Agentic AI — покращення взаємодії з клієнтами у фінансових послугах

Відкрийте для себе найкращі новини та події у фінтеху!

Підпишіться на розсилку FinTech Weekly

Читають керівники в JP Morgan, Coinbase, Blackrock, Klarna та багатьох інших

«Очікується, що доходи в індустрії фінтеху зростатимуть майже втричі швидше, ніж у традиційному банківському секторі, у період між 2022 і 2028 роками» – McKinsey, Oct24, 2023.
«Глобальний ринок фінтеху, за прогнозами, становитиме $394.88 млрд у 2025 році та досягне $1,126.64 млрд до 2032 року» – Fortune business insights, June 09, 2025

Залучення клієнтів є одним із ключових відмінників між традиційними банківськими та фінансовими установами й фінтехом. Починаючи від безперешкодного підключення клієнта, через верифікації, виконання транзакцій і наступне обслуговування та розв’язання скарг (grievance redressal), фінтех випереджає традиційні фінансові установи. З часом фінтех намагався заповнити цю прогалину та випереджати в залученні клієнтів. Дослідження показують, що це єдиний найважливіший фактор, який веде до покращення фінального результату.

Незважаючи на розвиток цифрових технологій та зусилля банків, клієнтський сервіс і досі залишається однією з головних сфер для вдосконалення. «Персоналізація» та «Швидкість обслуговування клієнтів» у опитуваннях щодо задоволеності1 досі оцінюються низько, створюючи достатньо можливостей для банків і фінансових організацій підвищити якість. Прогалина ще більше розширюється для клієнтів у wealth management, де потреба в персоналізації та спеціалізованих знаннях має найбільше значення, формуючи довіру та лояльність. Саме тут AI-агенти, підсилені спеціалізованими знаннями в доменній сфері, можуть забезпечити цікаву й розумну взаємодію з клієнтами. Клієнтський сервіс, перебуваючи на передовій ділової взаємодії, забезпечує не лише рівень задоволеності, а й довгострокову лояльність та цінність бізнесу протягом усього життя клієнта.

Agentic AI mesh із кількома спеціалізованими агентами може виконувати дії паралельно, наприклад: витягувати історії взаємодій із клієнтами, робити аналіз сентименту, враховувати життєві події, аналізувати конкурентне середовище щодо продуктів і комісій, аналізувати ринкові тренди тощо, а також надавати інформативні рекомендації клієнтам. Використовуючи NLP та голосозабезпечені технології, взаємодію можна зробити інтуїтивною, узгоджуючи з уподобаним стилем клієнта; вона є незалежною від мови та підтримує омніканальність. Переваги GenAI реальні, і деякі недавні впровадження банками демонструють позитивні результати. Покращення досвіду є однією з основних вигод.

Співпраця AI та людей є одним із найвзаємно корисніших результатів нещодавніх технологічних розробок. Системи штучного інтелекту демонструють виняткову здатність обробляти величезні обсяги даних, точно й швидко виявляючи тренди та патерни.

Generative AI ще більше розвиває цю здатність, генеруючи рекомендації для людей-агентів, які покращують досвід і залучення клієнтів. Персональні фінансові радники, колись прерогатива клієнтів із надвисоким статком, тепер можуть бути «демократизовані» AI-агентами й стати доступними ширшій клієнтській базі.

Банки, маючи доступ до великого обсягу особистої інформації клієнта та історії транзакцій, можуть надавати сервіс «консьєржа» — від податкового планування до інвестиційного консалтингу — навіть виступаючи як персональний асистент. Завдяки поступальному розширенню можливостей AI-агентів для виконання складних і особистих задач банки та фінансові організації можуть забезпечувати вищий клієнтський досвід, що призводить до посиленої лояльності та цінності протягом усього життя клієнта.

Agentic AI & хайп навколо нього

Технологічний тренд Gartner 2025 визначив Agentic AI як головний тренд у 2025 році. MITSMR 2025 AI & Data Leadership Executive benchmark Survey також спрогнозував подібний результат.

Що таке Agentic AI? Це означає: «AI-системи та моделі, які можуть діяти автономно для досягнення цілей без потреби в постійному людському керівництві, каже HBR. Вони розуміють цілі та задачі користувача, а також контекст проблеми, яку він намагається вирішити». Це система, що самонавчається, використовує складні міркування та творчі можливості моделей GenAI для розв’язання багатокрокових складних проблем. Agentic mess — це команда з кількох агентів, які можуть виконувати задачі паралельно, узгоджуючи їх із єдиною спільною метою.

«Agentic AI Systems обіцяють перетворити багато аспектів співпраці людини й машин завдяки їхнім підсиленим можливостям міркування та виконання. Вони можуть планувати та приймати рішення незалежно, забезпечуючи вищу продуктивність, інновації та інсайти для людського робочого середовища» 
– HBR, Dec 2024

Приклад системи обслуговування клієнтів на основі Agentic AI

Усі ці агенти виконують свої задачі одночасно й звітують менеджер-агенту, який у свою чергу відповідає на запити клієнтів. Підібрані знання доменної сфери та навчання роблять цих агентів експертами у своїй галузі. Велика організаційна бібліотека досліджень у wealth management і набір точок даних є ресурсами, які можна використати для навчання AI-агентів.

Деякі ключові сценарії використання в клієнтському сервісі:

*   Віртуальний фінансовий радник
*   Профілювання клієнта
*   Моніторинг шахрайства в реальному часі
*   Виконання рутинних задач
*   Звітування

Профілювання клієнта — це перший крок до того, щоб знати клієнта, і є ще одним ключовим сценарієм використання, що стимулює залучення клієнтів. Чим краще банк знає своїх клієнтів, тим краще він може їх обслуговувати й будувати тривалі стосунки. Це тривалий і складний процес. Незважаючи на прогрес у технологіях, він і досі забирає час і має багато можливостей для покращення. Протягом років OCR Technologies та різні рівні автоматизації на різних етапах істотно покращили процес захоплення, обробки та використання інформації про клієнта. Автономні AI-агенти пропонують багато надії та можливостей, щоб і далі перетворювати цей процес, роблячи його безперешкодним і виконуючи кілька паралельних активностей.

AI-агенти, використовуючи їхню екосистему AI-посилених інструментів, таких як біометрична верифікація, розпізнавання обличчя, верифікація документів через API тощо, можуть виконувати паралельні верифікації одночасно, захоплюючи дані.

Як показують докази, поточний процес уразливий до шахрайських акторів, які можуть обійти механізми верифікації, такі як тест на життєвість (liveliness test) тощо. AI-агенти мають здатність зробити цей процес надійнішим, аналізуючи контекстні сигнали, як-от кут пристрою, або запуск будь-якого несанкціонованого програмного забезпечення у фоновому режимі тощо. Крім того, здатність AI-агентів обробляти неструктуровані дані в поєднанні з аналізом сентименту може призвести до надійного ризик-профілювання клієнта, створюючи точнішу персоніфікацію. Цей глибший рівень перевірки в поєднанні з одночасними верифікаціями в реальному часі підвищує рівень безпеки та допомагає запобігти витонченим спробам шахрайства з боку недобросовісних елементів, роблячи систему безпечною. Це веде до зростання довіри, посилення залучення клієнтів і лояльності.

Вивчення:

*   Типова взаємодія з клієнтом може включати кілька запитів — наприклад, нещодавні транзакції, рекомендації продуктів і помилки в рахунках — усе в межах однієї розмови.
*   Традиційні чатботи часто не справляються з такими багатогранними взаємодіями та можуть втрачати контекст.
*   Традиційні чатботи не можуть «перемелювати» (churn) портфелі клієнтів, виконуючи інвестиційні транзакції для продуктів wealth management 
*   Agentic AI працює на більш просунутому рівні, функціонуючи як цифрові члени команди з:

Автономністю діяти без постійного втручання людини.

Цілеспрямованим інтелектом для пошуку й досягнення конкретних результатів.

Здатністю міркувати в реальному часі для динамічного ухвалення рішень.

*   Ці системи можуть:

Розуміти нюансовану та природну людську мову.

Підтримувати контекстну узгодженість під час довгих і складних діалогів.

Інтегрувати та оркеструвати задачі за допомогою інструментів на кшталт CRM, ERP і внутрішніх баз знань.

*   У залученні клієнтів Agentic AI забезпечує:

Підтримку 24/7 для сценаріїв, що імітують людську взаємодію.

Масштабоване опрацювання складних і багаторівневих проблем клієнтів.

Персоналізовані, гнучкі розмови завдяки мережі мікро-агентів, кожен із яких спеціалізується на конкретній потребі клієнта.

*   Підхід виходить за межі базового вирішення запитів — він забезпечує повне володіння проблемою та розв’язання «від початку до кінця».

Заклик до дії для лідерів галузі:

Зараз постає стратегічне питання: що мають зробити лідери галузі, щоб не лише експериментувати, а й «впроваджувати в операційну діяльність» agentic AI для трансформаційних вигод? Спершу вони мають вийти за межі втоми від пілотів і вибрати сценарії залучення клієнтів із високим ефектом для тестування в режимі «copilot mode».

Це доповнення людських агентів, а не їхня заміна. По-друге, інвестувати в навчання команд, що працюють на передовій, аби вони працювали разом із AI, а не «навколо нього». AI має бути їхнім партнером, а не паралельним процесом. По-третє, змінити моделі бюджетування з оплати за місце в програмному забезпеченні на контракти послуг «як софт» (service-as-a-software) з оплатою за результат; платити за розв’язання, а не за ліцензію. По-четверте, керівникам потрібно інтегрувати дані між «силами» (silos), як-от маркетинг, сервіс, операції, щоб ці системи отримували контекст, на якому вони найкраще працюють.

І нарешті, діяти, починаючи з довіри: впроваджувати етичні запобіжні обмеження (guardrails), прозоро вимірювати продуктивність і дати клієнтам зрозуміти, що хоча машини можуть обробляти запити, люди завжди залишаються в процесі. У цю нову еру перемога — це не про створення технології, а про те, щоб дати людям і процесам змогу підсилити її вплив.

Посилання:

• Майбутнє зростання у фінтеху | McKinsey
• • Огляд ринку FinTech за обсягом, часткою та вартістю | Growth [2032]