Google の銀行・フィンテック向け実践的 AI プレイブック

Karen Zhangは、Googleが小規模フィンテックから大手金融機関まで、金融サービス業界全体の組織をどのようにサポートしているかを説明しています。会話を通じて共通するテーマは、AIを実用的な方法で活用することです。フロントエンドでの顧客体験を向上させ、バックエンドでの反復的な業務負荷を軽減することで、チームが真の判断を必要とする業務に集中できるようにしています。

ZhangはStarling Bankとのパートナーシップを強調し、「Spend intelligence」サービスを構築しました。簡単に言えば、Starlingの顧客がアプリ内で自然言語の質問(テキストまたは音声)をし、支出について明確な回答を得られるようにするものです。明細書やフィルターを掘り下げる代わりに、ユーザーは次のようなことを尋ねることができます:「先週、TFLと交通機関にいくら使いましたか?」または「先月、週ごとにそれは変化しましたか?」  ポイントは、支出に関する洞察を会話のように感じさせ、日常のユーザーがよりアクセスしやすくすることです。

フィンテックチームにとって、Zhangの例は製品思考の転換も示しています。自然言語インターフェースは、顧客がどこをタップすべきか、またはチャートをどう解釈すべきかを知る必要がないため、洞察へのハードルを下げます。うまく行えば、ユーザーをデータアナリストに変えることなく、予算管理、パターンの発見、行動の段階的な変化の把握をサポートします。

Zhangは次に内部の自動化に移り、GoogleがLiberisと提携してAda Lovelaceにちなんで名付けられたAdaというAI 駆動の引受エージェントを構築した2番目の例を使用しています。引受業務には大量の情報と反復可能なステップが含まれることが多く、管理負荷が大きくなる可能性があります。Googleによると、Adaは引受担当者と協力して、プロセスを支援し、オーバーヘッドを50%削減します。Zhangは、効率性と集中力の両方としてメリットを捉えています。AIがより反復的なタスクを引き受け、引受担当者はより重要な知識ベースの意思決定により多くの時間を費やします。

Googleは、これらの例が中堅フィンテック領域に位置する一方で、同じアプローチがはるかに小規模な企業にも適用できるというスケーリングメッセージで締めくくります。考え方は、適切なAIサポートがあれば、Zhangが言うように、チームが強力なサービスを提供するために「100人の引受担当者」のような膨大な人員を必要としないということです。コストと顧客体験のバランスを取ろうとする銀行やフィンテックにとって、Googleのポイントは明確です。顧客の摩擦を取り除き、内部の反復作業を削減するためにAIを使用し、重要な部分では人間の判断を維持することです。