銀行における会話型 AI – 企業が犯しがちな 3 つの間違い

金融サービス業界は、特定の金融プロセスに不可欠なレガシー機器やシステムを使用しているため、他の業界に比べて硬直的で柔軟性に欠けると見なされることがよくあります。しかし、デジタル化に関しては、金融サービス業界が実際にデジタル変革イニシアチブの導入をリードしています。調査によると、金融サービス業界はデジタル化が最も成熟している業界の 1 つであり、他の業界と比較してデジタル変革イニシアチブの成功率は 28% です。

競争の激化と仕事のパターンの変化により、金融サービス業界のエコシステムにおける最新テクノロジーの導入が促進されています。しかし、採用と実装の成功は別物であり、金融​​サービス企業が新しいテクノロジーから得られるメリットを制限するような間違いが数多く起こっています。顧客体験における会話型 AI は、多くの大手銀行が導入しているテクノロジーですが、その潜在能力はまだ十分には発揮されていません。

多くの銀行は、単純な顧客からの問い合わせに対応するために独自のチャットボットを作成したり、ベンダーと提携して自社の Web サイトにチャットボットをインストールしたりしています。これらは顧客により良いサービスを提供できますが、すべてのチャットボットが同じように作成されているわけではないため、制限もあります。チャットボットには、会話機能と情報処理能力、そして最終的に顧客に適切なソリューションを提供する能力という点で大きな違いがあります。

チャットボットの顧客体験に関する調査では、顧客がしばしば何らかの不満を抱いていることがわかりました。回答者の 37% は、チャットボットとのコミュニケーションはやる気をそぐことが多く、事前にプログラムされた回答が限られているため、問題の核心にたどり着けないと感じていました。実際、ほとんどの最新システムは、認知インテリジェンスや自動化がほとんど提供されておらず、顧客の問題を処理する能力が限られており、一般的には一般的な質問に対して既成の回答しか提供していません。

では、会話型 AI の実装に関して、金融サービス企業はどうすればそれを正しく行うことができるのでしょうか? まず、銀行がこれらのシステムを導入する際に避けるべき最も一般的な間違いを 3 つ紹介します。

（１）顧客を第一に考えていない

どの銀行も、顧客と従業員のやり取りの基本プロセスを自動化することでコストを削減したいと考えていますが、会話型 AI の実装を検討する際、最終目標が従来の顧客サポート方法よりも早く顧客の目的達成を支援することでない場合は、プロジェクトの開始前に再検討する必要があります。

顧客は、銀行が導入しているチャットボットの限界を認識していないか、気にしていません。最初の質問に答えたら、さらに複雑な質問をしたり、取引が可能かどうかを尋ねたりすることがあります。基本的なチャットボットは、これらのフォローアップの質問に、自分が知っている唯一の方法で回答し、銀行の従業員に回答を依頼します。その結果、ユーザー エクスペリエンスが低下し、依然として人間の介入が必要になります (人間の介入を回避することがロボットを使用する主な目的です)。また、顧客は将来、効果のないロボットに頼るのではなく、時間のかかる手動の方法に頼るようになる可能性があります。基本的に、企業がプロジェクトに投資した場合、そのプロジェクトは顧客に望んでいない、または必要としていない体験を提供してしまう可能性があります。

（２）仕事に適したツールを選ばない

銀行がデジタル変革を追求することを決定した場合、すぐに時代遅れになる単純なチャットボットを導入するのではなく、より高いレベルの投資保護と有効性を提供する、より高度な会話型 AI ソリューションを研究する必要があります。銀行の投資は、専門家とデータに基づく決定に基づいてタスクを実行し、時間の経過とともにこれらのやり取りから新しいシナリオを学習して予測し、常に顧客のニーズを満たすのに十分なスキルを備えた会話型 AI エージェントを使用して、可能な限り将来を見据えたものにする必要があります。まず、銀行はいくつかのプロセスを特定し、それを一般的なビジネス上の問題に適用する必要があります。言い換えれば、顧客からよく聞かれる質問や繰り返し聞かれる質問に答える必要があり、高度な AI ソリューションは人間の介入なしに結果を提供できます。会話型 AI システムは、特に短期的には、顧客からの問い合わせの応答率、処理時間、初回連絡での解決率の向上に役立つほか、自動化では解決できないプロセスを完了するために適切なスタッフを見つけるのにも役立つため、非常に価値があります。

たとえば、顧客が「中小企業向けローンを申し込むべきでしょうか？」といった質問をした場合、チャットボットは一般的な回答を提供することはできません。認知システムを使用すると、銀行は機械学習、会話のニュアンス、履歴記憶を活用して、顧客の質問や懸念に対するインテリジェントなアドバイスを提供できます。認知システムは、消費者の銀行取引履歴を調査し、市場データにアクセスし、計算を実行し、そして最も重要なことに、消費者の財務目標を照会して、有意義な推奨事項を提供することができます。

（３）展開が速すぎる

デジタルワーカーにとっても、練習すれば多くのことが完璧にできるようになります。企業は、自社の AI システムを既存の IT エコシステムに統合し、数時間で顧客に提供できるようになるという一部のベンダーの約束には注意する必要があります。会話型 AI バンキング ソリューションをインストールし、最終目標を達成するためにそれをトレーニングすることは、関連してはいるものの、異なるシナリオです。

会話型 AI ソリューションが進化するにつれて、銀行は厳格なプロセスに従い、銀行用語を専門的に理解し、他のシステムと適切に統合される API を提供するソリューションを見つけることができます。ただし、これらのプロセスとアクションは、障害を回避し、適用されるすべての法律と規制に準拠するために、複数回テストする必要があります。他の銀行専門家と同様に、AI システムでも価値を提供するには、ブランド固有の位置付け、トレーニング、および習熟レベルが必要です。

金融サービス業界がデジタル変革をリードし続けることが、世界的な金融リーダーであり続けるための鍵となります。ただし、新しいテクノロジーをビジネス モデルに統合するのは難しい場合があります。特に、そのテクノロジーが顧客向けであり、将来の成長が顧客サービスに依存する場合はそうです。金融サービス企業は、AI 投資の長期的な成功を確実にし、依存する顧客の満足度を向上させるために、上記で概説した間違いを避けるための措置を講じる必要があります。