Het oplossen van het ongestructureerde datadilemma in de financiële dienstverlening

Van het verbeteren van naleving tot het verminderen van de handmatige werklast: de huidige AI-hulpmiddelen helpen financiële instellingen bij het omzetten van klantcommunicatie in gestructureerde, bruikbare inzichten, aldus Paul Bennett, Managing Partner bij Madox Square LLP.

Ik begrijp je. Niet wéér een hoogdravend artikel over AI. Maar blijf bij me. Wat volgt is geen abstracte speculatie – het is geworteld in wat zich al in de praktijk afspeelt. In een recent gesprek met Richard Huston , Managing Director bij VAMOS , een bedrijf dat AI-oplossingen specifiek voor financiële dienstverlening ontwikkelt, hoorde ik iets anders. In plaats van grootse toekomstvisies bood Huston een praktische blik achter de schermen op hoe AI in stilte een van de meest hardnekkige pijnpunten van de sector aanpakt: ongestructureerde data. Zijn inzichten gaven aanleiding tot het volgende.

Het probleem van ongestructureerde data

In de snelle wereld van de financiële dienstverlening zijn weinig uitdagingen zo hardnekkig en kostbaar als het beheer van ongestructureerde data. Met duizenden financiële voorstellen die binnenstromen van honderden makelaars tot e-mails van klantenservicemedewerkers die complexe beleidsinterpretaties vereisen, worstelen financiële instellingen al lange tijd met de handmatige verwerking van informatie die in talloze formaten en stijlen binnenkomt. Toch bieden recente ontwikkelingen in AI-technologie, net als op veel andere gebieden, veelbelovende oplossingen voor dit langdurige probleem.

De omvang van de uitdaging is verbijsterend. Denk maar aan de typische vermogensbeheerder die offertes ontvangt van makelaars in het hele land. Elke makelaar heeft zijn eigen aanpak voor het presenteren van klantinformatie; sommigen geven de voorkeur aan lange e-mails met een korte samenvatting, anderen sturen summiere bullet points, terwijl velen onvolledige documentatie in meerdere bijlagen indienen. Wat een eenvoudig evaluatieproces zou moeten zijn, wordt een moeizame oefening in data-archeologie, waarbij operationele teams uren besteden aan het extraheren, interpreteren en structureren van informatie voordat er met een zinvolle analyse kan worden begonnen.

De regel van 80:20

Opkomende AI-technologieën zijn nu in staat om klantcommunicatie te interpreteren en intelligente suggesties te doen aan operationele teams. In plaats van te beloven het menselijke oordeel te vervangen, streven deze systemen ernaar dit te verbeteren door zware administratieve taken te automatiseren: de 80 stellen menselijke intelligentie (HI) beschikbaar, de 20 richten zich op toezicht en complexe besluitvorming.

Of het nu gaat om een financieringsvoorstel van een makelaar of een klantenservicevraag, wanneer ongestructureerde data binnenkomt, kan AI automatisch de inhoud analyseren, belangrijke informatie extraheren en deze in een gestructureerd formaat presenteren, samen met relevante context uit bestaande bedrijfssystemen. Wanneer een klant bijvoorbeeld een e-mail stuurt om de betaaldatum te wijzigen, kan een AI-systeem het verzoek analyseren, de rekeninggegevens en het betalingsschema van de klant ophalen en aanbevolen acties doen op basis van het beleid en de rekeningstatus.

Verder dan eenvoudige automatisering

Wat technologie zoals deze bijzonder krachtig maakt, is het vermogen om context te begrijpen en beleid consistent toe te passen op alle interacties. In het vorige voorbeeld extraheert het systeem niet alleen basisinformatie van aanvragers, maar begrijpt het ook de relatie tussen verschillende datapunten, identificeert het potentiële risicofactoren en stelt het vervolgstappen voor op basis van vastgestelde leencriteria.

Wanneer een klant een e-mail stuurt waarin hij/zij uitlegt dat hij/zij in financiële problemen verkeert, kan AI de e-mail analyseren en de individuele omstandigheden begrijpen, relevante polissen voor klanten in financiële moeilijkheden ophalen en medewerkers passende opties aanbieden, zoals een lagere betaling of een betalingspauze. Dit niveau van contextueel inzicht is een aanzienlijke stap voorwaarts ten opzichte van traditionele dataverwerkingstools.

Compliance en risicomanagement

In een sector waar naleving van regelgeving van cruciaal belang is, biedt AI's aanpak van beleidsconsistentie aanzienlijke waarde. Het kan ervoor zorgen dat alle klantinteracties automatisch worden geleid volgens beleid en procedures, terwijl het een duidelijk audittraject creëert van de omstandigheden die in aanmerking zijn genomen bij het nemen van beslissingen en het mogelijk maakt om klantresultaten te monitoren. Deze geautomatiseerde compliance-functionaliteit is met name waardevol voor instellingen die te maken hebben met verplichtingen uit hoofde van consumentenrechten en vereisten voor eerlijke behandeling. Door beleidsrichtlijnen rechtstreeks in de operationele workflow te integreren, helpt AI ervoor te zorgen dat consistent wordt voldaan aan de wettelijke vereisten in alle klantinteracties, waardoor het compliancerisico wordt verminderd en de operationele efficiëntie wordt verbeterd.

HI – de menselijke factor

Misschien wel het allerbelangrijkste is dat een succesvolle AI-implementatie rekening moet houden met de menselijke factor. Het moet de druk op frontline-medewerkers verminderen door complexe klantinteracties te vereenvoudigen, duidelijke begeleiding en ondersteuning te bieden en tegelijkertijd menselijk toezicht op belangrijke beslissingen en klantinteracties te behouden.

Deze mensgerichte aanpak pakt een van de meest voorkomende zorgen over AI in de financiële dienstverlening aan: dat automatisering de kwaliteit van de klantenservice zal aantasten. Door administratieve taken uit te voeren en intelligente suggesties te doen, stelt AI medewerkers in staat meer tijd te besteden aan activiteiten die echt de nuances van menselijk oordeel en empathie vereisen.

Vooruitkijken

Het potentieel van AI om de uitdaging van ongestructureerde data op te lossen, wijst op een bredere transformatie in de manier waarop financiële instellingen operationele efficiëntie benaderen. In plaats van AI te zien als een vervanging voor menselijke expertise, erkennen vooruitstrevende organisaties het potentieel ervan als een krachtige aanvulling op de bestaande processen die routinematige verwerking kunnen verwerken en tegelijkertijd menselijk toezicht op complexe beslissingen kunnen behouden.

Voor financiële instellingen die nog steeds worstelen met de handmatige verwerking van ongestructureerde data, biedt AI een aantrekkelijke visie op de toekomst – een toekomst waarin technologie de administratieve lasten overneemt, terwijl mensen zich richten op het opbouwen van relaties en het stimuleren van bedrijfsresultaten. In een sector waar efficiëntie en compliance beide cruciaal zijn voor succes, vertegenwoordigt dit niet alleen een operationele verbetering, maar ook een daadwerkelijk concurrentievoordeel.

Voor leiders in de financiële dienstverlening is de vraag niet of AI hun bedrijfsvoering zal transformeren, maar of ze als eerste deze oplossingen zullen omarmen of dat ze achterop zullen raken in een sector die steeds verder automatiseert.

---

De expertise van Paul Bennett houdt Madox Square LLP op koers in het voortdurend veranderende autolandschap. Met een combinatie van strategie, samenwerking en een scherp oog voor opkomende trends wil hij ervoor zorgen dat zijn klanten goed gepositioneerd zijn voor de toekomst. En als we afgaan op zijn roeimachinetijden, zal hij waarschijnlijk eerder dan de concurrentie over de finish komen – met Rich Tea-koekjes in de hand.