La maggior parte dei top manager del Banking ritiene che la digitalizzazione dei servizi finanziari e l’adozione delle tecnologie emergenti sia il trend che influenzerà maggiormente il settore fino al 2035. È quanto emerge dalle ricerche di mercato, secondo le quali la digitalizzazione rappresenta la più grande opportunità per lo sviluppo del business nel Finance.
Una ricerca dell’Osservatorio Fintech & Insurtech del Politecnico di Milano mostra che nuovi attori, come, ad esempio, le challenger bank, si affacciano sul mercato, e spingono i player tradizionali verso una maggiore efficienza, qualità del servizio e flessibilità dell’offerta.
Abbattere i tempi di apertura di un conto corrente, semplificare e velocizzare la concessione di un prestito, garantire che l’assistenza ai clienti sia personalizzata e proattiva sono solo alcuni dei vantaggi connessi all’adozione di strumenti di Automazione Intelligente.
Ma da dove si parte? Il Process Mining consente di individuare quali processi conviene automatizzare e da dove arriverà il miglior ritorno dell’investimento.
AI e Process Mining nel Banking: cosa sono e come si implementano
Nel giudizio dei top manager del banking, la Customer Experience è seconda solo alla cybersecurity in termini di priorità strategica. Le aziende devono, dunque, avviare un percorso di progressivo e continuo aumento della qualità dei servizi offerti alla clientela, che si traduce nell’individuare le inefficienze, i colli di bottiglia o le aree di miglioramento dei processi esistenti.
Per ottenere il risultato, occorre sì, intervenire con strumenti di AI e Automazione Intelligente, ma il primo step è individuare quali processi coinvolgere. Il Process Mining consente di:
- scomporre i processi. Il Process Mining isola e classifica tutti i singoli passi che compongono la sequenza, dall’innesco fino alla conclusione. In tal modo viene costruito il modello di riferimento, mappando il processo di business in sequenza di operazioni informatiche.
- analizzare e misurare i processi. La sequenza viene misurata e confrontata con il modello di riferimento: ogni passo del processo prevede, infatti, output specifici e classificati (contenuto atteso, valore di soglia minima e massima, ecc.), e gli scostamenti sono segnalati.
- proporre azioni di miglioramento. Sulla base delle analisi, vengono proposte e implementate azioni per migliorare il processo.
I risultati dell’analisi possono essere utilizzati per automatizzare specifiche operazioni in base a informazioni di contesto. Integrando l’Artificial Intelligence con il Process Mining è possibile, ad esempio: ridurre il tempo per la concessione di un mutuo elaborando in automatico i documenti ed effettuando l’analisi iniziale del credito; profilare i propri clienti riconoscendo le fasce di età e offrendo navigazioni ad hoc; infine, potrebbe dare efficienza ai processi “time-consuming” (ad esempio, l’antiriciclaggio) monitorando le operazioni e segnalando gli scostamenti rispetto alle soglie predefinite.
L’automazione dei processi tramite AI può essere applicata a una gamma molto ampia di processi di business, con impieghi di risorse e tempi molto diversi tra loro. Per tale motivo è opportuno fissare delle priorità che privilegino la facilità di implementazione e il ritorno degli investimenti in tempi brevi.
Come velocizzare il ROI
I processi adatti a un’implementazione veloce e con un ROI a breve termine sono quelli in cui c’è un alto volume di transazioni o dati strutturati da analizzare (facilità nell’identificare pattern di comportamento), una ripetitività nelle operazioni e la presenza di decisioni basate su regole di autorizzazione (ad esempio, apertura di una linea di credito), come nei seguenti casi:
- Riconciliazione contabile automatizzata. Vengono identificati e ottimizzati i passaggi manuali e ridondanti nel processo di riconciliazione; l’AI può automatizzare il matching delle transazioni e segnalare solo le eccezioni, riducendo il lavoro manuale. L’automazione del processo abbatte i tempi di riconciliazione e riduce gli errori, migliorando l'efficienza operativa.
- Onboarding dei nuovi clienti. L’acquisizione dei clienti implica la raccolta di informazioni, la verifica dell'identità e il controllo antiriciclaggio. Il processo può essere migliorato monitorando il flusso e identificando ritardi o passaggi inutili. Le verifiche documentali possono essere automatizzate con tecniche di riconoscimento ottico. L’utilizzo di Process Mining e AI, in questo caso, accorcia i tempi di onboarding e migliora sensibilmente la Customer Experience.
- Prevenzione delle frodi. Il Process Mining analizza i flussi di transazioni per identificare comportamenti anomali e migliorare le regole di rilevamento delle frodi. Gli algoritmi di Artificial Intelligence e Machine Learning possono essere istruiti per prevedere e bloccare le transazioni sospette in tempo reale, con una immediata riduzione delle perdite dovute a frodi e il miglioramento della sicurezza delle transazioni.
L’utilizzo congiunto di Process Mining e Artificial Intelligence rappresenta una svolta per migliorare le performance dei processi del banking. Ciò si traduce con l’offrire alla clientela servizi efficienti, disponibili H24 e con una Customer Experience di qualità: non vale solo per il Retail, ma anche per settori apparentemente distanti dalle dinamiche dell’eCommerce, come, ad esempio, l’Energy o, appunto, il Finance. L’AI e il Process Mining rappresentano, in questa prospettiva, uno strumento di fatto necessario, che permette di rendere più attrattivi e soddisfacenti i servizi ai clienti, aumentando la fidelizzazione, e, di conseguenza, la salvaguardia del business.
