AI có thể giúp các đội ngũ môi giới tìm ra lý do tại sao hiệu suất lại thay đổi, khách hàng nào cần trợ giúp, và nên làm gì tiếp theo. Nó có thể tổng hợp một lời giải thích về việc 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. Số tiền gửi lần đầu giảm. Bộ phận tiếp thị cho biết lưu lượng truy cập không thay đổi, thanh toán không báo cáo sự cố nào, và bộ phận hỗ trợ có một số khiếu nại mà chưa ai kết nối.
Có người phải ghép những mảnh ghép đó lại với nhau. Đó là một nơi hữu ích để bắt đầu với AI trong các hoạt động môi giới. Cung cấp cho nó quyền truy cập vào các hồ sơ đúng, đặt một câu hỏi cụ thể và yêu cầu nó chỉ ra bằng chứng đứng sau câu trả lời.
Bạn có thể sử dụng những gì bạn học được trong phần còn lại của doanh nghiệp: giải quyết vấn đề tài chính, xem xét lại một chiến dịch, giải thích trạng thái tài khoản hoặc cải thiện một phần gây nhầm lẫn 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 quan trọng 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 trả lời ở đó.
Một người quản lý sản phẩm có thể hỏi phần nào của quy trình đăng ký gây rắc rối trên di động. Bộ phận tài chính có thể muốn biết tại sao doanh thu trên mỗi khách hàng trả phí lại tăng trong khi tổng doanh thu giảm. Một người quản lý liên kết có thể cần giải thích tại sao việc giới thiệu của một đối tác không còn trở thành tài khoản được tài trợ.
Nhiều công việc này liên quan đến việc tìm kiếm thông tin, so sánh nó và kiểm tra các giải thích có thể. AI có thể giúp với 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 tính 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 giải thích hoặc bằng chứng bị phân tán qua các báo cáo và cuộc trò chuyện.
Biến Dữ Liệu Môi Giới Thành Câu Trả Lời Kinh Doanh
Bắt đầu với một câu hỏi mà đội ngũ của bạn đã hỏi. Tại sao số tiền gửi lần đầu giảm vào tuần trước? Những phiếu hỗ trợ bổ sung đến từ đâu? Nguồn tiếp nhận 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 chỉ ra 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 khả năng 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 số liệu, phát hiện bất thường và dự đoán. Các báo cáo đã được công bố bao gồm FTD, LTV, ARPPU, P&L, hiệu suất thanh toán, chuyển đổi và các kênh tiếp thị. Các nhóm 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 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 gián đoạn thanh toán ảnh hưởng đến khán giả của nó có thể tạo ra kết quả giống như lưu lượng truy cập yếu hơn.
Trước khi kết nối một trợ lý, hãy thống nhất 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 cái thanh toán vẫn hiển thị đang chờ xử lý, sự khác biệt 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 các 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 hoặc tiêu chuẩn trong 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 thực hiện một khoản tiền gửi | 800 | 800 |
| Khách hàng với khoản tiền gửi đầu tiên được ghi có thành công | 600 | 480 |
| Khách hàng cố gắng đã được cấp vốn | 75% | 60% |
Số lượng 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 tất tài trợ. Việc mua thêm lưu lượng truy cập sẽ đưa thêm người qua bước mà hiện tại đã 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 phê duyệt 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 gặp sự cố thanh toán; những người khác có thể vẫn đang chờ đợi tiền về.
Các chỉ số khác cũng cần được quan tâm tương tự. 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, hãy chỉ rõ cái gì được tính là doanh thu và ai là người vào mẫu số.
ARPPU có thể tăng chỉ đơn giản vì những khách hàng có doanh thu thấp rời đi. Điều đó có thể xảy ra trong khi tổng doanh thu giảm. P&L cũng cần có một chủ sở hữu rõ ràng: kết quả của công ty chứng khoán và kết quả giao dịch của khách hàng là những thước đo khác nhau. Một khoản tiền gửi tự nó là nguồn tài trợ của khách hàng, không phải doanh thu của công ty chứng khoán.
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 cả một cuộc họp để tranh luận về một vấn đề kinh doanh rõ ràng xuất phát từ hai báo cáo đếm những thứ khác nhau.
The leak begins after the deposit attempt.
The early steps match. The difference appears only when a first deposit should be credited.
Break down by payment method, then verify payment state and reporting delay. The chart locates the change; it does not prove its cause.
Tìm kiếm điểm nghẽn trong hành trình của khách hàng
Hệ thống tiếp nhận khách hàng của môi giới >giúp xác định một 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 giảm sút tài trợ ở trên. Có thể nó tập trung vào một phiên bản ứng dụng di động. Những 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 xác định nó 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 được tài trợ bao gồm những người chưa thử gửi tiền, những người có giao dịch thanh toán không thành công, và những người có giao dịch chuyển tiền vẫn đang chờ xử lý. Mỗi người cần một phản hồi khác nhau.
Các sự kiện phải đủ chính xác để hỗ trợ sự phân biệt đó. Mở một trang thanh toán không phải là một cố gắng đặt cọc. Mở một phiếu đặt hàng không phải là một giao dịch. Một sự kiện theo dõi bị thiếu không phải là bằng chứng rằng khách hàng đã từ bỏ nhiệm vụ.
Ngay khi nhóm sửa chữa điều gì đó, hãy so sánh tỷ lệ hoàn thành trong một khoảng thời gian tương đương. Bao gồm các liên hệ hỗ trợ và các lỗi 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 Phân bổ Marketing và Ngân sách
Các đội ngũ tiếp thị cần biết chi tiêu của họ đã mang lại kết quả 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 vào ngày thứ 60. Tất cả các số liệu chỉ 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 có giá $24,000 và mang lại 120 khách hàng được tài trợ. Nó tạo ra $27,000 doanh thu môi giới và $3,000 chi phí trực tiếp khác.
Nguồn A có chi phí tiếp cận thấp hơn cho mỗi khách hàng được tài trợ: 150 đô la so với 200 đô la. Nhưng đóng góp của nó sau khi tiếp cận và các chi phí trực tiếp được nêu là âm 12.000 đô la. Nguồn B đạt mức không trên cùng một cơ sở.
Không có kết quả nào chứng minh rằng doanh nghiệp có lợi nhuận. Chi phí cố định vẫn còn, và các nhóm có thể kiếm được 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. Đó là lý do tại sao kinh tế đơn vị môi giới theo nhóm thuộc về một cuộc thảo luận về việc tiếp nhận.
Trợ lý có thể chuẩn bị so sánh, làm nổi bật các chi phí thiếu hụt và cho thấy liệu kết quả có nằm 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.
Việc 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 mọi đăng ký được phân bổ. So sánh các mô hình phân bổ khi có ích, và sử dụng các thử nghiệm có kiểm soát khi thực tế.
Cũng hãy kiểm tra chuyển đổi thanh toán trước khi đổ lỗi cho một đối tác vì nguồn vốn yếu. Nếu một phương thức địa phương không còn khả dụng, việc thay đổi nguồn lưu lượng truy cập sẽ không khắc phục được điều đó.
Sử dụng AI để Phân khúc Người Giao dịch
Bạn có thể bắt đầu phân đoạn nhà giao dịch với các quy tắc tài khoản thông thường. Ai đó đang chờ xem xét tài liệu thuộc về một quy trình công việc khác với người có thanh toán thất bại đã được xác nhận.
AI trở nên hữu ích khi mẫu câu khó nhìn thấy hơn. Khách hàng có thể mô tả cùng một vấn đề bằng các ngôn ngữ khác nhau hoặc với 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 lạc với bộ phận hỗ trợ vì nó không trả lời được câu hỏi của họ.
Các phát hiện đó có thể gợi ý một nhóm dịch vụ mới. Nhân viên xem xét liệu nhóm đó có hợp lý hay không, nhóm cần sự giúp đỡ gì, và khi nào thì tư cách thành viên nên kết thúc. Một nhãn không nên theo chân khách hàng sau khi vấn đề đã được giải quyết.
Hãy cẩn thận với ý định suy diễn. Hoạt động giảm sút không cho bạn biết lý do tại sao ai đó dừng lại. Họ có thể đang bận, chờ rút tiền, không hài lòng với sự hỗ trợ, hoặc chọn cách nghỉ ngơi. Một mô tả do AI tạo ra về động lực có thể của họ vẫn chỉ là một sự đoán.
Giữ quyền hạn và hạn chế tài khoản trong các quy tắc rõ ràng. Một điểm số marketing không nên thay đổi sản phẩm nào 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 rằng 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 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 gửi thông điệp theo các quy tắc đã được phê duyệt, sử dụng tình trạng tài khoản hiện tại và quyền giao tiếp.
Đây là các quy trình hoạt động có thể có. Chúng yêu cầu các tích hợp liên quan và quy trình xem xét; chúng không phải là những tuyên bố rằng 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 nhận trợ giúp. | Yêu cầu đúng cho tài khoản và quốc gia, sự cho phép để liên hệ, và 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 và soạn thảo một giải thích về các phương thức tài trợ hoặc phí có sẵn. | Các giao dịch đang chờ xử lý, đủ điều kiện tài khoản, phương thức hiện tại có sẵn, và các quyền tiếp thị áp dụng. |
| Đã gửi tiền nhưng chưa thực hiện giao dịch đầu tiên | Gợi ý sự giúp đỡ tùy chọn với đơn đặt hàng, phí tổn, hoặc điều khiển nền tảng. | Trạng thái tài khoản hiện tại và ngôn ngữ giáo dục đã được phê duyệt mà không gây áp lực giao dịch. |
| Hoạt động đã giảm sút | Tóm tắt bất kỳ vấn đề dịch vụ chưa giải quyết nào và gợi ý liệu việc theo dõi dịch vụ có thể giúp ích hay không. | Khiếu nại đang mở, từ chối, hạn chế tài khoản, và liệu việc liên hệ có phù hợp hay không. |
| Thanh toán không thành công | Soạn thảo một giải thích tình trạng thực tế và một tùy chọn hỗ trợ có sẵn. | Thất bại đã được xác nhận thay vì trạng thái đang chờ, các nỗ lực thành công sau này, và bất kỳ lựa chọn 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 bằng cách sử dụng lịch sử cuộc trò chuyện và tài liệu trợ giúp hiện tại. | Cái gì vẫn 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 lời 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 cấp bách hay gợi ý rằng việc cấp vốn cho một tài khoản tạo ra nghĩa vụ giao dịch.
Đối với một giao dịch thanh toán không thành công, ngôn ngữ có thể rất đơn giản: thanh toán chưa hoàn tất, tài khoản chưa được ghi có, và hỗ trợ có sẵn. Mỗi tuyên bố cần phải khớp với các hồ sơ đã được xác nhận. Tránh việc bịa ra lý do của bên phát hành cho việc từ chối thanh toán hoặc hứa hẹn thời gian hoàn tất mà không ai đã xác minh.
Ghi chú thực tiễn: Kiểm tra lại tài khoản khi một tin nhắn đang chờ xử lý chuẩn bị rời 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 sự kiểm tra cuối cùng đó, ngay cả những thông điệp khách hàng được viết cẩn thận bằng AI cũng có thể đến với thông tin sai lệch.
Đo lường xem liệu các tin nhắn có giải quyết được vấn đề mong muốn hay không. Số lần mở và nhấp chuột 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 làm tăng tần suất giao dịch và sự chấp nhận rủi ro. Xem xét hành vi mà một tin nhắn khuyến khích cũng như tỷ lệ phản hồi của nó.
Hỗ Trợ AI cho Các Đội Ngũ Hỗ Trợ Môi Giới
Nhiều công việc của một nhân viên xảy ra trước khi viết một phản hồi. 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 giao dịch chuyển khoản bị thiếu, nó có thể tập hợp thông tin 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 nên nói với khách hàng.
Điều này hữu ích hơn một câu trả lời trôi chảy dựa trên một trang trợ giúp cũ. Trợ lý cần truy cập vào thông tin hiện tại, đã được phê duyệt, và 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 sản phẩm và hoạt động. Nếu khách hàng liên tục hỏi nơi tìm phí, việc tóm tắt những 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 phản hồi nhanh hơn cho cùng một câu hỏi.
Theo dõi các liên hệ lặp lại, sửa chữa, thang tiến và thời gian giải quyết bên cạnh tốc độ phản hồi. Một câu trả lời nhanh chóng tạo ra một vé khác thì không tiết kiệm được nhiều. Các khiếu nại, thanh toán tranh chấp và các trường hợp rút tiền không rõ ràng cần một lối đi đến ai đó 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 môi giới lên kế hoạch cho việc hỗ trợ, ước lượng khối lượng công việc khi tiếp nhận, hoặc chuẩn bị cho sự thay đổi trong khối lượng thanh toán. Nó hoạt động tốt nhất khi nhóm hiểu được 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 kỳ nghỉ hoặc sự cố cũng có thể thay đổi mô hình. Hiển thị một khoảng, giải thích các giả định và kiểm tra dự đoán so với kết quả sau này.
Đối với việc phát hiện bất thường, một thông báo cần đủ chi tiết để ai đó có thể điều tra. Việc phê duyệt thanh toán giảm mười điểm phần trăm không có ý nghĩa gì nếu không có lộ trình, khoảng thời gian, kích thước mẫu và phạm vi thông thường. Các phân khúc nhỏ có thể thay đổi mạnh mẽ chỉ sau một vài giao dịch.
Trước khi coi một chuyển động như một sự cố hoạt động, hãy kiểm tra khi nào 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 ngay lập tức. 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 chủ sở hữu và phản hồi rõ ràng. Nếu không ai biết phải làm gì với một cảnh báo, việc thêm nhiều cảnh báo hơn sẽ có thể khiến đội ngũ chú ý ít hơn. Các phân tích AI hữu ích cho các công ty môi giới nên giảm bớt công việc quyết định những thay đổi nào xứng đáng được xem xét kỹ lưỡng.
Nơi Đánh Giá Con Người Phải Được Giữ Lại
Đối với mô hình hoạt động 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 thay đổi ngân sách quan trọng.
Đánh giá cần phải thực tế. Người đánh giá nên xem các hồ sơ nguồn, hiểu được khuyến nghị và có quyền từ chối nó. Nếu họ chỉ thấy một điểm số độ tin cậy và một nút phê duyệt, họ sẽ có rất ít cơ sở để đưa ra quyết định.
Khuôn khổ Quản lý Rủi ro AI tự nguyện của NIST đề xuất các 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 về AI trong dịch vụ tài chính của FCA giải thích cách mà các khuôn khổ trách nhiệm và kết quả cho khách hàng hiện có áp dụng. Các yêu cầu ở nơi khác phụ thuộc vào thực thể, hoạt động và thị trường.
Quyền truy cập quan trọng như sự phê duyệt. Một nhà phân tích điều tra chuyển đổi có thể chỉ cần các bản ghi tổng hợp. Một trợ lý hỗ trợ có thể cần các sự kiện tài khoản được chọn, nhưng không cần tất cả các tài liệu danh tính. Kiểm tra quyền truy cập dữ liệu, thời gian lưu giữ và nơi thông tin được xử lý trước khi kết nối các bản ghi 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 bản ghi mâu thuẫn. Bạn muốn xem hệ thống xử lý sự không chắc chắn như thế nào trước khi nhân viên dựa vào nó trong một ngày bận rộn.
AI prepares the case. People decide.
A recommendation reaches a reviewer with the evidence behind it, not permission to act on its own.
Prepares a recommendation
Organizes the records relevant to the task and points out what is still unknown.
Owns the decision
Checks the source, applies policy, and has the authority to say no.
An investigation may need aggregated results or selected account events, not every identity document or a full client history.
Cách Giới Thiệu AI Vào Hoạt Động Môi Giới
Tôi sẽ bắt đầu với một nhiệm vụ lặp đi lặp lại mà 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 bản 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 đội ngũ xử lý nó hôm nay. Sau đó, kiểm tra các trường hợp lịch sử mà kết quả đã biết. Giữ cuộc điều tra cuối cùng ra khỏi đầu vào, và kiểm tra xem trợ lý có tìm thấy bằng chứng liên quan, đưa ra thông tin sai lệch, hay tự tin lấp đầy các khoảng trống hay 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 chỉnh sửa mà họ thực hiện. Điều này cho thấy liệu công cụ có hoạt động ngoài một buổi trình diễn chuẩn bị hay không.
| Công việc Thí điểm | Bằng chứng cho thấy điều đó có ích | Kết quả cần chú ý |
|---|---|---|
| Giải thích sự thay đổi số liệu | Thời gian ít hơn để đạt được một lời giải thích đã được xác minh; các tổng số phù hợp với báo cáo. | Các câu trả lời thuyết phục nêu tên nguyên nhân mà không có bằng chứng. |
| Chuẩn bị phản hồi hỗ trợ | Thời gian chuẩn bị ngắn hơn với các câu trả lời chính xác và ít liên hệ lại hơn. | Các sửa đổi thực tế thường xuyên hoặc lời hứa mà nhân viên không thể thực hiện. |
| Đề xuất một thông điệp dịch vụ | Nhiều khách hàng đủ điều kiện hơn giải quyết vấn đề cụ thể, mà không có khiếu nại tồi tệ hơn hoặc kết quả từ chối. | Nhiều lượt nhấp nhưng thông điệp lỗi thời hoặc gây nhầm lẫn nhiều hơn. |
| Đánh dấu hoạt động thanh toán bất thường | Các sự cố đã được xác minh đến đúng đội ngũ sớm hơn. | Các cảnh báo lặp lại từ dữ liệu cũ hoặc mẫu rất nhỏ. |
Bao gồm thời gian đánh giá, công việc tích hợp và chi phí hoạt động 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.
Để thực hiện một bài kiểm tra truyền thông, so sánh các khách hàng đủ điều kiện tương tự trong cùng một khoảng thời gian, sử dụng một nhóm giữ lại khi thích hợp. Giữ các thông báo dịch vụ bắt buộc bên ngoài các thí nghiệm có thể giữ lại chúng. Thiết lập một quy tắc dừng cho các tin nhắn sai hoặc kết quả của khách hàng xấu đi.
Mở rộng sau khi những người sử dụng hệ thống có thể giải thích nơi nó giúp đỡ và nơi nó vẫn cần được sửa chữa. Một công ty môi giới với 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.
