Warum das Sparen bei der Sprach-KI-Technologie Banken Milliarden kosten könnte

Seit Jahren fließen Milliarden an Risikokapital in Fintech-Banken wie Chime und N26, in der Wette, dass solche Neulinge den Löwenanteil von geschätzten 469 Billionen US-Dollar an Vermögenswerten, die weltweit von anderen Finanzinstituten und Privatkundenbanken gehalten werden, entreißen können.

Die Banken haben sich durch die Pandemie behauptet und Rekordgewinne für 2021 bei niedrigen Ausbuchungsraten, steigenden Kundeneinlagen und florierenden Anlagemöglichkeiten gemeldet. Doch eine neue Umfrage unter 142 Führungskräften im Bankwesen auf der ganzen Welt, die von Capgemini und Qorus für den World Retail Banking Report 2022 durchgeführt wurde, ergab, dass 70 % von ihnen glauben, dass ihnen grundlegende Datenanalysen und KI-Fähigkeiten fehlen, um langfristig wettbewerbsfähig zu sein.

Was ist die größte Sorge? Kundenerfahrung. Die Technologie, die dezentralisierte Finanzen ermöglicht – wo Verbraucher wann und wo sie wollen – Bankgeschäfte tätigt – wird jetzt durch ein ausgeklügelteres, KI-gesteuertes Bankerlebnis ergänzt. Mobile Apps ermöglichen mehr als nur die Bezahlung von Rechnungen, da KI-gestützte virtuelle Assistenten Kunden vor potenziellen betrügerischen Aktivitäten warnen oder Geld per Sprachbefehl überweisen.

Während Fintechs und Technologieunternehmen wie Apple und Google schnelle, benutzerfreundliche Systeme für Kundeninteraktionen entwickeln, haben etablierte Banken veraltete Altsysteme, die es schwieriger machen, die Berge von persönlichen, finanziellen und sogar sozialen Daten zu nutzen, die sie angehäuft haben für jeden Kunden.

Darüber hinaus fehlt vielen die grundlegende Sprachassistententechnologie, die Verbraucher in Scharen annehmen. Etwa 50 % der 8,000 im oben erwähnten Capgemini-Bericht befragten Bankkunden nannten Sprachassistenten als eine Funktion, die sie am meisten sehen möchten, aber nur 35 % der Bankleiter sahen sie als Priorität an.

Kontextbewusste Sprach-KI

Und selbst für diejenigen, die automatische Spracherkennung, Text-to-Speech und Verarbeitung natürlicher Sprache einsetzen, ist die Wahl der richtigen Technologie der Schlüssel zu allem, was auf dem Weg zu einer kontinuierlichen und wachsenden Kundenbindung folgt.

KI hilft Callcenter-Mitarbeitern dabei, bessere Antworten und Lösungen zu geben, indem sie in den Anfangsphasen eines Anrufs virtuelle Assistenten und Chatbots einsetzen, um das Problem zu verstehen und sogar vollständig zu lösen. Das in Großbritannien ansässige Unternehmen NatWest berichtete kürzlich, dass Cora – der auf Konversations-KI basierende virtuelle Assistent der Bank – Jahr für Jahr 58 % mehr Anfragen bearbeitet und 40 % dieser Interaktionen ohne menschliches Eingreifen abschließt.

Dem Geld folgen

Laut einer aktuellen Studie von Juniper Research führt die digitale Lösung von Kundenanfragen zu erheblichen Kosteneinsparungen für Banken, die bis 7.3 durch den Einsatz virtueller Assistenten voraussichtlich 2023 Milliarden US-Dollar einsparen werden.

Banken, die sich ausschließlich auf diese Kosteneinsparungen konzentrieren, versuchen in der Regel, mit Sprach-KI-Software auszukommen, die etwa 80 % der von einem Kunden gesprochenen Wörter erkennt. Der Grund: Sie verfügen nicht über die Entwicklerressourcen, um die Chatbot-Software so anzupassen, dass sie branchenweit einzigartige Wörter oder Sätze versteht.

Die Anwendung dieser Taktik geht jedoch auf den Kern davon ein, ob ein Kunde jede Interaktion als hilfreich oder nicht hilfreich betrachtet. Im Wettbewerb mit Fintechs müssen automatisierte Spracherkennung und Text-to-Speech-Technologie branchen- und sogar unternehmensspezifisch sein.

Das Innovationsspiel

Um Sprache richtig zu machen, beginnt es mit der automatischen Spracherkennung. Ohne eine Genauigkeit von über 85 % werden die nachgelagerten Dienste, die Sprach-KI als Grundlage verwenden, nicht die erwarteten Geschäftsergebnisse vorantreiben oder die erwartete Wirkung erzielen.

Einige davon umfassen Stimmungsanalysen, Hyperpersonalisierung und sogar die Aufbewahrung von behördlichen Aufzeichnungen. Durch die Arbeit mit Spracherkennungssoftware, die bereits über Tausende von vortrainierten Modellen verfügt, können Banken schnell skalieren, indem sie einfach die Weiterbildung auf ihre spezifischen Bedürfnisse zuschneiden. Dann können sie überall dasselbe Erlebnis bieten – vor Ort, in der Cloud und hybrid.

Banken lernen immer noch die Besonderheiten der Plattforminnovation kennen. Ohne eine solide Grundlage in automatisierter Spracherkennung und Text-to-Speech-Technologie sind die Entwicklung und Bewerbung neuer Finanzprodukte, die Pflege von Kundenbeziehungen und Innovationen durch Partnerschaften bestenfalls wackelige Unterfangen.