„Hlavním přínosem umělé inteligence je digitalizace a zrychlení procesů a tím i zlepšení zážitku našich klientů. Pomáhá nám také šetřit čas, který můžeme věnovat důležitějším úkolům a poradenství pro zákazníky. Proto stále hledáme další řešení, jak ji co nejvíce využít. Prioritou nadále zůstává maximální bezpečnost klientů,“ říká Marcela Suchánková, členka představenstva ČSOB zodpovědná za oblast IT a zpracování operací.

Do ČSOB přichází denně zhruba 200 notářských žádostí, které dosud muselo důkladně studovat a řešit několik zaměstnanců. Před časem tuhle práci převzal AI Semantics, umělá inteligence, která texty umí nejen pročíst a vybrat to důležité, ale i sestavit odpověď notáři a automaticky ji odeslat. „Naše řešení má vysokou přesnost a v 80 % případů není potřeba lidský zásah. Od ledna jsme takto za pomoci umělé inteligence a robotů vyřídili už 14 tisíc notářských žádostí,“ shrnuje Denisa Parkosová, výkonná ředitelka zpracování operací a nákupu.

Další řešenou oblastí je identifikace klientů na přepážkách, která byla doposud složitá, zdlouhavá a vyžadovala zapojení dvou zaměstnanců. Nyní vše zrychlila a zjednodušila služba ID Scan, kdy se totožnost zákazníka ověřuje a ukládá pomocí tabletu. Moderní proces založený na technologii neuronových sítí, který automaticky rozpoznává údaje z občanky klienta a ukládá do systému banky, také výrazně snížil chybovost. „V případě tohoto řešení je podstatné, že všechny kroky probíhají v okamžiku schůzky s klientem. Jejich automatizací jsme vlastně administrativu odsunuli „do pozadí“ a v centru zájmu jsou klientovy potřeby,“ připomíná další přednost služby Denisa Parkosová.

Systém Speech2Text Machine Learning zase umí poslouchat rozhovory s klienty, převést je na text a pak nalézt ty, které se týkají investic. Právě investiční rozhovory podléhají kontrole kvůli přísným požadavkům bankovního dohledu. Jenže rozhovorů se zákazníky je ročně milión a jen desetina se týká investičních produktů. Jejich nalezení bylo zdlouhavé a poslechem trávil celý tým neúměrně mnoho času. „K dodávce jsme použili kombinaci externího řešení na přepis hlasu na text a interních modelů, které text analyzují a identifikují ty investiční, a časem i jejich soulad s MiFiD regulací. Ušetří se tedy 90 % neefektivního času spojeného s náslechy hovorů a zvýší se kvalita monitoringu,“ komentuje řešení Ondřej Brodecký, který v ČSOB vede tým Data Science s tím, že připravit model nebylo tak složité jako získat pro něj relevantní data a vše spojit ve fungující proces. To klaplo jen díky výborné spolupráci všech zapojených útvarů.