AI có thể giúp các nhóm môi giới tìm ra lý do tại sao hiệu suất thay đổi, khách hàng nào cần giúp đỡ, và nên làm gì tiếp theo. Nó có thể tổng hợp một giải thích về sự sụt giảm tiền gửi, tìm ra vấn đề thanh toán lặp lại, hoặc chuẩn bị một phản hồi hỗ trợ từ lịch sử tài khoản. Nhân viên vẫn quyết định hành động nào cần thực hiện.
Hãy nghĩ về một buổi sáng thứ Hai khá bình thường. Các đăng ký trông ổn. Các khoản tiền gửi lần đầu giảm. Phòng Marketing cho biết lưu lượng truy cập không thay đổi, các khoản thanh toán không báo cáo sự cố nào, và bộ phận hỗ trợ có vài khiếu nại mà chưa ai kết nối.
Có ai đó phải kết nối những mảnh ghép đó lại với nhau. Đó là một điểm khởi đầu hữu ích với AI trong hoạt động môi giới. Hãy cho nó quyền truy cập vào các hồ sơ đúng, đặt một câu hỏi cụ thể và yêu cầu nó chỉ ra bằng chứng hỗ trợ cho câu trả lời.
Bạn có thể sử dụng những gì bạn học được trong phần còn lại của doanh nghiệp: giải quyết một vấn đề về tài trợ, xem xét lại một chiến dịch, giải thích trạng thái tài khoản, hoặc cải thiện một phần khó hiểu của nền tảng. Giá trị đến từ việc hoàn thành công việc đó sớm hơn và với ít sai sót hơn.
Tại sao AI trong môi giới lại lớn hơn AI giao dịch
Khi các nhà môi giới thảo luận về AI, cuộc trò chuyện thường chuyển sang tín hiệu, thuật toán và dự đoán thị trường. Nhưng một công ty môi giới cũng có một đội ngũ tiếp nhận, một nhân viên thu ngân, một quy trình xác minh và những người trả lời khách hàng suốt cả ngày. Có rất nhiều câu hỏi hữu ích cần được giải đáp ở đó.
Một quản lý sản phẩm có thể hỏi phần nào của quy trình đăng ký gặp khó khăn trên thiết bị di động. Bộ phận tài chính có thể muốn biết tại sao doanh thu trên mỗi khách hàng trả phí lại tăng lên trong khi tổng doanh thu giảm. Một quản lý liên kết có thể cần giải thích tại sao các giới thiệu của một đối tác lại ngừng trở thành tài khoản đã được tài trợ.
Nhiều công việc này liên quan đến việc tìm kiếm thông tin, so sánh chúng và kiểm tra các giải thích có thể. AI có thể hỗ trợ cho từng nhiệm vụ đó. Một mô hình ngôn ngữ có thể diễn giải một câu hỏi hoặc tóm tắt một cuộc trò chuyện. Một mô hình dự đoán có thể ước lượng một loạt các kết quả trong tương lai. Hệ thống báo cáo cơ bản vẫn nên tính toán các con số.
Một số tự động hóa môi giới đơn giản hơn thế. Gửi xác nhận sau một sự kiện đã được xác minh có thể tuân theo một quy tắc cố định. Bạn không cần một mô hình để quyết định xem sự kiện đã xảy ra hay chưa. AI có được vị trí của mình khi câu hỏi cần được diễn giải hoặc bằng chứng phân tán khắp các báo cáo và cuộc trò chuyện.
Chuyển đổi Dữ liệu Môi giới thành Câu trả lời Kinh doanh
Bắt đầu với một câu hỏi mà đội của bạn đã từng đặt ra. Tại sao số tiền gửi lần đầu giảm vào tuần trước? Các phiếu hỗ trợ bổ sung đến từ đâu? Nguồn thu hút nào vẫn đóng góp sau khi trừ đi chi phí của chúng?
Một câu trả lời hữu ích cần nhiều hơn một đoạn văn giải thích rằng hiệu suất đã giảm. Nó nên cho thấy các ngày so sánh, định nghĩa của chỉ số, các nhóm chịu trách nhiệm cho sự thay đổi, và bất kỳ dữ liệu nào bị thiếu. Bạn nên có thể mở báo cáo cơ sở và tái tạo tổng số.
Quadcode AI Analyst hỗ trợ loại công việc này thông qua các câu hỏi bằng ngôn ngữ đơn giản, phân tích chỉ số, phát hiện bất thường và dự đoán. Các thông tin đã được công bố bao gồm FTD, LTV, ARPPU, P&L, hiệu suất thanh toán, chuyển đổi và các kênh tiếp thị. Các đội ngũ có thể điều tra xem quốc gia, thương hiệu hoặc nguồn nào đã góp phần vào sự thay đổi, sau đó theo dõi với một câu hỏi cụ thể hơn.
Có một sự phân biệt cần lưu ý. Việc tìm ra rằng một kênh chiếm phần lớn sự suy giảm cho bạn biết nơi cần điều tra. Nó không chứng minh rằng kênh đó đã gây ra vấn đề. Một sự cố thanh toán ảnh hưởng đến khán giả của nó có thể tạo ra kết quả tương tự như lưu lượng truy cập yếu hơn.
Trước khi kết nối một trợ lý, hãy đồng ý về các hồ sơ mà nó nên tin tưởng. Nếu CRM môi giới của bạn hiển thị một khoản tiền gửi đã hoàn tất nhưng sổ thanh toán vẫn hiển thị đang chờ, sự không đồng thuận đó cần được giải quyết. Một lời giải thích thuyết phục sẽ không làm cho bất kỳ hồ sơ nào trở nên chính xác.
Phát hiện sự thay đổi trong FTD, LTV, Doanh thu và Chuyển đổi
Giả sử hai nhóm đăng ký hàng tuần tạo ra những kết quả sau. Mỗi khách hàng có cùng một khoảng thời gian quan sát bảy ngày. Những con số này chỉ mang tính minh họa, không phải là kết quả của Quadcode hay tiêu chuẩn ngành.
| Giai đoạn đạt được trong vòng bảy ngày | Nhóm trước | Nhóm sau |
|---|---|---|
| Khách hàng đã đăng ký | 2,000 | 2,000 |
| Khách hàng được phê duyệt qua KYC | 1,200 | 1,200 |
| Khách hàng duy nhất đã cố gắng nạp tiền | 800 | 800 |
| Khách hàng có lần nạp tiền đầu tiên được ghi có thành công | 600 | 480 |
| Khách hàng cố gắng đã được cấp vốn | 75% | 60% |
FTD giảm 20%, mặc dù số lượng đăng ký, phê duyệt KYC và số người cố gắng gửi tiền vẫn giữ nguyên. Cuộc điều tra ngay lập tức xoay quanh việc hoàn thành nguồn vốn. Việc mua thêm lưu lượng truy cập sẽ đưa thêm người qua bước mà hiện đang gặp khó khăn.
Dòng cuối cùng đo lường con người, không phải giao dịch. Một khách hàng có thể thử lại nhiều lần. Tỷ lệ chấp thuận giao dịch của nhà cung cấp thanh toán sử dụng một mẫu số khác, vì vậy hai báo cáo cần nhãn riêng biệt.
Yêu cầu trợ lý phân tích các chuyển đổi bị mất theo phương thức thanh toán, quốc gia, thiết bị và nguồn gốc tiếp cận. Sau đó kiểm tra trạng thái thanh toán và sự chậm trễ trong báo cáo. Một số khách hàng có thể đã bị thanh toán thất bại; những người khác có thể vẫn đang chờ đợi tiền đến.
Các chỉ số khác cũng quan trọng như vậy. LTV có nghĩa là giá trị trọn đời, nhưng một dự đoán cho một nhóm mới thì khác với giá trị đã kiếm được. So sánh các khách hàng cùng độ tuổi và chỉ ra những chi phí nào được bao gồm. Với ARPPU, hay doanh thu trung bình trên mỗi người dùng trả tiền, xác định cái gì được tính là doanh thu và ai là người nằm trong mẫu số.
ARPPU có thể tăng chỉ đơn giản vì những khách hàng có doanh thu thấp rời đi. Điều này có thể xảy ra trong khi tổng doanh thu giảm. P&L cũng cần có một người chủ rõ ràng: kết quả của công ty môi giới và kết quả giao dịch của khách hàng là những thước đo khác nhau. Một khoản tiền gửi tự nó là nguồn vốn của khách hàng, không phải doanh thu của công ty môi giới.
Ghi chú thực tiễn: Thỏa thuận về những định nghĩa này với bộ phận tài chính trước khi thử nghiệm các giải thích của AI. Nếu không, mọi người có thể dành một cuộc họp để tranh luận về một vấn đề kinh doanh rõ ràng xuất phát từ hai báo cáo đếm các thứ khác nhau.
Sự rò rỉ bắt đầu sau khi cố gắng gửi tiền.
Các bước đầu tiên khớp nhau. Sự khác biệt chỉ xuất hiện khi một lần gửi tiền đầu tiên nên được ghi có.
Phân tích theo phương thức thanh toán, sau đó xác minh trạng thái thanh toán và độ trễ báo cáo. Biểu đồ xác định sự thay đổi; nó không chứng minh nguyên nhân của sự thay đổi.
Tìm kiếm các điểm nghẽn trong hành trình của khách hàng
Đường dẫn tiếp nhận khách hàng của công ty môi giới >giúp xác định vấn đề. Các sự kiện tài khoản và cuộc trò chuyện với khách hàng giúp giải thích những gì đã xảy ra ở đó.
Hãy xem xét sự sụt giảm tài trợ ở trên. Có thể nó tập trung vào một phiên bản ứng dụng di động. Các kiểm tra hữu ích tiếp theo là ngày phát hành, màn hình thanh toán và lịch sử giao dịch của các khách hàng bị ảnh hưởng. Nếu bộ phận hỗ trợ cũng nhận được báo cáo về một nút xác nhận đã ngừng phản hồi, sản phẩm có điều gì đó cụ thể để tái tạo.
AI có thể đưa những quan sát đó vào cùng một cuộc điều tra. Nó có thể so sánh nhóm bị ảnh hưởng với các phiên bản ứng dụng khác và tóm tắt các vé liên quan. Nhóm vẫn cần phải kiểm tra lỗi nghi ngờ trước khi gọi đó là nguyên nhân.
Điều này đặc biệt hữu ích khi một giai đoạn phễu duy nhất ẩn chứa nhiều trải nghiệm khác nhau. KYC đã được phê duyệt nhưng chưa có tiền bao gồm những người chưa cố gắng nạp tiền, những người có giao dịch thanh toán thất bại và những người có một giao dịch chuyển tiền vẫn đang chờ xử lý. Mỗi trường hợp cần một phản hồi khác nhau.
Các sự kiện phải đủ chính xác để hỗ trợ sự phân biệt đó. Mở trang thanh toán không phải là một nỗ lực gửi tiền. Mở một phiếu đặt hàng không phải là một giao dịch. Một sự kiện theo dõi bị thiếu không phải là bằng chứng cho thấy khách hàng đã từ bỏ nhiệm vụ.
Khi nhóm khắc phục một vấn đề nào đó, hãy so sánh tỷ lệ hoàn thành trong một khoảng thời gian tương đương. Bao gồm các liên hệ hỗ trợ và những lần thất bại lặp lại. Một biểu đồ đẹp hơn sẽ thuyết phục hơn khi các khách hàng bị ảnh hưởng có thể hoàn thành bước đó và ngừng yêu cầu trợ giúp.
Cải thiện việc phân bổ ngân sách và xác định nguồn gốc tiếp thị
Các đội ngũ marketing cần biết chi phí của họ đã tạo ra gì sau khi đăng ký. AI có thể giúp kết hợp chi phí thu hút, tài khoản được tài trợ, chi phí dịch vụ và doanh thu thành một so sánh mà họ thực sự có thể sử dụng.
Xem xét một ví dụ riêng biệt, đơn giản với hai nhóm được đo tại ngày 60. Tất cả các con số đều mang tính minh họa:
- Nguồn A có giá 30.000 đô la và mang lại 200 khách hàng được tài trợ. Nó tạo ra 22.000 đô la doanh thu môi giới và 4.000 đô la chi phí trực tiếp khác.
- Nguồn B tốn 24.000 đô la và mang lại 120 khách hàng được tài trợ. Nó tạo ra 27.000 đô la doanh thu môi giới và 3.000 đô la chi phí trực tiếp khác.
Nguồn A có chi phí tiếp cận thấp hơn cho mỗi khách hàng được tài trợ: $150 so với $200. Nhưng đóng góp của nó sau khi tiếp cận và các chi phí trực tiếp được nêu là âm $12,000. Nguồn B đạt mức zero trên cùng một cơ sở.
Không kết quả nào chứng minh rằng doanh nghiệp có lãi. Chi phí cố định vẫn tồn tại, và các nhóm có thể kiếm nhiều hơn sau này. Dù vậy, sự so sánh này cung cấp cho giám đốc marketing một cơ sở tốt hơn để xem xét chi tiêu so với chi phí cho khoản tiền gửi đầu tiên một mình. Đó là lý do tại sao kinh tế đơn vị môi giới theo nhóm là một phần trong cuộc thảo luận về việc tiếp nhận.
Trợ lý có thể chuẩn bị so sánh, làm nổi bật các chi phí còn thiếu và cho thấy liệu kết quả có giữ nguyên trong cùng một thị trường và sản phẩm hay không. Trước khi tăng chi tiêu, hãy kiểm tra xem lợi thế rõ ràng có phụ thuộc vào một vài tài khoản có giá trị bất thường hoặc một dự đoán LTV chưa được chứng minh hay không.
Phân bổ cũng có giới hạn. Báo cáo nhấp chuột cuối cùng gán tín dụng theo một quy tắc đã chọn; nó không xác định rằng một quảng cáo đã gây ra mỗi đăng ký được ghi nhận. So sánh các mô hình phân bổ khi hữu ích, và sử dụng các bài kiểm tra có kiểm soát khi thực tế.
Cũng hãy kiểm tra chuyển đổi thanh toán trước khi đổ lỗi cho một đối tác về việc tài trợ yếu. Nếu một phương thức địa phương không còn khả dụng, việc thay đổi nguồn lưu lượng truy cập sẽ không khắc phục được nó.
Sử dụng AI để Phân đoạn Nhà giao dịch
Bạn có thể bắt đầu phân khúc nhà giao dịch với các quy tắc tài khoản thông thường. Một người đang chờ xem xét tài liệu thuộc về một quy trình làm việc khác so với một người có thanh toán không thành công đã được xác nhận.
AI trở nên hữu ích khi mẫu khó nhìn thấy hơn. Khách hàng có thể mô tả cùng một vấn đề bằng các ngôn ngữ khác nhau hoặc bằng những từ ngữ khác nhau. Nhiều nhóm nhỏ có thể chia sẻ một vấn đề với một phương thức thanh toán. Những người mở một bài viết trợ giúp cụ thể có thể tiếp tục liên hệ với hỗ trợ vì nó không trả lời câu hỏi của họ.
Các phát hiện đó có thể gợi ý một nhóm dịch vụ mới. Nhân viên xem xét liệu nhóm có hợp lý không, cần giúp đỡ gì và khi nào thì việc tham gia nên kết thúc. Một nhãn không nên theo chân khách hàng sau khi vấn đề đã được giải quyết.
Cẩn thận với ý định suy diễn. Hoạt động giảm không cho bạn biết lý do tại sao ai đó dừng lại. Họ có thể đang bận rộn, chờ rút tiền, không hài lòng với sự hỗ trợ, hoặc chọn nghỉ ngơi. Một mô tả do AI tạo ra về động lực có thể của họ vẫn chỉ là một phỏng đoán.
Giữ quyền truy cập và hạn chế tài khoản trong các quy tắc rõ ràng. Điểm số tiếp thị không nên thay đổi sản phẩm mà ai đó có thể truy cập hoặc cách thức giao dịch của họ được xử lý. Lợi ích thực tiễn của AI trong công việc CRM môi giới là cung cấp bối cảnh tốt hơn cho nhân viên, với điều kiện bối cảnh đó vẫn mở cho việc sửa chữa.
Cá nhân hóa Email, Thông báo đẩy và Giao tiếp trong Ứng dụng
Khi đội ngũ hiểu rõ tình hình, họ có thể quyết định liệu một thông điệp có hữu ích hay không. AI có thể đề xuất một lời giải thích và soạn thảo nội dung. CRM quản lý việc giao hàng theo các quy tắc đã được phê duyệt, sử dụng trạng thái tài khoản hiện tại và quyền giao tiếp.
Đây là những quy trình làm việc có thể. Chúng yêu cầu các tích hợp và quy trình xem xét phù hợp; chúng không phải là các tuyên bố mà AI Analyst tự gửi tin nhắn cho khách hàng.
| Tình trạng Khách hàng | Hỗ trợ AI Hữu ích | Những gì cần kiểm tra trước khi gửi |
|---|---|---|
| Đã đăng ký nhưng chưa bắt đầu KYC | Chuẩn bị một giải thích ngắn gọn về các tài liệu cần thiết và nơi có thể nhận trợ giúp. | Kiểm tra yêu cầu cho tài khoản và quốc gia, sự cho phép để liên lạc, và xem liệu việc xác minh đã bắt đầu hay chưa. |
| KYC đã hoàn thành, không có khoản tiền gửi | Xác định một khoảng trống thông tin có khả năng xảy ra và soạn thảo một giải thích về các phương thức tài trợ hoặc phí có sẵn. | Các khoản chuyển đang chờ xử lý, đủ điều kiện tài khoản, sự sẵn có của phương thức hiện tại, và các sự cho phép tiếp thị áp dụng. |
| Đã gửi tiền nhưng chưa thực hiện giao dịch đầu tiên | Đề xuất hỗ trợ tùy chọn với vé đặt hàng, phí hoặc điều khiển nền tảng. | Tình trạng tài khoản hiện tại và ngôn ngữ giáo dục đã được phê duyệt mà không gây áp lực để giao dịch. |
| Hoạt động đã giảm | Tóm tắt bất kỳ vấn đề dịch vụ chưa giải quyết nào và đề xuất xem liệu việc theo dõi dịch vụ có hữu ích hay không. | Các khiếu nại đang mở, từ chối tham gia, hạn chế tài khoản, và xem liệu việc liên lạc có phù hợp hay không. |
| Một khoản thanh toán đã thất bại | Soạn thảo một giải thích tình trạng thực tế và một tùy chọn hỗ trợ có sẵn. | Xác nhận thất bại thay vì trạng thái đang chờ xử lý, các nỗ lực thành công sau đó, và bất kỳ phương án thay thế đủ điều kiện nào. |
| Các yêu cầu hỗ trợ lặp lại về một chủ đề | Chuẩn bị một phản hồi rõ ràng hơn sử dụng lịch sử cuộc trò chuyện và tài liệu trợ giúp hiện tại. | Những gì còn lại chưa được giải quyết, liệu lời khuyên trước đó có sai hay không, và ai là người sở hữu trường hợp này. |
Một khách hàng đã được cấp vốn nhưng chưa giao dịch có thể đánh giá cao một giải thích ngắn gọn về ký quỹ hoặc các loại lệnh. Điều đó tự nhiên phù hợp với giáo dục giao dịch. Không cần phải thêm sự khẩn cấp hoặc gợi ý rằng việc cấp vốn cho một tài khoản tạo ra nghĩa vụ phải giao dịch.
Đối với một khoản thanh toán thất bại, ngôn ngữ có thể đơn giản như nhau: khoản thanh toán chưa được hoàn thành, tài khoản chưa được ghi có, và hỗ trợ có sẵn. Mỗi tuyên bố cần phải khớp với các hồ sơ đã xác nhận. Tránh việc bịa ra lý do của nhà phát hành cho việc từ chối một khoản thanh toán hoặc hứa hẹn thời gian hoàn thành mà không ai đã xác minh.
Ghi chú thực tiễn: Kiểm tra lại tài khoản khi một tin nhắn đang chờ gửi sắp được gửi đi. Một khách hàng có thể hoàn thành KYC hoặc nạp tiền thành công giữa quá trình chọn lựa và giao hàng. Nếu không có kiểm tra cuối cùng đó, ngay cả những thông tin liên lạc với khách hàng bằng AI được viết cẩn thận cũng có thể đến với thông tin sai lệch.
Đo lường xem liệu các thông điệp có giải quyết được vấn đề mong muốn hay không. Số lần mở và nhấp là những tín hiệu giao hàng hữu ích, nhưng chúng không cho thấy liệu nội dung có giúp ích hay không. Một thí nghiệm của FCA về sự tham gia của ứng dụng giao dịch đã phát hiện rằng các tính năng được thử nghiệm, bao gồm thông báo đẩy, có thể tăng tần suất giao dịch và mức độ chấp nhận rủi ro. Xem xét hành vi mà một thông điệp khuyến khích cũng như tỷ lệ phản hồi của nó.
Hỗ trợ AI cho các đội ngũ môi giới
Nhiều công việc của một đại lý diễn ra trước khi viết câu trả lời. Họ đọc cuộc trò chuyện, kiểm tra giao dịch, tìm chính sách hiện tại và xác định những lời hứa trước đó vẫn còn hiệu lực.
Một trợ lý có thể chuẩn bị bối cảnh đó. Đối với một chuyển khoản bị thiếu, nó có thể tập hợp tham chiếu thanh toán, trạng thái mới nhất, các liên hệ trước đó và giải thích đã được phê duyệt về quy trình. Đại lý kiểm tra các nguồn và quyết định những gì cần nói với khách hàng.
Điều này hữu ích hơn một câu trả lời lưu loát dựa trên một trang trợ giúp cũ. Trợ lý cần truy cập vào thông tin hiện hành đã được phê duyệt, và nó cần phải nói khi hồ sơ không trả lời được câu hỏi. Một khoản thanh toán được mô tả là bị trì hoãn tối qua có thể đã hoàn tất sáng nay.
Dữ liệu hỗ trợ cũng giúp cho sản phẩm và hoạt động. Nếu khách hàng liên tục hỏi nơi tìm một khoản phí, việc tóm tắt các yêu cầu đó có thể tiết lộ một vấn đề thông tin trên màn hình tài trợ. Một màn hình rõ ràng hơn có thể tiết kiệm nhiều công việc hơn là trả lời nhanh cho cùng một câu hỏi.
Theo dõi các liên hệ lặp lại, chỉnh sửa, leo thang và thời gian giải quyết bên cạnh tốc độ phản hồi. Một câu trả lời nhanh chóng tạo ra một vé khác không tiết kiệm được nhiều. Khiếu nại, thanh toán tranh chấp và các trường hợp rút tiền không rõ ràng cần một lộ trình đến người có thẩm quyền để giải quyết chúng.
Dự đoán các chỉ số kinh doanh và phát hiện bất thường
Dự đoán có thể giúp một công ty chứng khoán lập kế hoạch hỗ trợ, ước lượng khối lượng công việc tiếp nhận, hoặc chuẩn bị cho sự thay đổi trong khối lượng thanh toán. Nó hoạt động tốt nhất khi đội ngũ hiểu rõ mức độ không chắc chắn của ước lượng.
Một dự đoán dựa trên lưu lượng hiện có có thể trở nên kém hữu ích khi một đối tác lớn bắt đầu gửi khách hàng từ một thị trường mới. Một ngày lễ hoặc sự cố cũng có thể thay đổi mẫu. Hiển thị một khoảng, giải thích các giả định và kiểm tra dự đoán so với các kết quả sau này.
Đối với việc phát hiện bất thường, một cảnh báo cần đủ chi tiết để ai đó có thể điều tra. Việc phê duyệt thanh toán giảm mười điểm phần trăm không có nghĩa gì nếu không có lộ trình, khoảng thời gian, kích thước mẫu và phạm vi thông thường. Các phân khúc nhỏ có thể di chuyển mạnh sau chỉ vài giao dịch.
Trước khi xem xét một chuyển động như một sự cố hoạt động, hãy kiểm tra thời gian dữ liệu được làm mới lần cuối. Một kết nối báo cáo bị hỏng có thể khiến mọi phương thức thanh toán dường như ngừng hoạt động đồng loạt. Các bản ghi muộn có thể biến sự sụt giảm doanh thu rõ ràng của ngày hôm qua thành một ngày bình thường.
Bắt đầu với các cảnh báo có người chịu trách nhiệm và phản hồi rõ ràng. Nếu không ai biết phải làm gì với một cảnh báo, việc thêm nhiều cảnh báo hơn có thể khiến đội ngũ ít chú ý hơn. Phân tích AI hữu ích cho các công ty môi giới nên giảm bớt công việc quyết định thay đổi nào xứng đáng được chú ý hơn.
Nơi Đánh Giá Con Người Phải Được Giữ Lại
Đối với mô hình vận hành được mô tả ở đây, AI chuẩn bị bằng chứng và đề xuất. Nhân viên được ủy quyền vẫn chịu trách nhiệm về các quyết định quan trọng liên quan đến việc rút tiền, truy cập tài khoản, khiếu nại, cài đặt thực hiện, giới hạn rủi ro và các thay đổi ngân sách quan trọng.
Đánh giá cần phải thực tiễn. Người đánh giá nên xem các hồ sơ nguồn, hiểu được khuyến nghị và có thẩm quyền để từ chối nó. Nếu họ chỉ thấy một điểm số độ tin cậy và một nút chấp thuận, họ sẽ có rất ít cơ sở để đưa ra quyết định.
Các khung quản lý rủi ro AI tự nguyện của NIST gọi cho trách nhiệm được xác định và sự giám sát của con người. Đối với các công ty ở Vương quốc Anh trong phạm vi, cách tiếp cận của FCA đối với AI trong dịch vụ tài chính giải thích cách mà các khung trách nhiệm hiện có và kết quả cho khách hàng áp dụng. Các yêu cầu ở nơi khác phụ thuộc vào thực thể, hoạt động và thị trường.
Quyền truy cập quan trọng không kém gì sự chấp thuận. Một nhà phân tích điều tra sự chuyển đổi có thể chỉ cần các bản ghi tổng hợp. Một trợ lý hỗ trợ có thể cần các sự kiện tài khoản đã chọn, nhưng không phải tài liệu danh tính nào cũng cần thiết. Kiểm tra quyền truy cập dữ liệu, thời gian lưu trữ và nơi thông tin được xử lý trước khi kết nối hồ sơ khách hàng với một dịch vụ.
Đây là những câu hỏi hữu ích để hỏi bất kỳ nhà cung cấp AI nào trong các hoạt động fintech. Hãy yêu cầu một buổi trình diễn sử dụng một trường hợp có thông tin thiếu hoặc các hồ sơ mâu thuẫn. Bạn muốn thấy cách mà hệ thống xử lý sự không chắc chắn trước khi nhân viên phụ thuộc vào nó trong một ngày bận rộn.
AI chuẩn bị hồ sơ. Con người quyết định.
Một đề xuất được gửi đến người đánh giá cùng với các bằng chứng phía sau nó, không phải là quyền tự quyết định.
Chuẩn bị một đề xuất
Tổ chức các hồ sơ liên quan đến nhiệm vụ và chỉ ra những gì vẫn chưa biết.
Sở hữu quyết định
Kiểm tra nguồn, áp dụng chính sách, và có quyền nói không.
Một cuộc điều tra có thể cần kết quả tổng hợp hoặc các sự kiện tài khoản được chọn, không phải mỗi tài liệu danh tính hoặc toàn bộ lịch sử khách hàng.
Cách Giới Thiệu AI Vào Hoạt Động Môi Giới
Tôi sẽ bắt đầu với một nhiệm vụ lặp đi lặp lại đã tiêu tốn thời gian của nhân viên. Giải thích các biến động FTD hàng tuần là một ứng cử viên hợp lý. Chuẩn bị các tóm tắt hỗ trợ cũng vậy, nếu lịch sử tài khoản và các chính sách đã được phê duyệt là đáng tin cậy.
Chọn một người phụ trách nhiệm vụ và ghi lại cách mà nhóm xử lý nó hôm nay. Sau đó, thử nghiệm các trường hợp lịch sử mà kết quả đã được biết. Giữ cho cuộc điều tra cuối cùng ra khỏi đầu vào, và kiểm tra xem trợ lý có tìm thấy bằng chứng liên quan, đưa ra những manh mối sai hay tự tin lấp đầy các khoảng trống không.
Tiếp theo, hãy để một nhóm nhỏ sử dụng nó với quyền truy cập chỉ đọc vào các hồ sơ cần thiết. Thu thập các câu hỏi mà họ đặt ra và những sửa đổi mà họ thực hiện. Điều này cho thấy liệu công cụ có hoạt động vượt ra ngoài một buổi trình diễn đã chuẩn bị hay không.
| Nhiệm vụ Thí điểm | Bằng chứng cho thấy nó hữu ích | Kết quả cần chú ý |
|---|---|---|
| Giải thích sự thay đổi của chỉ số | Ít thời gian hơn để đạt được một giải thích đã được xác minh; tổng số khớp với báo cáo. | Các câu trả lời thuyết phục mà không nêu rõ bằng chứng. |
| Chuẩn bị phản hồi hỗ trợ | Thời gian chuẩn bị thấp hơn với các câu trả lời chính xác và ít liên hệ lại hơn. | Các sửa đổi thực tế thường xuyên hoặc các lời hứa mà đại diện không thể thực hiện. |
| Đề xuất một thông điệp dịch vụ | Nhiều khách hàng đủ điều kiện giải quyết vấn đề cụ thể, mà không có khiếu nại tồi tệ hơn hoặc kết quả từ chối. | Nhiều nhấp chuột hơn nhưng thông điệp lỗi thời hoặc gây nhầm lẫn hơn. |
| Đánh dấu hoạt động thanh toán bất thường | Các sự cố đã được xác minh đến được đội ngũ phù hợp nhanh hơn. | Các thông báo lặp lại từ dữ liệu cũ hoặc mẫu rất nhỏ. |
Bao gồm thời gian đánh giá, công việc tích hợp và chi phí vận hành khi đánh giá thử nghiệm. Tiết kiệm một giờ phân tích không giúp ích nhiều nếu một nhân viên khác mất hai giờ để sửa chữa câu trả lời.
Đối với một bài kiểm tra giao tiếp, so sánh các khách hàng đủ điều kiện tương tự trong cùng một khoảng thời gian, sử dụng một nhóm giữ lại khi cần thiết. Giữ thông báo dịch vụ bắt buộc bên ngoài các thử nghiệm sẽ giữ chúng lại. Đặt quy tắc dừng cho các thông điệp không chính xác hoặc kết quả khách hàng suy giảm.
Mở rộng sau khi những người sử dụng hệ thống có thể giải thích nơi nó giúp đỡ và nơi nó vẫn cần sửa chữa. Một công ty môi giới có một trợ lý đáng tin cậy cho các cuộc điều tra thanh toán có thể nhận được giá trị thực từ trường hợp sử dụng đó. Quy trình làm việc tiếp theo có thể diễn ra khi dữ liệu và nhân viên đã sẵn sàng.
