Adaptace jako konkurenční výhoda
Banky reagují s různou intenzitou, ale jedno mají společné: důraz na stále širší využití automatizace a umělé inteligence uvnitř i navenek. AI se typicky využívá pro stále dostupnou interakci se zákazníkem banky, k automatizaci a urychlení opakujících se interních provozních činností, k vylepšení rozhodovacího procesu bank za pomoci analytických modelů a rychlejšího přístupu k existujícím znalostem (např. sémantické vyhledávání dokumentů).
Při vývoji aplikací umělé inteligence odolejte kutilské touze
Ačkoli banky disponují velkými týmy vývojářů, není v jejich silách ani v zájmu pokrýt všechny AI projekty interně. Proto spoléhají i na služby dodavatelů a nástroje třetích stran, které umožňují rychlý vývoj, využívají zkušenosti z podobných projektů, poskytují funkcionalitu, již by bylo třeba nákladně vytvářet (např. obecné jazykové modely v hlasových asistentech).
Na trhu je výběr z celé škály AI služeb, které jsou vhodné pro vývoj rychlých PoC řešení i pro následné produkční nasazení AI řešení o potřebné kapacitě. Jsou poskytované jak cloudově (pro rychlou integraci a uvedení do provozu), tak on-premise (pro AI aplikace pracující s citlivými bankovními daty).
Rizika AI: Is it safe?
S AI přicházejí také obvyklá rizika: posílení stereotypů, adversarial attacks, dostupnost služby (personální, technická a reputační). Dále je tu riziko brandové uniformity – kvůli omezenému množství umělých hlasů a malému počtu tvůrců většina řešení hlasového asistenta zní jako Vlasta nebo Antonín (dva nejoblíbenější hlasy na českém trhu). Tento problém eliminuje řešení společnosti MAMA AI v podobě tvorby umělého hlasu na míru. Umožňuje z několika hodin nahrávek libovolného hlasu (třeba herce, s nímž spolupracujete například v reklamách) vytvořit k nerozeznání podobný „umělý“ hlas, který můžete využívat pro své řešení.
Sáhněte po osvědčených nástrojích
V oblasti systems of engagement určitě stojí za zmínku portfolia pro tvorbu hlasových a textových asistentů (IBM Watson Assistant, Google Dialog Flow či TELMA.ai), rozpoznávání řeči (Google Cloud Speech-to-Text či Microsoft Azure Speech-to-Text), syntézu řeči (Microsoft Azure Text-to-Speech či MAMA AI mVoice) či vyhledávání informací (MAMA AI mSearch či IBM Watson Discovery). Pro časté scénáře existují předpřipravené konverzační aplikace, v žádném případě ale nejde o one-size-fits-all řešení. Zatímco v jednom případě může být prioritou optimalizace efektivity zákaznické linky, jindy může být cílem přitažlivost banky pro mladší a techničtější zákazníky.
K úspěšnému nasazení metod AI je třeba za pomoci skvělých technických dovedností vytvářet řešení, které důsledně cílí na konečného uživatele. A optimálně využívá co nejširší škálu dostupných dat, jež přinášejí hodnotu pro funkčnost, jsou průběžně aktualizována s vyvíjejícími se potřebami uživatelů. Umělou inteligenci je třeba brát jako nástroj pro realizaci užitečných a dříve obtížně dosažitelných řešení, nikoli jako cíl sám o sobě.
Autory článku jsou Jan Macek a Martin Čmejrek, spoluzakladatelé společnosti MAMA AI
