Chuyển đổi để đáp ứng nhu cầu kỹ thuật số
Ba năm trước, David Johnston, (hiện là Giám đốc Xuất sắc về Quy trình và Tự động hóa Thông minh), người giám sát việc cải tiến quy trình tại Heritage và nhóm của ông nhận ra rằng họ phải hiện đại hóa hoạt động của mình để duy trì tính cạnh tranh — một quy trình nói thì dễ hơn làm trong thế giới được quản lý chặt chẽ. của tài chính.
Johnston giải thích: “Heritage đang chuyển đổi từ một ngân hàng vật lý với sự hiện diện kỹ thuật số sang một ngân hàng kỹ thuật số với sự hiện diện vật lý. “Chúng tôi vẫn đang phát triển mạng lưới chi nhánh và coi đó là một phần quan trọng trong hoạt động kinh doanh của mình. Nhưng chúng tôi cũng đang phát triển kỹ thuật số để có thể tương tác với khách hàng mọi lúc mọi nơi ”.
Giống như tất cả các công ty, Heritage đã trải qua một số khó khăn ngày càng tăng.
Các công ty đang phát triển cần phải mở rộng quy mô trên một số lĩnh vực khác nhau, ”Johnston nói. “Ví dụ, bạn phải tính đến tăng trưởng thành viên cũng như tăng trưởng thanh toán có thể tạo ra các vấn đề vận hành. Chúng tôi phát hiện ra rằng chúng tôi cần phải số hóa hoặc xây dựng khả năng mở rộng cho các quy trình back office và middle office của mình và cung cấp hiệu quả cho nhân viên dịch vụ khách hàng của chúng tôi để họ có thể đối phó với quy mô ngày càng tăng của cơ sở thành viên của chúng tôi.
Johnston đã đề cập đến hai vấn đề quan trọng ở đây - trải nghiệm khách hàng (CX) và trải nghiệm nhân viên (EX) - trong đó là những ưu tiên chính của hầu hết các công ty.
Những sáng kiến này liên quan đến việc tối ưu hóa các quy trình nội bộ để thu hút và giữ chân khách hàng cũng như nhân viên và cả hai đều cực kỳ quan trọng trong ngành tài chính siêu cạnh tranh. Sau tất cả, khách hàng mong đợi trải nghiệm liền mạch trên tất cả các điểm tiếp xúc. Đồng thời, nhân viên muốn làm việc cho những nhà tuyển dụng đi đầu trong lĩnh vực công nghệ.
Theo tiêu chuẩn ngày nay, tự động hóa, trí tuệ nhân tạo và máy học đang đi đầu trong sự đổi mới và tiến bộ khoa học. Tuy nhiên, trong khi nhu cầu về tự động hóa và trí thông minh đang tăng cao, nhiều doanh nghiệp đang vật lộn để triển khai chúng vào quy trình làm việc của họ - điều mà Heritage gặp phải khi họ bắt đầu nghiên cứu về tự động hóa.
Để hợp lý hóa việc triển khai và phát triển tự động hóa, Heritage đã được một nhà tư vấn tiếp cận về một giải pháp mới gọi là tự động hóa xử lý bằng robot (RPA), liên quan đến việc sử dụng phần mềm để tự động hóa các nhiệm vụ trong quy trình kinh doanh có thể lặp lại như khám phá các mẫu, sắp xếp thông qua dữ liệu và quản lý quan hệ khách hàng (CRM ) cơ sở dữ liệu với thông tin liên quan để thúc đẩy doanh số bán hàng.
Johnston thừa nhận rằng ban đầu ông đã hoài nghi. Nhưng khi anh ấy nhìn thấy sức mạnh thực sự của những gì RPA có thể cung cấp cho một tổ chức, anh ấy đã bị thuyết phục bởi công nghệ này.
Kể từ khi bắt đầu với UiPath vào năm 2017, Heritage đã tự động hóa thành công khoảng 80 quy trình tiếp xúc với khách hàng, văn phòng hỗ trợ và văn phòng trung gian. Các quy trình này trải rộng trên các hoạt động, thanh toán, tội phạm tài chính và dịch vụ trung tâm liên lạc, trong số các lĩnh vực khác.
Johnston hiện có một nhóm nhỏ các nhà phát triển RPA toàn thời gian làm việc tại Trung tâm RPA xuất sắc (CoE) tập trung của công ty với một số BA giỏi nhất trên toàn ngân hàng. Cùng nhau, họ đang đào tạo bot để tìm hiểu các quy trình kinh doanh — và sau đó tự động hóa chúng.
Johnston giải thích: “Những bot này đang nhập thông tin vào hệ thống ngân hàng lõi xung quanh các cảnh báo gian lận. “Họ đang đưa các ghi chú vào hệ thống quản lý quan hệ khách hàng của chúng tôi về các khoản thanh toán hoặc chuyển khoản được xử lý bằng các địa chỉ đã thay đổi và nhiều thứ khác. Robot của chúng tôi thậm chí còn đăng về các chương trình khuyến mãi, ngày kỷ niệm và sinh nhật trên mạng nội bộ của công ty chúng tôi. "
Vì vậy, trên thực tế, mọi người ở Heritage đều biết tất cả các robot và thấy chúng làm mọi việc. Sẽ không có một người nào ở Heritage trải qua cuộc đời của họ mà không được RPA chạm vào.
Tuy nhiên, chỉ gần đây, Heritage mới kết hợp AI vào quy trình làm việc của họ.
Dưới đây là bảng phân tích về cách Heritage xác định trường hợp sử dụng AI đầu tiên của họ.
- Báo cáo Tội phạm Tài chính
Hành trình đến với AI của Heritage bắt đầu với một trường hợp sử dụng RPA.
Nhóm tội phạm tài chính của Heritage thỉnh thoảng làm việc với cơ quan thực thi pháp luật để tạo hồ sơ giao dịch và dữ liệu khác — một quy trình có thể rất tốn thời gian khi phải lấy dữ liệu theo cách thủ công từ hệ thống ngân hàng lõi, hệ thống CRM và các ứng dụng khác.
Sử dụng UiPath, Heritage có thể tạo ra một bot có thể hiểu các hướng dẫn đầu vào (ví dụ như thời gian, ngày tháng, vị trí và loại giao dịch) và lấy dữ liệu từ nhiều hệ thống để biên dịch các báo cáo của cảnh sát — tiết kiệm vô số giờ lao động tẻ nhạt.
Johnston nói: “Trường hợp sử dụng tội phạm tài chính rất thành công. "Những yêu cầu này xuất hiện không thường xuyên và được xử lý bởi các bot và quá trình này rất có thể mở rộng."
Ngay sau dự án này, nhóm đã nhận được một yêu cầu khác để cải thiện việc quản lý báo cáo chi phí sinh hoạt đối với các khoản vay. Vì vậy, họ đã cố gắng nhân rộng việc triển khai tội phạm tài chính của họ.
- Báo cáo chi phí sinh hoạt
Các tổ chức tài chính đang phải đối mặt với áp lực ngày càng tăng từ các cơ quan quản lý để thực hiện tốt hơn công việc điều tra chi phí sinh hoạt khi thẩm định các khoản vay. Giống như trường hợp sử dụng trước đây của họ, quá trình này liên quan đến việc lấy dữ liệu theo cách thủ công từ nhiều nguồn.
Một lần nữa, nhóm của Johnston cần tìm cách sàng lọc khối lượng lớn dữ liệu từ các khu vực khác nhau, xác định vị trí các loại giao dịch cụ thể và nhanh chóng phân loại chúng. Vì vậy, nhóm đã xây dựng các quy tắc tự động có thể chọn từ khóa và phân loại các giao dịch cụ thể. Vào thời điểm đó, hệ thống này có khả năng phân loại khoảng 40 đến 50% các giao dịch - có nghĩa là vẫn còn một lượng lớn công việc thủ công liên quan.
Tại thời điểm này, nhóm Heritage phải đối mặt với một thử thách máy học thực sự. Nhóm cần tìm cách phân loại các giao dịch trên quy mô lớn hơn nhiều so với những gì họ đã quen thuộc. Nhóm UiPath đã được yêu cầu can thiệp và tham gia để giúp xây dựng và thử nghiệm mô hình học máy tùy chỉnh. Đây là khi AI xuất hiện trong bức tranh cho Heritage, vì UiPath sử dụng nền tảng Trung tâm AI của mình.
Trung tâm AI là một công cụ cho phép các nhóm khoa học dữ liệu và RPA áp dụng AI ngay lập tức vào quy trình công việc RPA bằng cách sử dụng chức năng kéo và thả, các mô hình độc quyền và tùy chỉnh, khả năng hiển thị từ đầu đến cuối trên các bản cập nhật và phiên bản mô hình, cập nhật hiệu suất, v.v.
Đối với Heritage, kết quả thật ngoạn mục. Với sự trợ giúp của Trung tâm AI và mô hình tùy chỉnh của UiPath, Heritage đang trên đà tự động hóa khoảng 90% các giao dịch khai thác dữ liệu khi tạo báo cáo chi phí sinh hoạt.
Johnston nói: “12 tháng trước, quá trình đó đã tốn thêm một giờ nỗ lực của con người cho mỗi đơn xin vay.
Chúng tôi đang thực hiện khoảng 1.000 đơn đăng ký trực tuyến — với chưa đến một nửa trong số đó đến từ các khách hàng hiện tại. Vì vậy, 500 đơn xin vay đến được thông qua hệ thống này sẽ đòi hỏi 500 giờ lao động thủ công. Điều này đã tạo ra một sự chậm trễ đáng kể trong quá trình đăng ký khoản vay.
David Johnston • Giám đốc Xuất sắc về Quy trình và Tự động hóa Thông minh tại Ngân hàng Heritage
Giờ đây, các nhân viên tài chính có thể tự do làm việc với nhiều khoản vay hơn nhờ UiPath. Ngoài ra, quy trình đăng ký khoản vay nhanh hơn nhiều - điều này khiến CX và EX tại Heritage được cải thiện.
- Các trường hợp sử dụng AI tiềm năng khác
Johnston đã xác định các cơ hội bổ sung ngoài tội phạm tài chính và đánh giá chi phí sinh hoạt mà nhóm của ông có thể khám phá. Chúng bao gồm:
- Tự động xác minh. Việc xác nhận các tài liệu trả lại là rất tốn thời gian. AI có thể được sử dụng để phân loại tài liệu và hợp lý hóa quy trình này.
- Quản lý khách hàng. Theo Johnston, có rất nhiều cơ hội để cải thiện chất lượng dữ liệu. Ví dụ: một nhà cung cấp có thể được lợi bằng cách xác định các kiểu di chuyển của khách hàng và xác định xem ai đã chuyển đi và tại sao.
- Dịch vụ khách hàng. Các công ty có thể sử dụng AI để tạo ra các ưu đãi tốt nhất tiếp theo, trao quyền cho các đại lý hoạt động hiệu quả hơn trong các cuộc gọi. Bằng cách sử dụng Trung tâm AI, có thể lấy mô hình, thu thập dữ liệu và nhanh chóng quay lại đại lý trung tâm liên hệ với thông tin, thông qua một bot đã tham gia trong khi đại lý đang tương tác với khách hàng.
- Những rào cản chung cần mong đợi khi tự động hóa với AI
Là một người đắm chìm trong RPA và AI, Johnston đã có thể đưa ra một số lời khuyên hiền triết cho các công ty tài chính đang xem xét tự động hóa bằng cách giải thích cách vượt qua những trở ngại.
- Tranh chấp về vốn
Thông thường, các công ty chỉ đơn giản là thiếu tiền để đầu tư vào tự động hóa và trí thông minh.
Johnston giải thích: “Một thách thức duy nhất đối với các bên là tranh chấp về vốn. “Ngược lại, cách duy nhất của chúng tôi để tăng vốn cấp một là thông qua lợi nhuận giữ lại. Điều này làm tăng nhu cầu tự động hóa theo cách hiệu quả và tiết kiệm chi phí. Cuối cùng, mỗi đô la chúng ta đầu tư vào công nghệ là số tiền mà chúng ta không thể đầu tư vào việc phát triển sổ cho vay của ngân hàng. Vì vậy, chúng tôi cần cân bằng giữa đầu tư và tăng trưởng chặt chẽ hơn so với hầu hết các tổ chức khác ”.
- Tìm kiếm tài năng hàng đầu
Các loại phân tích dữ liệu mà hầu hết các công ty tài chính đang tìm kiếm sử dụng ngày nay yêu cầu các bộ kỹ năng vượt xa những kỹ năng của các nhà phát triển bình thường. Họ yêu cầu các kỹ sư chuyên gia và nhà khoa học dữ liệu, cả hai đều khó thu hút và tốn kém để thuê và giữ chân. Do đó, hiện đang có sự thiếu hụt kỹ năng lớn trên toàn cầu về khoa học dữ liệu, tự động hóa và trí tuệ nhân tạo - khiến việc triển khai tự động hóa trên quy mô lớn trở nên khó khăn.
- Cơ cấu tổ chức
Tại hầu hết các công ty, nhóm khoa học dữ liệu và tự động hóa RPA hoạt động độc lập với nhau. Điều này gây khó khăn cho việc gắn kết mọi người lại với nhau để cộng tác trong các dự án.
Johnston nói: “Các nhóm khoa học dữ liệu và tự động hóa thường bị ngắt kết nối. “Tuy nhiên, trong tổ chức của chúng tôi, cả hai đội đó đều báo cáo với giám đốc tài chính của chúng tôi, theo một số cách thì hơi hiếm. Chúng tôi có các nhóm dữ liệu và tự động hóa làm việc trong lĩnh vực CNTT, tài chính và hoạt động. Chúng cũng có thể là một chiến lược của các chức năng khác trong doanh nghiệp. Vì vậy, đến được với nhau là một thử thách, nhưng việc đưa hai đội này lại gần nhau để giải quyết cùng một vấn đề không phải là điều mà chúng tôi phải suy nghĩ quá nhiều. Từ góc độ tự động hóa, có rất nhiều quy trình dựa trên quy tắc, tương đối đơn giản, được thực hiện sau đó sẽ khiến hầu hết các tổ chức thực sự bận rộn trong ít nhất một vài năm ”.
Thực thi mô hình ML
Trung tâm AI, với tư cách là một hệ thống cung cấp mô hình học máy, đưa các mô hình học máy vào sử dụng và giúp chiết xuất giá trị kinh doanh. Giải pháp thay thế thường rất phức tạp, đắt tiền và yêu cầu cài đặt phần mềm của bên thứ ba.
Đây là một trong những trở ngại lớn nhất mà các doanh nghiệp gặp phải khi triển khai và mở rộng quy mô AI. Các nhà khoa học dữ liệu thường dành khoảng 25 phần trăm thời gian của họ để triển khai các mô hình — thời gian có thể dành để hiểu các trường hợp sử dụng và xây dựng mô hình.