Schweizer Banken und Versicherungen setzen auf KI

Hier fassen wir einige Erkenntnisse der vor wenigen Tagen erschienenen Studie des IFZ «Conversational AI and Generative AI in Finance» zusammen. Für alle Finanzinstitute, insbesondere Banken und Versicherungen, bietet die Studie eine Orientierungshilfe mit Peer Vergleich und Handlungsempfehlungen.

Autoren sind die Doktorandin Sophie Hundertmark und die beiden Professoren Nils Hafner und Florian Schreiber am Institut für Finanzdienstleistungen Zug IFZ, unterstützt von den beiden Firmen Adnovum und Spitch. Die Aussagen basieren auf einer Umfrage bei 47 Schweizer Finanzinstituten.

Um die Ergebnisse mit konkreten Beispielen zu untermauern, werden in der Studie einzelne Case Studies vorgestellt. Wir gehen hier kurz auf zwei Beispiele ein, nämlich den Einsatz in der Kundenkommunikation bei Helvetia und die Entwicklung eines Prototyps in der Anlageberatung.

Gegenstand

Die Studie "IFZ Conversational AI and Generative AI in Finance" untersucht, wie künstliche Intelligenz (Artificial Intelligence, AI) in der Finanzbranche eingesetzt werden kann. Die Forscher haben zwei Arten von AI evaluiert: Conversational AI und Generative AI. Wie unterscheiden sich diese beiden Begriffe?

Conversational AI ist wie ein Computerprogramm, das ähnlich wie ein Mensch mit Menschen Gespräche führen kann. Anwendungsbeispiele sind die Kundenbetreuung oder der Handel.

Generative AI hingegen kann Texte, Bilder oder sogar Musik generieren, die menschenähnlich sind. Damit können Schritte in der Berichterstellung automatisiert werden und neuartige Inhalte erstellt werden (Text, Bild, Musik).

Ergebnisse

Ergebnis der Umfrage ist, dass diese AI-Technologien in der Finanzbranche vielfältig angewandt werden können. AI kann helfen, die Kundenkommunikation zu verbessern, Berichte schneller zu erstellen und sogar bessere Investitionsentscheidungen zu treffen. Damit erhalten wir Hinweise, wie AI die Finanzwelt verändern wird. AI kann menschenähnliche Gespräche führen und kreative Inhalte erstellen, zugeschnittene Dienstleistungen anbieten und Prozesse effizienter gestalten. Beispiele sind:

1.     Kundenbetreuung und Kommunikation mit Kunden

Conversational AI kann die Kundenkommunikation verbessern und damit die Kundenzufriedenheit steigern, denn Kundenanfragen können schneller und effizienter beantwortet werden

2.     Effizienzsteigerung

Der Einsatz von AI in verschiedenen Bereichen der Finanzbranche kann zu einer erheblichen Steigerung der Effizienz führen, da Prozesse schneller und kostengünstiger ablaufen

3.     Innovative Produkte und Dienstleistungen

AI ermöglicht es Finanzinstituten, innovative Produkte und Dienstleistungen zu gestalten, die den Bedürfnissen der Kunden besser gerecht werden. Damit kann die Wettbewerbsfähigkeit gestärkt werden

4.     Handel und Risikomanagement

AI kann im Handel automatisierte Investitionsentscheidungen treffen und Risiken managen. Damit können potenzielle finanzielle Verluste vermindert werden.

5.     Automatisierung von Berichten

Generative AI hilft, Entwürfe von Berichten und Dokumenten zu erstellen, was Zeit und Ressourcen spart. Der Mensch bleibt wichtig bei der Qualitätssicherung und Überarbeitung der automatisierten Entwürfe.

Conversional AI

Die Umfrage bei 47 Schweizer Finanzinstituten zeigt, dass Conversational AI bereits in vielen dieser Unternehmen im Einsatz ist. Zwischen Banken und Versicherungen zeigen sich hier nur geringfügige Unterschiede, auch wenn die konkrete Anwendung aufgrund unterschiedlicher Kundenanliegen variiert. Bankkunden erkundigen sich eher nach ihrem Kontostand, während Versicherungskunden oft Schäden melden.

Etwas mehr als die Hälfte der befragten Unternehmen verwenden Bots, wobei Chatbots wesentlich stärker verbreitet sind als Voicebots. Einzelne Unternehmen setzen Chatbots und Voicebots ein, manche haben bereits mehrere Chatbots parallel im Einsatz.

Integration von Mensch und Bot: Wenn ein Chat- oder Voicebot keine passende Antwort hat, kann der Dialog entweder an einen menschlichen Mitarbeiter weitergeleitet werden oder es wird ein Kontaktformular angezeigt. Einige Unternehmen beenden jedoch den Bot-Dialog, wenn keine Antwort verfügbar ist. Die Kunden müssen dann auf andere Kanäle ausweichen.

Herausforderungen: Die Umsetzung von Conversational AI-Projekten erfordert ausreichende Ressourcen, einschließlich personeller und finanzieller Mittel. Datenschutz ist ein wichtiger Aspekt, der berücksichtigt werden muss.

Ausblick: Banken planen in den nächsten zwölf Monaten eine verstärkte Nutzung von Conversational AI-Technologien, während Versicherungen ihre Ressourceneinsätze gleich halten oder reduzieren möchten.

Generative AI

Anwendungen der Generative AI gewinnen in Finanzunternehmen an Bedeutung. Besonderes Aufsehen erregte ChatGPT, der neue Chatbot der Firma OpenAI, basierend auf der GPT-Architektur (GPT: Generative Pre-trained Transformer). Nahezu alle befragten Unternehmen evaluieren Einsatzmöglichkeiten von Generative AI, ebenfalls zur Verbesserung des Kundenerlebnisses und zur Steigerung der internen Produktivität.

Fazit

Insgesamt unterstreicht die Studie die vielfältigen Möglichkeiten, wie AI die Finanzbranche transformieren kann. Von der Verbesserung der Kundenbetreuung über die Automatisierung von Aufgaben bis hin zur Risikominimierung und Effizienzsteigerung ergeben sich zahlreiche Anwendungsbeispiele, die AI im Finanzbereich bieten kann. Es wird offensichtlich, dass AI in der Finanzwelt bereits eine Rolle spielt und schnell deutlich an Bedeutung gewinnen wird.

Handlungsempfehlungen

Die Studie empfiehlt, dass Finanzunternehmen sich intensiv mit Conversational AI und Generative AI auseinandersetzen. Es wird betont, dass der menschliche Faktor nicht vernachlässigt werden sollte und dass die Integration von automatisierten Kommunikationskanälen mit menschlich betreuten Kanälen wichtig ist. Zudem sollten Unternehmen zeitnah Erfahrungen mit Conversional AI und Generative AI sammeln und ausreichende Ressourcen dafür bereitstellen.

basierend auf einem Interview mit Florian Nägele, Head Conversational & Marketing Automation, Helvetia Schweiz

Im März 2023 Integrierte Helvetia Schweiz ChatGPT in ihren bestehenden Chatbot "Clara" als Teil eines Live-Experiments. Das Ergebnis ist vielversprechend. Die Integration von ChatGPT ermöglichte eine signifikante Verbesserung der Antwortqualität von Clara. Die Qualität der Antworten basierte auf dem vorhandenen Versicherungswissen und den Inhalten der Webseite von Helvetia, mit welchen ChatGPT trainiert wurde.

Die Entscheidung zur Verwendung von ChatGPT wurde innerhalb weniger Tage getroffen, nachdem die ersten Ergebnisse der ChatGPT-API präsentiert wurden. Die Integration wurde von einem interdisziplinären Team aus dem Kunden- und Marktmanagement und der IT getrieben. Der Hype um ChatGPT trug bei, das Top-Management schnell von der Idee zu überzeugen. Die Zusammenarbeit zwischen verschiedenen Abteilungen und Hierarchiestufen war entscheidend für den Erfolg.

Helvetia plant, ChatGPT langfristig zu nutzen und erwartet, dass die Technologie in den kommenden Jahren einen erheblichen Einfluss auf die Versicherungswirtschaft haben wird, sowohl in Bezug auf interne Prozesse als auch im Kundenservice. Dabei wird großer Wert auf Datenschutz gelegt. Helvetia bittet die Kunden, keine persönlichen oder vertraulichen Informationen preiszugeben. OpenAI selbst erhält allerdings keine Informationen über die Benutzer, da immer Helvetia als User verwendet wird.

Gemäss Florian Nägele haben Kunden das Experiment mit dem Chatbot Clara positiv aufgenommen, insbesondere diejenigen, die aufgeschlossen für innovative Lösungen sind. Helvetia plant, Clara weiter zu verbessern, um ein attraktives Angebot für eine breitere Kundengruppe zu schaffen. Die LLM-Technologie erweist sich als äußerst mächtig und wird voraussichtlich die Art und Weise, wie Kundendialoge in der Versicherungsbranche geführt werden, verändern. Chatbots und automatisierte Chat-Dialoge werden in Zukunft beliebter und stellen bald eine wichtige Ergänzung zur persönlichen Beratung dar.

Empfehlungen: Unternehmen ohne Vorerfahrungen im Bereich Chatbots sollten sich zunächst mit der Technologie auseinandersetzen. Die Wahl zwischen ChatGPT und klassischen Intent- und regelbasierten Chatbots hängt von den individuellen Anforderungen und dem Entwicklungsstand des Unternehmens ab.

Insgesamt zeigt die Case Study, wie die Integration von ChatGPT in einen bestehenden Chatbot einen erheblichen Mehrwert für die Kundeninteraktion und den Kundenservice eines Versicherungsunternehmens bieten kann.

eine Case Study, erstellt von den Gast-Autoren der Studie: Prof. Dr. Thomas Ankenbrand, Prof. Dr. Cornelia Stengel, Dr. Denis Bieri, Stephanie K. Wickihalder, Ahmet Ege Yilmaz und Levin Reichmuth

Die Autoren entwickelten einen Prototypen, der auf Conversational AI basiert (GPT-3.5-turbo von OpenAI, unter Verwendung einer API-Schnittstelle), um Kundeninteraktionen zu ermöglichen und Informationen für die Anlageberatung zu sammeln. Die Anlageempfehlungen werden dann auf der Grundlage vordefinierter Regeln generiert.

Bei der Umsetzung des Prototyps bestanden einige Herausforderungen, da die rein probabilistische Conversational AI mit den regelbasierten Anforderungen der Anlageberatung verbunden und in Einklang gebracht werden mussten. Zudem identifizierten die Forscher Schwierigkeiten bei der Bewertung bestimmter Eingaben und rechtliche Fragen im Zusammenhang mit der Regulation im Finanzbereich.

Technische Aspekte und API-Nutzung: Die Case Study hebt hervor, dass technische Grundlagen für die Implementierung von Large Language Models (LLM) im Finanzbereich vorhanden sind. Besonders erwähnt wird die Verwendung von GPT-Modellen über APIs. Die Verwendung von Prompt-Engineering ermöglicht es, dem LLM in einem bestimmten Kontext eine Rolle zuzuweisen, unter Vorgabe von Anweisungen und Zielen. Dies ergibt die notwendige hohe Flexibilität in der Nutzung.

Die Autoren zeigen, wie Conversational AI und Generative AI helfen, die Kundeninteraktion in der Finanzberatung zu vereinfachen und die interne Effizienz zu steigern. Allerdings sind rechtliche und regulatorische Aspekte bei der Implementierung solcher Technologien weiter abzuklären. Dafür ist weitere Forschung nötig, wenn diese Technologien erfolgreich in der Finanzberatung eingesetzt werden sollen