FacebookTwitterLinkedIn

Come AI e Machine Learning trasformano i pagamenti digitali

Annalisa Casali

Il settore del banking e del payment stanno vivendo un momento di trasformazione profonda. La concorrenza Fintech ha rivoluzionato il rapporto con i clienti dei servizi finanziari promuovendo l’uso diffuso delle tecnologie digitali. Una tendenza rafforzata dall’entrata in vigore della PSD2, a gennaio 2018 e dalla sua attuazione del 14 settembre. La Direttiva europea promuove il concetto di Open Banking e obbliga gli istituti di credito ad aprire i propri sistemi informativi all’esterno, condividendo i dati di pagamento con gli altri attori dell’ecosistema dei servizi finanziari, fermo restando l’autorizzazione dei clienti. Alla maggior concorrenza che si profila inevitabilmente all’orizzonte, le banche possono reagire enfatizzando e migliorando la relazione con i clienti, offrendo servizi di finanziamento e pagamento più in linea con le loro reali esigenze, lavorando nell’orizzonte della massima personalizzazione. Un obiettivo ambizioso sostenuto, però, dalla disponibilità di piattaforme e servizi di Artificial Intelligence e Machine Learning che sono chiamate a svolgere un ruolo sempre più strategico  

Gli ambiti di applicazione dell’AI nei pagamenti 

L’Intelligenza Artificiale trova ampio spazio nei servizi finanziari: IDC, nella sua “Spending Guide 2018”, stima che le società che operano in questo comparto arriveranno a investire globalmente ben 11 miliardi di dollari in AI nel 2020, molto più di qualsiasi altra industria monitorata.  

I sistemi intelligenti governano ormai tutte le attività di backend nei pagamenti e sono fondamentali per garantire la sicurezza e la non ripudiabilità delle transazioni. Inoltre, alimentano i nuovi modelli di monetizzazione dei dati che sfruttano la conoscenza profonda delle abitudini di pagamento. Ma quali sono i principali ambiti di applicazione di AI e ML nel settore dei pagamenti?  

Sei risposte innovative dall’AI a sei temi chiave nei digital payment  

  1. Fraud detection (individuazione delle frodi)
    Nel caso di transazioni con carte di credito, i sistemi basati sull’Artificial Intelligence sono in grado di verificare in tempo reale se una carta è già stata utilizzata in passato per condurre attività fraudolente. Sarà possibile anche operare in ottica preventiva, identificando la tipologia di transazioni che più di altre sono soggette a frodi e che potranno così essere oggetto di un monitoraggio specifico 
  2. Validazione biometrica sicura dei pagamenti mobile 
    Le App di riconoscimento facciale, nate per proteggere l’accesso ai dati contenuti nello smartphone, possono essere usate anche per convalidare e autorizzare il pagamento degli acquisti attraverso la biometria. In questo modo, è possibile raggiungere un miglior equilibrio tra le esigenze di facilità d’uso e sicurezza dei pagamenti, migliorando la customer experience dei clienti dei servizi di pagamento.  
  3. Riduzione delle transazioni negate
    Una transazione ingiustamente rifiutata può influire negativamente sull’esperienza d’acquisto. Attraverso l’analisi regressiva multifattoriale, è possibile avere una vista sui diversi elementi che legittimano la transazione e ridurre sensibilmente il problema delle transazioni negate. 
  4. Data Monetization 
    I dati sulle transazioni alimentano gli algoritmi di Machine Learning, che sono in grado di distinguere i consumatori abituali da quelli occasionali per ogni, singola, categoria di prodotti o servizi. Si possono, quindi, creare nuove opportunità di vendita per i merchant online, attraverso le strategie di cross selling (prodotti o servizi complementari) e upselling (versioni più complete, prodotti e servizi di maggior qualità).  
  5. Assistenza clienti
    Chatbot e bot si diffondono nell’industria dei pagamenti per assistere il cliente in modo più efficiente e migliorare la customer experience. Gli sviluppi nel Natural Language Processing (NLP), una branca dell’Artificial Intelligence che si fonda sull’autoapprendimento, permettono già oggi di elaborare e comprendere il significato reale della lingua parlata offrendo risposte pertinenti a gran parte delle richieste del contact center, senza alcun intervento umano. 
  6. Smart onboarding
    L’AI aiuta le aziende che gestiscono i circuiti di pagamento a fare l’onboarding dei merchant online creando uno standard che si adegua costantemente e in tempo reale a ogni tentativo di frode o addebito. Questo non solo permette di creare un ecosistema di pagamenti più sicuro, ma aiuta anche le società di pagamenti a proteggersi meglio dalle perdite dovute all’operato di merchant e siti web fraudolenti. 

L’AI nei pagamenti per migliorare il Know-Your-Customer 

L’Artificial Intelligence sta già contribuendo a migliorare la customer experience nei servizi di pagamento, rendendo più fluido quello che è considerato l’ultimo miglio del processo d’acquisto attraverso un miglior equilibrio tra facilità d’uso e sicurezza. I pagamenti mobile, il checkout cashless e i sistemi di pagamento wearable sono servizi di valore che possono essere erogati e utilizzati solo tramite un’apposita procedura di sottoscrizione che Machine Learning e AI permettono di gestire in modo più efficace. In futuro, poi, sarà il Deep Learning ad abilitare quei modelli di marketing predittivo che permetteranno di potenziare le sinergie tra universo dei pagamenti, eCommerce e retail, attraverso gli approcci di Open Banking che saranno favoriti dalla diffusione delle logiche della PSD2.  

L’Intelligenza Artificiale di “Alfredo” al servizio dei clienti CREVAL 

Con un progetto che rientra all’interno di un piano strategico di trasformazione denominato “Retail Bank of the future” il Credito Valtellinese o meglio La Banca Credito Valtellinese (CREVAL) ha scelto di disporre di un supporto speciale che risponde amichevolmente al nome di Alfredo e che è a tutti gli effetti un consulente virtuale e un nuovo collega per i dipendenti. L’obiettivo di questa operazione, che è partita nel gennaio del 2018 e che sta mettendo a valore un sempre più profondo bagaglio di conoscenze, è quello di gestire in modo sempre più veloce e puntuale le richieste di supporto con una doppia possibilità: in forma autonoma e in collaborazione con gli operatori che seguono il service desk della banca. Di fatto, per queste figure, Alfredo è un nuovo collega che aiuta nella comprensione delle esigenze delle richieste dei clienti e che oltre a rispondere alle domande più frequenti permette di classificare i temi e le necessità più frequenti.  Operativamente, sulla base di regole definite Alfredo “valuta” quando è necessario l’intervento del “collega” umano e aumenta costantemente la sua capacità di comprensione delle richieste che arrivano dai clienti. Grazie a questa soluzione CREVAL ha potuto dare il via a un cambiamento importante nel proprio impianto di servizi verso la clientela, aumentando innanzitutto i volumi di risposta grazie anche a uno spostamento delle risorse umane su attività a più alto valore in termini di competenze e di relazione con il cliente.  Alfredo non è dunque solo un chatbot, ma molto di più, lo si può considerare a tutti gli effetti un consulente powered by Watson” nato in collaborazione con IBM, che si è perfettamente integrato nella filiera di produzione della conoscenza di Creval.  

Suggeriamo di proseguire l’approfondimento di questi temi con la lettura di

Analisi, approfondimenti, studi e tools per data scientist, IT Manager e Lob

 

Immagine fornita da Shutterstock

FacebookTwitterLinkedIn
FacebookTwitterLinkedIn

Questo sito utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all’uso dei cookie. Leggi la nostra Cookie Policy per esteso

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi