Machine learning leverer rådgivning af 1,5 mio. bankkunder: »Som at have alle kolleger med«

Fra efteråret tager ni danske banker kunstig intelligens i brug til at profilere kunders risikovillighed.

At vurdere, hvor stor en risiko en bankkunde kan og vil løbe med sin investering, er en af de sværeste opgaver for selv erfarne bankrådgivere. Resultatet afhænger nemlig ikke kun af kolde tal, indkomster og udgifter.

Det handler også om, hvad man som kunde ville føle, hvis man en dag åbnede netbanken og opdagede, at værdien af ens investering var faldet med 20 procent.

»Vi er mange, der ikke lige ved, hvad vores risikoprofil er, selv hvis vi bliver spurgt direkte,« fortæller Peter Bruun, der er afdelingsleder ved Bankdata, som leverer IT til 11 danske banker.

Læs også: Din bank ved mere om dig end nogensinde før (og vil gerne vide meget mere)

»Det handler om at få prøvet kunden af både i forhold til fakta, følelser og konsekvenser. Så det kræver meget af rådgiveren, der skal undersøge det. Det er et svært fagligt område,« fastslår Peter Bruun.

Bankdata har derfor trænet et neuralt netværk til at crunche de input, som bankrådgiverne indhenter fra kunden, og komme frem til, hvor meget kunden kan tåle at tabe - og hvor meget de er villige til at tabe.

»For en rådgiver betyder det, at man kan have samtlige kollegaer med til mødet og give en samstemmig second opinion til, hvad kunden skal rådes til. Og den effektivitet får vi ikke på andre måder.«

Best-practice data

Til formålet har Bankdata entreret med selskabet Intellix, som leverer software, der skal gøre det nemt at omsætte en kompleks vurdering – med mange forskellige typer af faktorer – til data, som et neuralt netværk kan lære af.

Intellix forklarer selv, hvordan softwaren virker med en case fra forsikringsbranchen, hvor en rådgiver skal vurdere, om en kunde har en sund livsstil.

Her indtaster man – på baggrund af erfarne rådgiveres vurdering – de mest åbenlyse eksempeldata, altså de mest klokkeklare eksempler på sunde og usunde mennesker.

Læs også: Machine learning i Danske Bank: Nu fire- til seksdobler vi vores hits i markedsføringen

Hos Bankdata har man ligeledes bedt de mest erfarne rådgivere i korpset om best-practice-eksempler på god rådgivning, som systemet er blevet fodret med.

Hver case er blevet kvalificeret af andre rådgivere, fortæller Peter Bruun.

»Det er klart, at den data, vi giver systemet, i udgangspunkt skal have en kvalitet, man kan stå inde for. Og derfor er det de meste erfarne rådgivere, der har udvalgt og reviewet hver case.«

Spotter huller

Når softwaren har fået de mest åbenlyse cases, kan softwaren selv identificere, hvilke kombinationer af svar den mangler.

De cases kan de erfarne rådgivere så svare på for at lukke hullerne i netværkets træningsdata. Systemet kan også identificere de spørgsmål, som ikke har reel indvirkning på resultatet.

Spørgsmålene kan så slettes for at lette processen – medmindre spørgsmålet af en eller anden grund er til for at opfylde et lovkrav.

Resultatet er et machine learning-system, der med tilstrækkelig data kan levere rådgivning, som måler sig med selv de bedste bankrådgiveres.

Og samtidig udviser den vigtige forsigtighed, hvis datagrundlaget ikke giver noget klart svar.

Læs også: For mange systemsiloer og for lidt automatisering: Danske banker falder bagud i tech-ræs

»Vi skal ikke anbefale kunden en investering, der er unødigt risikabel, og derfor skal systemet hælde mod mere sikkerhed, hvis resultatet er uklart,« forklarer Peter Bruun.

»Og hvis vi fodrer den med data, der ikke giver mening, og som den ikke har set før, så hælder den netop mod mere sikkerhed.«

Online på sigt

I dette efterår går Bankdata i gang med at implementere løsningen i ni banker. I første omgang vil det blive brugt som støtte til rådgiveren, der stadig vil mødes personligt med kunden og bede denne om den data, systemet skal bruge.

På sigt vil Bankdata undersøge muligheden for at lade kunder bruge værktøjet online via netbanken.

»Og så er der mulighed for at inddrage nogle af de oplysninger, vi allerede har om kunden. Det vil selvfølgelig kræve et samtykke fra kunden,« siger Peter Bruun.

Uanset hvad rådgiver og algoritmer kommer frem til, vil det ultimativt altid være kundens valg, hvad han eller hun vil bruge sine penge på.

I sådanne tilfælde vil systemet også kunne fungere som dokumentation for, at en kunde f.eks blev rådet imod en særlig risikabel investering.

Læs også: Bank-automatisering skærer ventetid på lån fra dage til minutter: »Vi er startet med det mest komplicerede«

Endelig forventer Bankdata generelt, at den strukturerede proces, der er indbygget i systemet, gør, at kundens risikoprofil bliver eksplicit, så rådgivere ikke misser detaljer om kundens forhold, som leder til kritiske misforståelser på sigt.

»Noget af det værste, der kan ske på investeringsområdet, er, når der mangler en forventningsafstemning mellem kunde og bank. Det viste finanskrisen med al tydelighed,« slutter Peter Bruun.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Følg forløbet
Kommentarer (8)
Ulrik Pedersen

Og jeg som troede at machine learning var noget med at maskiner selv kunne tænke og analysere.....

Og så er det i virkeligheden bare masser af menneskeligt input som bliver filtreret i en sql query med en masse LIKE's....

Hvem kan ikke se det paradoksale i at man sætter en maskine til at vurdere hvor meget jeg ville være ked af at tabe?

Det får mig til at tænke på et Facebookopslag "Tryk på den blå kasse og jeg fortæller hvem af dine venner du bliver gift med" - Tak, men jeg er allerede gift....

Kenn Nielsen

»For en rådgiver betyder det, at man kan have samtlige kollegaer med til mødet og give en samstemmig second opinion til, hvad kunden skal rådes til. Og den effektivitet får vi ikke på andre måder.«

Hvis man overvejer om disse tiltag er godt for kunden eller banken, så kan man jo prøve at forestille sig hvordan det vil være, hvis man selv sad i mødelokalet - ene mand(m/k) - overfor alle fillialens bank-'rådgivere'.

K

Bjarne Nielsen

så kan man jo prøve at forestille sig hvordan det vil være, hvis man selv sad i mødelokalet

Nu kalder Peter Bruun det for en second opinion, men forestil dig hvordan det ville være, at være den fysiske bankrådgiver i det virtuelle mødelokale. Det vil kræve meget mod at gå op imod konsensus. Og i særlig grad, hvis det bagefter er noget, som skal forsvares.

Og det er i høj grad ulempen, når man begynder at lave sådanne beslutningsstøtte systemer. Der vil dels være en tendens til, at man fra organisationen side i højere grad vil lade utrænede stå alene, og der vil dels være en tendens til, at beslutningerne i praksis ender med at blive taget af systemet. For second opinion kan være svær at forstå, og man ved, at man vil stå til langt flere klø, hvis man skal forsvare, at man har gået imod rådet, end hvis man skal forsvare at man fulgte det.

Så ansvaret kan nemt blive væk. Og det gælder ikke kun for banker.

Peter Rosendahl

Godt at se en case med ægte AI, der er så meget marketinghype på dette område. Spændende om neurale netværk kan trænes (det kræver mange cases) til værdifulde vurderinger, eller det hele ender i medium risikoappetit...

Jeg er interesseret i overvejelser omkring rådgivningsansvaret. Ingen kan jo helt forklare hvorfor anbefalingerne blev, som de blev? Måske derfor der er lagt op til en total ansvarsfraskrivelse (som jeg læser det).

Frithiof Jensen

Hvis banken er korrupt må det være enklere fra centralt hold at "nudge" robotten til at anbefale dårlige strategier end det er at incentivere hundreder af bankrådgivere til det. Hvis det er en større bank løber man hurtigt ind i problemmedarbejere med etik og sådan!?

Noget andet man (ikke) lærte af finans"krisen" er at kundernes risikoprofil pludseligt er meget anderledes efter de har tabt 60-300%. De vil altid komme tilbage og klage over forløbet, rådgivning, og så videre. Det er menneskeligt og nogen gange kan man jo få et forlig. Det tror jeg ikke robotten vil ændre i større grad.

Henrik Madsen

Så skal man huske på at det hedder BANK-Rådgiver fordi det er en mand/kvinde der er ansat af BANKEN til at råde dig til at gøre det som BANKEN tjener flest penge på.

Mit gæt er at dette ikke ændrer sig fordi BANK-Rådgiveren pludseligt er en computer for det er vel stadigvæk BANKEN som har programmeret computeren.

Anders Dahl

»Noget af det værste, der kan ske på investeringsområdet, er, når der mangler en forventningsafstemning mellem kunde og bank. Det viste finanskrisen med al tydelighed,« slutter Peter Bruun."

Jeg hælder nu mere til at forklaringen på finanskrisen var den, at der på begge sider af bordet var en forventning om at træerne, helt mod forventning, var begyndt at gro ind i himlen.

Det vil derfor være mit forslag, at man som en del af systemet laver et barometer for om den samlede risikovillighed er opadgående, da det bør få alle alarm- og kirkeklokker til at ringe.

Tonni Pedersen

Jeg ved ikke om det ændrer så meget på rådgivningen fordi man kobler en maskine på, det må jo være kunden selv der skal gøre banken klart hvad hans risikoprofil er. Hvis man ikke selv har gjort sig klart hvor stor en del af sin investering man er villig til at miste, var det måske bedre helt at lade være. Jeg tror at nogle mennesker glemmer at investering kan være lidt ligesom lotto, nogle få får den store gevinst - de fleste skal være glade hvis de bare får deres indskud igen.

Log ind eller Opret konto for at kommentere
Pressemeddelelser

Silicom i Søborg har fået stærk vind i sejlene…

Silicom Denmark arbejder med cutting-edge teknologier og er helt fremme hvad angår FPGA teknologien, som har eksisteret i over 20 år.
22. sep 2017

Conference: How AI and Machine Learning can accelerate your business growth

Can Artificial Intelligence (AI) and Machine Learning bring actual value to your business? Will it supercharge growth? How do other businesses leverage AI and Machine Learning?
13. sep 2017

Affecto has the solution and the tools you need

According to GDPR, you are required to be in control of all of your personally identifiable and sensitive data. There are only a few software tools on the market to support this requirement today.
13. sep 2017