Pierwszy z agentów AI automatycznie rozpoznaje najistotniejsze dane ze zgłoszenia, takie jak numer rachunku klienta czy dane osobowe, po czym wypełnia nimi odpowiednie pola w formularzu. Na podstawie zebranych informacji drugi agent AI przydziela reklamację do właściwej kategorii, korzystając z drzewa reklamacyjnego banku.

Reklamacje w VeloBanku rozpatrują agenci AI

Również sam agent AI systematycznie uaktualnia swoją bazę wiedzy. Jeśli jednak pracownik banku, analizując dane zawarte w zgłoszeniu, uzna, że wniosek powinien zostać skategoryzowany inaczej, może wprowadzić taką zmianę.

W kolejnym kroku trzeci z agentów AI pobiera z odpowiednich systemów banku wszystkie informacje potrzebne do rozstrzygnięcia reklamacji, aby przygotować rekomendację decyzji. Na końcu czwarty agent AI przygotowuje propozycję pisma do klienta, zawierającą wyjaśnienia oraz odniesienia do dokumentów będących podstawą rozstrzygnięcia.

VeloBank zapewnia, że nad całością procesu czuwa człowiek, który zawsze podejmuje ostateczną decyzję na podstawie danych od AI. W przyszłości bank planuje dalszy rozwój aplikacji, zwiększając automatyzację w obszarach przyjmowania i wsparcia rozpatrywania reklamacji.

Sztuczna inteligencja w VeloBanku

Projekt rozpoczęto od szczegółowej analizy obecnego sposobu obsługi. Celem było zidentyfikowanie tych elementów procesu, których automatyzacja przyniosłaby największe korzyści biznesowe. Zebrano dane dotyczące liczby poszczególnych typów reklamacji, nakładu pracy ludzkiej przy ich obsłudze oraz częstotliwości powtarzających się czynności. Dzięki temu wyłoniono priorytetowe typy reklamacji, które w pierwszej kolejności zostały objęte automatyzacją z wykorzystaniem generatywnej sztucznej inteligencji.

Po testach i opracowaniu metod dostarczania informacji systemowi, które pozwalają generować odpowiedzi, zintegrowano je w jednej aplikacji. Rozwiązanie zostało zaimplementowane w środowisku VeloBanku, z uwzględnieniem istniejącej infrastruktury i wymogów bezpieczeństwa. Prace projektowe były realizowane w kilku strumieniach złożonych z zespołów biznesowych i technicznych VeloBanku i Accenture.

Wdrożenie wymagało także spełnienia wymogów bezpieczeństwa i zgłoszenia do Urzędu Komisji Nadzoru Finansowego. W projekcie wykorzystano technologię Azure OpenAI – konkretnie model GPT-4o. Implementacja rozwiązania w Pythonie umożliwiła integrację z infrastrukturą VeloBanku, przy zachowaniu standardów bezpieczeństwa i skalowalności – czytamy w komunikacie.

Kilka miesięcy temu pisaliśmy, że VeloBank wdrożył wirtualną asystentkę dla klientów. Odpowie ona na pytania związane z produktami posiadanymi przez klienta i pomoże z wybranymi czynnościami związanymi z ich obsługą. Vela ma operować naturalnym językiem, co pozwala jej pamiętać kontekst rozmowy. Będzie udostępniana dla klientów etapami. Wirtualna asystentka pomoże wygenerować kod BLIK, zmienić limity transakcyjne na karcie albo szybko odnaleźć produkt lub usługę w apce.