Internet se považuje za určující komunikační médium banky budoucnosti. Zejména tzv. generace Z neboli mileniálové, představující budoucí bankovní klientelu, předurčují komunikační prostředí banky budoucnosti.

Tito mladší klienti, zvyklí komunikovat téměř výhradně přes internet, budou mít ve svých mobilech, tabletech či počítačích instalovánu tzv. virtuální pobočku, která bude zprostředkovávat velkou škálu bankovních služeb. Pro poskytování sofistikovanějších služeb budou ve spojení s digitálními asistenty či navážou videokontakt s bankovním poradcem včetně online zasílání bankovních smluv a dokumentů.

Digitální bankovní kiosky

Pro starší klientský segment tzv. generace Y a zejména generace X jsou jednou z možných variant bank budoucnosti digitální kiosky. V podstatě se jedná o plně automatizované pobočky, v nichž bude klient v samoobslužných zónách zadávat bankovní příkazy, budou mu vydávány platební karty, bude si moci vyřizovat pojištění platebních karet a cestovní pojištění, vybírat či ukládat peníze a získávat anebo sdílet potřebné informace.

Vše bude spojené s automatickým tiskem potřebné dokumentace pomocí některé z forem digitálního podpisu. Na základě již získaných zkušeností lze očekávat, že digitální bankovní kiosky zvládnou více než sto bankovních procesů. Součástí některých sofistikovanějších bankovních kiosků mohou být i digitální bankovní poradci (chatboti, superboti).

Umělá inteligence v bankovnictví

Pro kontakt s klienty a zpracování dat bude digitální banka budoucnosti stále více využívat umělé inteligence (artficial inteligence, AI). Umělá inteligence je učící se systém využívající neuronových sítí.

Procesně zahrnuje strojové učení (machine learning), kognitivní technologie, systémy zpracování znalostí, nástroje pro podporu dialogů (jež rozumí jazyku klienta a dokážou jej přeložit do strojového kódu a pochopit jej) a rozpoznávací systém (image recognition), který dokáže na základě zvukové i obrazové analýzy klienta jednoznačně identifikovat.

Umělá inteligence disponuje též nástroji prediktivní a sentimentální analýzy, jež dokážou odhadnout klientovo chování na základě předchozích konverzací s bankou či na sociálních sítích, resp. z obchodního chování na internetu a poté zaznamenat a analyzovat klientovy emoce pro úspěšné dokončení obchodu.

Big data

Bankovní sektor je nucen stát se již nyní, a v budoucnu v rámci digitálního bankovnictví se ještě více stane obchodním partnerem specializovaných společností, které se zabývají sběrem dat z internetu a ze sociálních sítí. Obchod se stále rostoucími sofistikovanými datovými soubory, tzv. big daty, využívají a často je i primárně shromažďují bigtechové společnosti jako je Google, Facebook, Apple, Alibaba a Amazon.

Ty začínají silně konkurovat bankovním společnostem v poskytování finančních služeb na základě pokročilých digitálních technologií a používají získaná data k analýze spotřebitelského chování klientských segmentů, jeho finančních potřeb i možností a možných rizik.

Lokační inteligence

Jedná se o analýzu prostorových složek dat, založenou na využití satelitních systémů. Informace o poloze či adrese klienta lze dávat do souvislosti s dalšími informacemi, jako jsou demografická data a socioekonomické ukazatele.

Získané soubory dat se dále prostorově a časově používají např. pro analýzu klientského potenciálu a obchodního chování. Takovou analýzu může digitální banka budoucnosti použít například pro určení nedostatečného pokrytí bankovními službami s cílem optimalizace pobočkové sítě.

Inteligentní skóring a rating

Big data, machine learning, lokační inteligence a další prostředky digitalizace v bankovnictví zakládají předpoklady pro využití umělé inteligence v rozhodujících bankovních obchodech z hlediska dosahování zisku – při úvěrování.

Jde nejen o úvěry ve sféře domácností (hypotéky, spotřebitelské úvěry, kreditní karty), ale i úvěry firmám v oblasti provozních i investičních úvěrů a úvěry pro sféru veřejného sektoru při financování municipalit. Nejenom rozhodnutí o poskytnutí úvěru, nýbrž i výše úrokové sazby z poskytnutého úvěru a požadavky na jeho zajištění jsou závislé na bonitě klienta a kvalitě zajištění.

Čím více dat o žadateli úvěru je možno zjistit, tím se snižuje pravděpodobnost, že nezískáme podstatnou informaci, vedoucí k úvěrovému selhání. Například v oblasti zajištění úvěrů zástavou nemovitostí může jít při určování tržní ceny objektu o využití lokační inteligence pro vytváření kontinuálně aktualizovaných cenových map nemovitostí.

Pro snížení úvěrového rizika je potřeba provést zhodnocení bonity klienta úvěru pomocí skóringu (v případě domácností) či ratingu (v případě firem a municipalit) a zhodnocení kvality zajištění. Klasické skóringové a ratingové metody využívají prediktivní modely, jež se vzhledem k jejich složitosti, požadavky regulátorů bankovního trhu a možnostem aktualizace získávaných informací aktualizují cca v ročních cyklech.

Použití analýzy big dat a učících se systémů umělé inteligence je pak možné např. v případě posuzování bonity klienta–občana. Pomocí nepřetržitého sledování a vyhodnocování jeho obchodního chování a platebního styku bude možno v budoucnu denně upravovat výši změny úrokové sazby u spotřebitelského úvěru podle kontinuálního hodnocení bonity tohoto klienta.

U devizových úvěrů pak lze kontinuálně měnit úrokové sazby např. v případě zhoršení úvěrového rizika vyplývajícího ze změny měnových kurzů. V případě kontinuálního hodnocení kvality zajištění pomocí učících se systémů bude možno při zjištění změn cenových parametrů nemovitostí optimálně měnit výši úrokové sazby u hypotečních úvěrů s pohyblivou sazbou či po skončení data fixace.

Multibanking

Možnost transakčního i informačního propojení bankovních účtů a produktů u více poskytovatelů bankovních služeb je uvedena v nové směrnici Evropské unie PSD 2 (Payment Services Directive 2), která mimo jiné upravuje deregulaci v bankovním sektoru.

Tzv. multibanking umožňuje pomocí internetu ovládat a propojovat bankovní služby včetně sdílení informací a finančních dat se souhlasem majitele účtů. Pro propojování interních bankovních informačních a zúčtovacích systémů se bude stále více využívat tzv. API (Application Programming Interface), softwarové rozhraní, obsahující i důležité bezpečnostní protokoly.

Jednodušší, avšak rizikovější formou multibankingu je tzv. screen scrapping, který spočívá v poskytnutí přístupových hesel do internetového bankovnictví třetí straně.
 

Pro článek byly použity údaje z:

Sobková M.: Je možná automatizace bankovních poboček? Bankovnictví 11/2015.
Jakšík O.: Location intelligence a její role v bankovnictví a pojišťovnictví. Bankovnictví 9/2018.
Mulač V.: Využití umělé inteligence při úvěrování. Bankovnictví 21/2018.