Myslitelé

Proč mezinárodní bankovní výzvy urychlují přechod k agentům AI

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Podle nejnovější zprávy Gradient Labs o bankovních problémech zůstávají bankovní problémy během cestování v zahraničí běžným zdrojem zákaznické frustrace. Přibližně polovina dotázaných cestujících, 1 000 z 1 998, uvedla, že za posledních dva roky zažila problém s kartou, platbou nebo bankovnictvím v zahraničí. Zatímco tyto přetrvávající problémy odhalují limity tradiční podpory, vznikající použití agentů AI v mezinárodním bankovnictví poskytuje náhled na to, jak využít AI v zákaznické podpoře.

Jak velký je problém mezinárodní bankovní podpory?

V posledních dvou letech dosáhla globální cestovní ruch rekordních objemů: například odhad UN Tourism uvádí, že mezinárodní příjezdy zaznamenaly meziroční nárůst o 4 % (téměř 60 milionů více než v roce 2024). Pro rok 2026 se očekává další růst o 4 %. Pro značné množství těchto cestujících jsou bankovní operace v zahraničí stále největším výzvou cesty.

Například respondenti průzkumu uvedli, že nejčastějšími problémy jsou odmítnutí karty a upozornění na podvod: každý z nich byl zmíněn 46 %. Pro některé z nich se tento problém opakuje při každé cestě. Pouze 24 % postižených cestujících uvedlo, že jejich bankovní problém byl rychle a efektivně vyřešen. Téměř čtvrtina čekala 30 minut nebo déle, než se dostala k podpůrnému zaměstnanci, a 6 % se nikdy nedostala. Přibližně jeden z pěti musel problém vyřešit sám.

Několik faktorů přispívá k tomuto vzorci. Za prvé, systémy pro detekci podvodů často označují neznámé transakce – a většina transakcí v zahraničí je skutečně neznámá. Dále časové rozdíly a jazykové bariéry téměř vždy zpomalují zpracování případů. A konečně, požadavky na dodržování předpisů a ověření činí rychlá rozhodnutí velmi obtížně ospravedlnitelná. Bohužel, rychlá rozhodnutí jsou přesně to, co cestující potřebují, když jim je karta zablokována v hotelu.

Značné dopady na náklady a důvěru

Půl hodiny na čekání v cizí zemi znamená více než malou nepříjemnost. Pro většinu zákazníků to znamená neočekávané náklady: 40 % postižených cestujících uvedlo, že kvůli selhání platby v zahraničí utratilo více než 200 dolarů, a 13 % ztratilo více než 500 dolarů. Jeden ze čtyř musel půjčit peníze jako přímý výsledek.

Tyto dodatečné náklady demonstrují, jak malé bezpečnostní problémy mohou spustit lavinu zmeškaných plánů, zrušených ubytování a někdy i uvíznutí. Mezera mezi očekáváním zákazníků a skutečnou podporou, kterou dostávají, zůstává zjevná: polovina cestujících v průzkumu popsala svou banku jako “poměrně užitečnou” nebo “vůbec neužitečnou”.

Několik nedávných studií prokázalo, že vnímaná procedurální spravedlnost je nejsilnějším prediktorem zákaznické loajality v bankovnictví. Pro jakoukoli banku je řešení konfliktů v kritických okamžicích pravděpodobně naruší zákaznickou důvěru a loajalitu. Loajalita banky je zde na hře: dvě pětiny cestujících změnily nebo zvažují změnu banky kvůli špatné zkušenosti v zahraničí, a stejný podíl zákazníků aktivně žádá svou banku, aby to zvládla lépe. Snížení spokojenosti zákazníků mezi touto konkrétní skupinou je obzvláště nešťastné, pokud uvážíme, že tato demografická skupina obvykle utrácí více než průměrný zákazník. Pro banky bez spolehlivé záložní kapacity snižuje se spokojenost zákazníků a ohrožuje celou zákaznickou relaci.

Proč tato data ukazují na agenty AI

Když přemýšlíme o řešení, dvě věci jsou nejvíce zřejmé z průzkumných dat. Za prvé, selhání jsou velmi častá a nákladná. Za druhé, rychlé řešení, které klienti požadují, je vlastně dosažitelné: třetina vyřešených případů se uzavírá během několika minut. Můžeme tedy uzavřít, že benchmark existuje a některé banky již ho splňují. Zbývající výzva zdá se být spíše otázkou dostupnosti (rozšíření požadované rychlosti na každou hodinu a každý časový pás), než schopností.

A tady je trochu překvapivá část: banky, které splňují benchmark rychlé reakce na cestující zákazníky, zdá se, že nepoužívají žádnou magickou high-tech, která by nebyla dostupná ostatním, ani netlačí své podpůrné týmy k nelidským limitům. To, co je odlišuje, je konzistence: rychlé, lidské kvality řešení v každou dobu dne, v každém časovém pásmu.

Toto lidské kvality řešení by dříve vyžadovalo velký tým dobře vyškolených specialistů, nasaditelných sezónně nebo na rotaci, aby pokryli poptávku a udrželi proces nákladově efektivní. Pro většinu bank to zní jako nemožnost. Naštěstí dnes může být agent AI navržen tak, aby poskytoval stejnou konzistenci. Může reagovat okamžitě, vyřešit rutinní případy rovnou a předat složitější situace osobě, včetně plného kontextu.

Řešení versus odražení

Jednoduše odražení dotazu do fronty na ticket není dostatečné. Bankovní sektor potřebuje technické systémy, které jsou odpovědné za skutečné řešení zákaznického problému. Řekněme, že náš případ je transakce v zahraničí, která byla omylem označena jako podvod. Agent AI postavený pro tento účel musí reagovat okamžitě a v jazyce zákazníka. Musí být schopen přesně diagnostikovat problém a poté jej buď vyřešit rovnou, nebo předat osobě.

Takže jednoduše přidání další “automatizační vrstvy” k stejné zkušenosti s čekáním, kterou cestující již popisují, nestačí. Důvěra v tomto kontextu zdá se následuje výsledek. Například zákazníci se frustrují, když musí vysvětlit svou situaci dvakrát (to se stane, když lidé popsali problém v aplikaci poprvé, aby byli později zavoláni).

Když předání nese plný kontext, zákazníci se méně starají o to, zda mluví s člověkem nebo strojem, než o tom, zda se problém vyřeší rychle a správně. To klade další důraz na design řešení, zejména na to, jak čistě systém eskaluje případ, který nemůže zvládnout. Zajímavá část návrhu agentů, jako je tento, spočívá v tom, že vytváří případ pro jakékoli odvětví, které potřebuje přesnost v kombinaci se rychlostí a dodržováním předpisů.

Mezera v podpoře jako obchodní příležitost

Zpráva Global AI in Financial Services (2026) od Cambridge Centre for Alternative Finance ukazuje, že AI-podporovaná zákaznická podpora je již vedoucím případem použití AI ve finančních službách, který je uveden 74 % dotázaných firem. Agentní AI (systémy provádějící vícekrokové úkoly) je již v aktivním použití u 52 % firem. Pro banky, které hodnotí investiční příležitost, jsou nejrelevantnější otázky týkající se operačního souladu této inovace, spíše než její přijímací křivky. Banky potřebují hledat technologie, které by splňovaly přijatelnou laťku spokojenosti zákazníků, integrovaly se s existujícími back-office a nástroji pro správu případů a eskalovaly bezpečně v rámci vlastních regulačních omezení.

Finanční služby jsou stále ve fázi, kdy soutěží o kvalitu podpory. Instituce, které vyplní tuto mezeru, budou moci udržet zákazníky, které ostatní tiše ztrácejí, a přilákat 12 % cestujících, kteří uvedli, že doporučili banku specificky kvůli její spolehlivosti.

Dimitri Masin je spoluzakladatel a CEO společnosti Gradient Labs, platformy pro umělou inteligenci vytvořenou pro regulované finanční služby. Předtím vedl datové organizace v Monzu pod regulací FCA.