมูลการศึกษาจาก Raconteur 

Source: Raconteur 

AI ในการทำงานของ middle office และ back office นั้นจะทำหน้าที่เพิ่มประสิทธิภาพของการจัดการความเสี่ยงและค่าใช้จ่ายในการดำเนินการ

ในขณะที่ฝั่งของ front office นั้นจะสนับสนุนการทำธุรกรรมสำหรับลูกค้า ส่วนของงาน middle office และ back office ของธนาคารนั้นจะมีบทบาทสำคัญในการบริหารจัดการความเสี่ยงท่ามกลางการดำเนินงานอื่นๆ ที่มีเพื่อทำให้ธุรกรรมนั้นๆ สำเร็จลุล่วงไปได้ด้วยดี เอไอนั้นเป็นส่วนหนึ่งที่จะขาดเสียมิได้ใน middle office ไปจนถึง back office เพื่อลดค่าใช้จ่ายในการดำเนินการที่มีแต่จะสูงขึ้นทุกวัน รวมทั้งค่าใช้จ่ายในการกำกับดูแล ไปจนถึงการพัฒนาปรับปรุงความรวดเร็วและคุณภาพของบริการตามที่ลูกค้าต้องการ ซึ่งมีหนทางใน 3 ทางต่อไปนี้

  • กระบวนการจัดการความเสี่ยง (Risk Management Processes) AI สามารถถูกใช้เพื่อทำระบบอัตโนมัติ หรือเชื่อมต่อกระบวนการบริหารจัดการความเสี่ยง อย่างเช่น compliance คะแนน credit scoring และ customer segmentation การช่วยเหลือเช่นนี้จะทำให้ลดค่าใช้จ่าย ซึ่งในขณะเดียวกันก็ปรับปรุงความแม่นยำและประสิทธิภาพได้ดียิ่งขึ้น 
  • การระบุหาความเสี่ยง (Risk Identification) AI สามารถใช้เพื่อช่วยระบุความเสี่ยงที่ซึ่งกระบวนการปกติทั่วไปไม่สามารถจะระบุได้ เช่น fraud หรือ การฟอกเงิน ด้วยการวิเคราะห์จำนวน unstructured data ปริมาณมหาศาลเช่น อีเมลหรือแชทออนไลน์ สิ่งนี้ช่วยให้ธนาคารสามารถระบุหาภัยคุกคามที่กำลังกำเนิดใหม่ก่อนหน้าที่จะเกิดกลายเป็นปัญหาได้ เพื่อให้ทุกคนได้รับมือจัดการแก้ไขก่อนที่จะสายเกินไป
  • การเก็บรักษาข้อมูลและการวิเคราะห์ (Data Collection & Analysis) สถาบันการเงินหลายแห่งต่างพยายามอย่างยิ่งในการเก็บรวบรวมและวิเคราะห์ข้อมูลจากแหล่งภายในหลายๆ แหล่ง เช่น ระบบซอฟต์แวร์ ไซต์อีคอมเมิร์สต่างๆ หรือโซเชียลมีเดียเช่น Twitter และ Facebook อย่างไรก็ตามด้วยเทคนิคทางด้าน Machine Learning เช่น Natural Language Process (NLP) ธนาคารสามารถประมวลผลทั้งหมดนี้ได้
     

การประยุกต์ใช้ปัญญาประดิษฐ์นั้นแน่นอนว่ามอบโอกาสใหม่ๆ สำหรับอุตสาหกรรม BFSI ในแง่ของการทำค่าใช้จ่ายให้คุ้มค่ากับการลงทุน การลดความเสี่ยง และการเพิ่มระดับการมีส่วนร่วมของพนักงาน (Customer Engagement) และการจัดจ้างทรัพยากรบุคคลที่มากขึ้น งานวิจัยจากบริษัท Accenture นั้นพบว่ามากกว่า 60% ขององค์กรต่างๆนั้นเพียงแค่ใช้เอไอเพื่อทดลองเท่านั้น และในการศึกษาค้นคว้าครั้งนี้อุตสาหกรรม BFSI ได้รับการประเมินระดับการประยุกต์ใช้ว่าต่ำกว่าอุตสาหกรรมอื่นๆ ผลลัพธ์นี้นำเสนอให้เกิดศักยภาพอันยิ่งใหญ่สำหรับเส้นทางในภายภาคหน้า สำหรับผู้บริหารธนาคารที่กำลังสร้างการเน้นย้ำแบบ 

ที่มา: Accenture

ที่ PALO IT เราช่วยให้อุตสาหกรรม BFSI ทั่วโลกสำหรวจและปรับใช้เทคโนโลยีใหม่ๆ และโมเดลทางธุรกิจใหม่ๆ ในการเดินทางไปสู่การเติบโตอย่างยั่งยืนและมั่นคง ที่ซึ่งสร้างอยู่บน customer experience ที่ไร้รอยต่อและบนเทคโนโลยีที่ทรงพลัง หากคุณสนใจที่จะเรียนรู้เพิ่มเติมเกี่ยวกับความสำเร็จของเราที่เราได้สร้างสรรค์ให้แก่ลูกค้าอย่างเช่น Trust Bank และอื่นๆ อีกมากมาย เรายินดีเป็นอย่างยิ่งที่จะได้มีโอกาสติดต่อกับท่านในอนาคต ติดต่อเรา