Bagaimana AI Dapat Meningkatkan Keterbacaan Tagihan dan Laporan

In
Tagihan dan Laporan Sulit Diuraikan, kami mencatat bahwa sangat sulit untuk membaca tagihan dan laporan dari bank, perusahaan e-niaga, pengecer, dan industri lainnya. Kami mengambil dua contoh dan mendalaminya untuk memahami sepenuhnya masalah ketidakmampuan memahami ini:

1. RUU E-niaga
2. Pernyataan Bank

Dalam postingan ini, kami akan memeriksa akar penyebab masalah ini dan mengusulkan beberapa solusi.

----

Ada beberapa karakteristik tagihan dan pernyataan – lebih tepatnya, sistem yang menghasilkannya.

Sistem pencatatan mempunyai keterbatasan 

Dulu, sistem email hanya mendukung delapan karakter untuk ID (yaitu nama yang muncul sebelum simbol @ di alamat email). Akibatnya, orang harus memotong nama depan dan nama belakangnya agar sesuai dengan ID. Jadi, ada alamat email seperti ravindrn@microsoft.com (sepupu saya, yang merupakan salah satu dari 2000 karyawan pertama Microsoft) dan anilgods@ibm.com (pelanggan saya, yang merupakan veteran IBM). (Kedua email diubah untuk melindungi identitas.)

Demikian pula, bahkan saat ini, banyak sistem pencatatan memiliki batasan panjang karakter untuk berbagai bidang, misalnya deskripsi SKU dalam entri pesanan dan sistem inventaris. Saya menduga kendala ini menyebabkan buruknya keterbacaan tagihan e-niaga pada contoh pertama.

Sistem penagihan berada di hilir

Tagihan dan pernyataan tidak dibuat dari awal. Sebaliknya, data-data tersebut dikumpulkan dari data yang diambil dari sistem sekitar di lanskap TI bank, pengecer, dan perusahaan di industri lain. Jadi mereka tunduk pada pepatah lama ilmu komputer: GIGO – Sampah Masuk, Sampah Keluar. Meskipun mendesain ulang tagihan dan laporan dapat meningkatkan tampilan dan nuansanya, hal ini tidak dapat menyelesaikan masalah keterbacaan mendasar yang disebabkan oleh teks samar/hilang/kacau yang diterima dari sistem hulu.

Sistem surround mencakup banyak perusahaan

Masalah ini menjadi lebih buruk ketika “sistem surround” tersebut melintasi banyak perusahaan, seperti yang terjadi pada laporan bank. Banyaknya sistem yang mencakup perbankan inti, perbankan digital, saluran, penyedia layanan pembayaran, dan operator skema, menyebabkan tantangan keterbacaan tambahan sebagai berikut:

1. Pesan rahasia dimasukkan oleh pengguna akhir dalam bidang teks bentuk bebas misalnya bidang memo di mana pembayar memasukkan tujuan pembayaran. (Di Australia, beberapa pelanggan rutin menggunakan kolom ini untuk mengirim
   
   pesan kasar untuk mantan pasangan!)
2. Kebocoran, keterbatasan, dan kekacauan data oleh sistem hulu.
3. Terputusnya koneksi disebabkan oleh beberapa protokol yang digunakan untuk pengiriman pesan antar sistem yang berbeda, misalnya ISO 8587, SWIFT MT, ISO 20022. Setiap protokol memiliki atributnya sendiri dalam hal panjang bidang, dukungan karakter khusus, dan sebagainya. Akibatnya, narasi yang dimasukkan oleh pembayar ke dalam sistem banknya belum tentu merupakan narasi yang dilihat oleh penerima pembayaran di laporan rekening banknya. Saya menduga hal ini mengakibatkan laporan bank pada contoh kedua tidak dapat dibaca.
4. Sama seperti di atas untuk produk berbeda misalnya ISO 8587 untuk ATM, SWIFT MT untuk Pembayaran Lintas Batas, ISO 20022 untuk Menunggu Godot. Akibatnya, narasi yang dilihat oleh penerima pembayaran berbeda-beda berdasarkan metode pembayaran, misalnya narasi NEFT berbeda dengan narasi IMPS meskipun pembayar telah menggunakan narasi yang sama dari pihaknya saat memulai kedua MOP, seperti yang disorot dalam
   
   Peningkatan Data Pengiriman Uang Dapat Melipatgandakan Volume Transfer Dana Elektronik.
5. Ketidakcukupan data karena pembatasan yang diberlakukan oleh undang-undang privasi data pada jenis data yang dapat diserahkan oleh satu sistem ke sistem lainnya. Hal ini terutama berlaku dalam industri yang diatur seperti layanan kesehatan, misalnya EHR akan menampilkan riwayat kasus lengkap kepada setiap dokter yang merawat, namun riwayat kasus terbatas pada apotek.

Karena kekhasan ini, entri dalam tagihan dan laporan dibentuk oleh kualitas dan kuantitas data dalam sistem sumber.

Hal ini membuat hampir tidak mungkin bagi perusahaan e-niaga, bank, dan pihak lain untuk memastikan sendiri pengalaman keterbacaan keseluruhan tagihan/laporan. (Untuk alasan yang kurang lebih sama, rekonsiliasi bank tidak sesederhana yang diyakini secara umum.)

----

Sangat menggoda untuk percaya bahwa pengecer, bank, PSP, vendor teknologi, dan operator skema dapat duduk bersama dan merancang ulang sistem mereka sedemikian rupa sehingga permasalahan yang disebutkan di atas dapat diatasi pada sumbernya.

Namun para pelaku industri tahu bahwa keyakinan ini mirip dengan harapan mantan Wakil Presiden Amerika Serikat, Dan Quayle, pada puncak konflik Arab-Israel beberapa dekade lalu:

Mengapa orang Yahudi dan Arab tidak bisa duduk bersama dan menyelesaikan perbedaan mereka seperti orang Kristen yang Jujur?

Hal ini karena program desain ulang seperti itu akan menghabiskan banyak uang dan gagal memberikan keuntungan yang proporsional.

Pengecer yang didukung VC tidak berada dalam tekanan untuk mendapatkan keuntungan dan mungkin akan melakukan program semacam itu.

Namun, bank – yang mendanai VC – berada di bawah tekanan berat untuk membukukan keuntungan triwulanan dan umumnya tidak menghabiskan terlalu banyak tenaga otak atau uang hanya untuk mencegah nasabahnya menggaruk-garuk kepala. Meskipun, dari waktu ke waktu, mereka hanya sekedar basa-basi untuk membuat hidup pelanggan mereka mudah melalui inisiatif yang sepertinya tidak pernah terlihat, misalnya ISO 20022, Enhanced Remittance Data di Inggris.

Gambar A: Layanan Pelanggan tidak berperan dalam profitabilitas bank. https://t.co/PCsIEs1vet

— Ketharaman Swaminathan (@s_ketharaman) Oktober 15, 2022

----

Kapan pun ada masalah yang sudah ada, para startup siap terjun untuk menyelesaikannya dan dengan demikian memberi isyarat untuk mengganggu para petahana.

Keterbacaan tagihan dan pernyataan tidak terkecuali.

Mereka didorong oleh VC dalam upaya ini.

@rajeshsawhney: Bank tidak berinovasi. Sedikit pemikiran dan desain ulang laporan bank yang sederhana dapat menambah banyak nilai dan kesenangan.

Namun, seperti yang kita lihat di atas, ketidakterbacaan bukanlah masalah yang mudah untuk dipecahkan.

Hanya ketika startup membangun sistem dan mencoba mengintegrasikannya dengan sistem inti barulah mereka menyadari betapa mereka telah meremehkan besarnya masalah keterbacaan.

Salah satu dari dua hal berikut terjadi sejak saat itu.

Likuiditas tinggi, startup mendapat dana yang cukup untuk menyelesaikan masalah. Bukti A: PayPal.

@gtm360: Ketidaktahuan mungkin merupakan suatu kebajikan bagi startup di banyak industri yang diatur. Seperti yang pernah dikatakan Reid Hoffman, “seandainya kami mengetahui aturan penipuan kartu kredit, kami tidak akan mendirikan PayPal”.

Likuiditas rendah, pendanaan mengering sebelum mereka menyelesaikan masalah, VC berpindah ke industri lain, dan startup-startup ini bangkrut. Gambar A: Startup manajer keuangan pribadi (PFM) yang mencoba mengklasifikasikan jenis pengeluaran ke dalam berbagai kategori berdasarkan entri dalam laporan bank. Namun upaya tersebut digagalkan oleh rendahnya keterbacaan laporan dari bank, dana, pialang, dan lembaga keuangan lainnya. Karena fitur mematikan ini, mereka gagal menjadi mainstream.

----

Tapi semua tidak hilang.

Ada genre baru startup ETL yang menjanjikan penggunaan teknik AI/ML tingkat lanjut untuk meningkatkan kualitas data yang diserap oleh sistem hilir, misalnya
File Datar dan
Skema Satu.

AI/ML sangat spesifik untuk domain. Jika alat ETL ini berfungsi pada sistem pencatatan di perbankan, e-niaga, dan industri lainnya, alat-alat tersebut pada akhirnya mungkin dapat memecahkan masalah ketidakterbacaan dan meningkatkan keterbacaan tagihan dan laporan keuangan.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://www.finextra.com/blogposting/25504/how-ai-can-take-readability-of-bills-and-statements-to-the-next-level?utm_medium=rssfinextra&utm_source=finextrablogs