Étiquette : GOLEM

  • L’IA a fait une forte percée dans le domaine de la relation client. Mais qu’en est-il dans le secteur des banques / assurances ?

    Etude: IA et relation client dans les banques et assurances

    L’intelligence artificielle a fait une forte percée dans le domaine de la relation client. Mais qu’en est-il dans le secteur des banques / assurances ? Ont-elles intégré l’IA dans leurs solutions dédiées à la relation client ? Pour quels bénéfices et dans quels objectifs ?

    Du chabot à l’automatisation, quelles applications sont déjà rentables ? Quelles sont celles qui sont déjà implémentées ou qui le seront dans les trois prochaines années ? Les impacts sur le travail sont-ils positifs et comment l’IA est-elle perçue par les banques et assurances dans le cadre de la relation client ?

    Golem.ai, qui a développé une IA de compréhension du langage naturel explicable, a interrogé les acteurs de la banque / assurance pour comprendre quels enjeux l’IA représente dans la relation client.

    *enquête réalisée du 11 février au 21 mars 2019 – 57 répondants cadres dirigeants et professionnels travaillant dans les banques et compagnies d’assurance

    L’objectif de l’implémentation de l’IA dans les outils de relation client est principalement de simplifier et améliorer cette dernière.

    Les personnes interrogées travaillant dans le secteur de la banque / assurance sont d’accord et tout à fait d’accord avec les affirmations suivantes : l’IA va permettre de :

    –          Faciliter l’accès aux services : 91 %

    –          Améliorer le taux de clients satisfaits : 91 %

    –          Mieux comprendre les attentes et besoins des clients pour être plus flexible dans l’adaptation des offres : 90 %

    À l’inverse, les objectifs qui suscitent le moins d’adhésion avec le plus fort taux de répondants qui ne sont pas d’accord sont :

    –          Améliorer la confiance dans les services banques/assurance (35 %)

    –          Fidéliser les clients (28 %)

    On peut penser que la relation humaine étant prépondérante dans le secteur de la banque / assurance, elle prime sur la technologie dans le choix de son établissement bancaire / assureur.

    Il existe dans ce secteur une véritable culture du service : la technologie l’améliore mais on compte sur l’humain pour instaurer la confiance et fidéliser les clients.

    La valeur ajoutée de l’IA : rapidité et sécurisation des transactions

    A l’ère de la digitalisation des services qui se doivent d’être accessibles en temps réel, le consommateur veut pouvoir accéder rapidement à ce qu’il veut, quand il le veut, d’où il le veut et de préférence en toute sécurité. Les acteurs de la banque / assurance l’ont bien compris et estiment que la valeur ajoutée de l’IA est principalement de pouvoir :

    –          Traiter plus rapidement les demandes clients : 61 %

    –          Accéder immédiatement à l’information/conseil 24/24 7j/7 : 54 %

    –          Améliorer la sécurisation des transactions/Détection de fraude (empreintes digitales, reconnaissance faciale…) : 53 %

    La valeur ajoutée de l’IA est moins perçue dans les capacités d’analyse prédictive qu’elle peut offrir. Même si on retrouve ex-aequo en 3ème position (53%) le fait de pouvoir proposer des offres plus personnalisées grâce à l’analyse des données (recommandation assurances/produits financiers…) on chute nettement en dessous de la moyenne pour :

    –          Prédire les besoins clients pour leur proposer des nouveaux services : 47 %

    –          Analyser les comptes clients pour prévenir d’une situation critique (débitrice par ex) : 32 %

    Ces réponses peuvent s’expliquer par le fait que l’IA est encore une technologie récente dans les solutions des banques et assurances et que son potentiel est encore méconnu.

    Quelles applications d’IA sont rentables ? Rentabilité = automatisation

    On constate que la rentabilité est très liée au « gain de temps » rendu possible grâce à l’automatisation. Cette dernière est plébiscitée en termes de rentabilité par les acteurs de la banque/ assurance pour les aider à améliorer le service client. Sont jugées rentables à très rentables :

    –          L’analyse automatisée de documents (extraction d’informations, larges volumes de textes et sites web…) 95 %

    –          La génération automatisée de réponses et documents (préparation d’entretiens clients, devis, comptes-rendus, mails…) 82 %

    Toujours en termes de rentabilité et malgré des pourcentages élevés, arrivent en 2ème position ex-aequo à 72 % :

    –          L’analyse des données pour proposer des services personnalisés (contrats d’assurance, emprunts…)

    –          Le Chabot/Assistant personnel interrogeable à l’écrit ou par la voix pour faciliter les recherches d’informations dans les bases de données clients et documentaires

    Intégration des outils : états des lieux : automatisation et chatbot en tête

    Le secteur de la banque / assurance a déjà implémenté des solutions à base d’IA pour la gestion de la relation client. On retrouve sur le podium les solutions qui font appel à l’automatisation qui a été jugée très rentable :

    –          35 % : Analyse automatisée de documents (extraction d’informations, larges volumes de textes et site web…)

    –          33 % : Chatbot/Assistant personnel interrogeable à l’écrit ou par la voix pour faciliter les recherches d’informations dans les bases de données clients et documentaires

    –          30 % : Génération automatisée de documents (préparation d’entretiens clients, devis, comptes-rendus, mails…)

    –          19 % : Analyse des données pour proposer des services personnalisés (contrats d’assurance, emprunts…)

    Il est intéressant de noter le retour d’expérience sur les chatbots. Ils arrivent en 2ème position des outils déjà implémentés (33%) mais ils sont classés dans les derniers en termes de rentabilité dans le cadre de la relation client.

    Intégration des outils d’ici à 3 ans : l’automatisation toujours plébiscitée

    L’implémentation de l’IA va se poursuivre. Si on ajoute les solutions déjà existantes à celles qui vont être implémentées, on retrouvera sur le podium d’ici à 3 ans :

    –          Analyse automatisée de documents : 49 % avec une progression de 14 % par rapport à aujourd’hui (extraction d’informations, larges volumes de textes et site web…)

    –          Génération automatisée de documents : 49 % avec une progression de 19% (préparation d’entretiens clients, devis, comptes-rendus, mails…)

    –          Les chatbots/Assistants personnels interrogeables à l’écrit ou par la voix : 47 % avec une progression de 14% par rapport à aujourd’hui (pour faciliter les recherches d’informations dans les bases de données clients et documentaires)

    –          Analyse des données pour proposer des services personnalisés : 38 % avec une progression de 19% (contrats d’assurance, emprunts…)

    Outils d’IA intégrés à ce jour en % dans la banque / assurance Total des outils d’IA présents d’ici 3 ans en % Pourcentage de progression
    Analyse automatisée de documents 35 % 49 % + 14 %
    Chatbot/Assistant personnel 33 % 47 % + 14 %
    Génération automatisée de documents 30 % 49 % + 19 %
    Analyse des données 19 % 38 % + 19 %

     

    On constate que toutes les solutions permettant de gagner du temps en automatisant des tâches à faible valeur ajoutée sont celles qui s’imposent dans les banques / assurances. Il est effectivement aisé de se rendre compte immédiatement du gain de temps résultant de l’automatisation des réponses à un mail ou de la rédaction d’un compte-rendu.

    A contrario les solutions d’IA qui touchent aux données clients sont plus longues à intégrer. Cela peut s’expliquer par le fait que ces données sont très sensibles pour les acteurs de la banque / assurance qui ont un grand souci de leur sécurisation et de leur non-divulgation.

    Malgré cela, l’analyse des données aux fins de proposer des services personnalisés affiche la plus forte progression d’implémentation d’ici à 3 ans (19%) avec la génération automatisée de documents.

    Quel impact sur le travail ? L’IA accueillie favorablement

    La perception de l’IA dans la relation client par le secteur banque / assurance est plutôt positive. Les personnes interrogées sont d’accord et totalement d’accord avec le fait que l’IA va permettre :

    –          95 % : d’automatiser les tâches à faible valeur ajoutée

    –          91 % : de libérer du temps pour les collaborateurs

    –          88 % : d’être plus performant et fiable grâce à un meilleur traitement du Big Data

    –          58 % : de créer de nouveaux produits ou services

    Ils sont néanmoins près de la moitié (48 %) à craindre que l’IA déshumanise les rapports avec la clientèle.

    Tous les bénéfices immédiatement visibles de l’IA – gain de temps grâce à l’automatisation des tâches – sont très bien perçus par les professionnels de la banque / assurance. Mais ils semblent un peu moins bien connaître tout le potentiel de l’IA et sa forte valeur-ajoutée comme par exemple la possibilité de créer de nouveaux produits ou services.

    Quels freins à l’IA ? Besoin de formation et d’évolution de la culture d’entreprise

    Les professionnels de la relation client dans le secteur banque / assurance sont demandeurs de formation : ils sont 94 % à estimer qu’elle est nécessaire. Le deuxième frein identifié concerne la culture d’entreprise (86 %) devant celle de la culture client (70%) qu’il faudrait faire évoluer.

    Les principaux freins sont :

    –          94 % : nécessité d’une formation

    –          86 % : nécessité d’une évolution de la culture d’entreprise

    –          70 % : nécessité d’une évolution de la culture client

    Les obstacles liés aux difficultés de mise en œuvre ou de coût arrivent bien après :

    –          58 % estiment que l’IA trop complexe à mettre en œuvre

    –          56 % trop coûteuse à développer

    L’IA : quels investissements ?

    Un peu plus d’un tiers des répondants (35%) ont été en mesure de citer les montants déjà investis dans l’IA :

    –          31 % moins de 100 000 €

    –          11 % de 100 000 à 200 000 €

    –          34 % de 200 000 à 500 000 €

    –          11 % de 500 000 à 1 million

    –          14 % plus de 1 million

    Investissements prévus dans les 3 ans :

    Un peu plus d’un quart des répondants (26 %) connaissent la fourchette des investissements qui seront engagés dans les solutions d’IA. Pour près de la moitié (14 %) ils seront supérieurs à un million d’euros :

    –          7% moins de 100 000 €

    –          7% de 100 000 à 200 000 €

    –          26% de 200 000 à 500 000 €

    –          7% de 500 000 à 1 million

    –          53% plus de 1 million

    Montants investis à ce jour Prévisions d’investissement d’ici à 3 ans
    Moins de 100 000 € 31 % 7 %
    De 100 000 à 200 000 € 11 % 7 %
    De 200 000 à 500 000 € 34 % 26 %
    De 500 000 € à 1 million 11 % 7 %
    Plus de 1 million 14 % 53 %

     

    Part des investissements de l’IA dans les outils de relation client dans le secteur bancaire et assurance :

    Les banques et assurances qui vont investir dans l’IA ces 3 prochaines années vont dédier une part de ces sommes spécifiquement à la relation client :

    –          Pour moins de 10 % des banques / assurances la part dédiée à la relation client dans les investissements d’IA sera de 4%

    –          Pour 40 % des banques / assurances la part sera de 10 à 25 %

    –          Pour 32 %, elle sera de 25 à 50 %

    –          Pour 16 %, elle sera de 50 à 70 %

    –          Pour 8 %, elle sera de plus de 75 %

  • Le chabot est mort ! Vive l’agent conversationnel !

    Le chabot est mort ! Vive l’agent conversationnel !

    Par Thomas Solignac , Cofounder Golem.ai

    Passé par hasard dans le langage commun, le mot chatbot recouvre un ensemble de produits ayant pour matière première le langage humain. Mais l’emploi de ce terme anodin d’apparence est loin d’être neutre…

    Le mot chatbotdérive de “chatterbot”, néologisme par lequel Michael Mauldin (expert américain en traitement du langage humain) désigna en 1994 les programmes conversationnels. L’ambition initiale justifiant le développement de ce type de programme était de conférer l’apparence d’une intelligence humaine aux logiciels, apparence dont attesterait la réussite aux test de Turing.

    Contrairement à ce qu’on pourrait penser, certains logiciels pionniers comme le populaire ELIZA (1966), ont fourni très tôt des résultats d’une étonnante qualité, donnant une satisfaction supérieure à celle qu’on enregistre aujourd’hui pour la plupart des chatbots.

    Ces applications étaient alors largement désignées par le vocable « agent conversationnel ». Le basculement vers le néologisme de Mauldin coïncida avec deux changements majeurs : les premiers développements de ces outils au service des entreprises, et l’utilisation massive du machine learning comme base technologique.

    Ce n’est pas que du “chat” !

    Dans une première phase de buzz technologique, les entreprises se sont vu proposer les services de « robots parlants », souvent vantés pour leurs caractéristiques humaines. Les attentes allaient donc vers de la conversation courante, et – c’était dans le nom, du “chat”.
    Mais chatn’est pas un mot neutre : il renvoie à toute une culture, des particularités… et des limites. Le chat, c’est du “small-talk”, la discussion de la pluie et du beau temps avec votre belle-mère, un échange des banalités entre amis, etc. Pas de quoi fouetter un bot, donc.

    Furent d’abord développé des chatbotsfun, dotés d’un avatar, capables de blaguer…  Ce qui laissa libre cours aux fantasmes quant à leur intelligence et leur anthropomorphisme. Rétrospectivement, cet imaginaire du fun présent dans le premier élan a ralenti la prise au sérieux de l’outil en éclipsant son potentiel en termes d’amélioration de la productivité et d’industrialisation.

    Ce n’est pas que du dialogue…

    Le mot chatbotest le porte-étendard d’un ensemble de technologies de compréhension du langage, et surtout de use cases. Ces technologies et ces usages restèrent longtemps difficiles à appréhender pour les entreprises. Le terme de “chatbot” contribua à en populariser une partie, et à occulter les autres développements.

    En effet, la finalité de ce type de programme ne réside pas nécessairement dans la capacité à entretenir un dialogue. Il s’agit bien plutôt d’atteindre un résultat le plus rapidement possible, idéalement en une phrase. La commande vocale est un bon exemple de “chatbot” avec une visée la moins conversationnelle possible. Engager un dialogue est nécessaire pour traiter les processus complexes, mais pour les demandes simples – au demeurant les plus nombreuses, c’est un ralentissement pour l’utilisateur visant à un résultat immédiat. S’il fallait pousser l’usage dans un sens unique, ce serait certainement la finalisation de la demande avec le plus petit nombre possible d’interactions qui primerait.

    Et ce n’est pas non plus un robot !

    Le mot robot, dont dérive le mot “bot”, est lourd de connotation. Dans l’imaginaire collectif, il renvoie un être de métal, conçu pour travailler et doté de capacités motrices. Son usage dans une seconde acception, « outil d’automatisation », est plutôt réservé aux experts.
    Rappelons-le : un chatbot, c’est un logiciel. Imaginer un android frappant les touches d’un clavier est assurément trompeur. Il va sans dire que cet imaginaire du robot a joué son rôle dans l’émergence du fantasme d’une intelligence artificielle toute puissante, consciente d’elle-même ou tout du moins capable d’une discussion générale pour laquelle elle n’a pas été originellement conçue.

    Bien nommé, mieux maîtrisé

    « Agent conversationnel » semble donc une expression alternative mieux appropriée et faisant autorité dans toute une littérature : celle du domaine de l’intelligence artificielle appelé « traitement du langage naturel ».

    L’enjeu de cette technologie ne réside pas tant dans la production de chatbots que dans l’analyse logicielle du langage.  Les domaines d’application sont très riches : l’analyse thématique et sémantique d’un texte, la recherche et la synthèse de l’information, l’identification des sentiments…
    Certains fournisseurs de solutions conversationnelles ont pris acte de cette richesse, et proposent aux entreprises des prestations de plus en plus complètes Elles sont basées sur l’automatisation élargie et l’optimisation de leurs processus (documents, emails, sms, recherche…) par les agents conversationnels. Autant de gisements de valeur, occultés par l’usage abusif du mot chatbot, qui demeurent jusqu’ici sous-exploités