Bankowość i finanse

System wspierający przetwarzanie pism klientów i szybkie udzielanie odpowiedzi

Case study image
756
godzin miesięcznie zaoszczędzone na inne zadania
50%
– o tyle skrócono czas przetwarzania dokumentów
86-95%
dokładności automatycznej klasyfikacji dokumentów (m.in. kategoryzacja, priorytetyzacja i wykrywanie intencji)

O kliencie

Uniwersalny bank międzynarodowy


Crédit Agricole to uniwersalny bank międzynarodowy, który od blisko 20 lat funkcjonuje w Polsce.

Crédit Agricole Bank Polska jest jednym z najczęściej polecanych banków w naszym kraju. Działa on w obszarze bankowości detalicznej, korporacyjnej, rolniczej, małych i średnich przedsiębiorstw oraz w obszarze Consumer Finance.

Crédit Agricole Bank Polska jest częścią Grupy Crédit Agricole, która znajduje się wśród 10 największych banków na świecie pod względem wartości aktywów. Grupa ta działa w 47 krajach na świecie i obsługuje ponad 53 milionów klientów.

Wyzwanie

Zwiększenie szybkości i jakości odpowiedzi

Crédit Agricole Bank Polska stanął przed wyzwaniami związanymi z poprawą efektywności w zakresie przypisywania spraw klientów, nadawania im priorytetów oraz przygotowywania odpowiedzi.

Crédit Agricole Bank Polska jest to nasz wieloletni partner biznesowy, którego skutecznie wspieramy w zakresie rozwiązań technologicznych. Tym razem bank zwrócił się do nas z wyzwaniami dot. obsługi pism klientów. Pierwsze to klasyfikacja dokumentów przychodzących. Ręczna obsługa dużej ilości wniosków powoduje, że są przypisywane do niewłaściwych kategorii w systemie firmy. To rodzi konsekwencje w postaci opóźnień w obsłudze pism, potencjalnych kar finansowych ze strony organów regulacyjnych (np. z powodu niedotrzymania terminu odpowiedzi) oraz zmniejszenie wskaźnika utrzymania zadowolenia klienta.

Drugim wyzwaniem było ustalenie priorytetów pod kątem odpowiedzi na pisma klientów. Wpływające dokumenty obejmują nie tylko szeroki zakres kwestii do rozwiązania, ale również różny stopień natężenia emocji klientów (np. klient proszący o pomoc vs. klient niezadowolony z usługi). Konieczność oceny tych dwóch kwestii przez człowieka wymusza dużą czasochłonność tego zadania, a to z kolei wpływa na czas obsługi wniosków. 

Trzecie wyzwanie wiązało się z przygotowywaniem odpowiedzi na pisma klientów. Jest to długi i żmudny proces; warto też zaznaczyć, że przygotowanie odpowiedzi na pismo niestandardowe zabiera 2,5 razy więcej czasu niż w przypadku wniosków standardowych.

Case study icon

Główne obszary do usprawnienia dzięki użyciu odpowiedniego rozwiązania

Case study icon

zmniejszenie ryzyka błędnej dekretacji pism w systemie wewnętrznym banku

Case study icon

eliminacja ryzyka utknięcia wniosku na jednym z etapów realizacji

Case study icon

zmniejszenie długiego czasu odpowiedzi na wnioski klientów

Case study icon

zwiększenie poprawności i dokładności odpowiedzi na pisma standardowe i niestandardowe

Case study icon

przyspieszenie ustalania priorytetów w oparciu o rodzaj sprawy i natężenie emocji

Case study icon

zautomatyzowanie dyspozycji dotychczas realizowanych ręcznie

Rozwiązanie

Zastosowanie systemu opartego na sztucznej inteligencji


ROC3 – najbardziej ludzki asystent AI na świecie

ROC3 to innowacyjne rozwiązanie, które wspiera proces obsługi reklamacji i wniosków oraz inne procesy posprzedażowe. W tym celu wykorzystuje sztuczną inteligencję (AI), zwłaszcza algorytmy przetwarzania języka naturalnego (NLP), generowanie języka naturalnego (NLG) oraz uczenia maszynowego (ML).

Celem zastosowania ROC3 jest skrócenie przygotowywania odpowiedzi do klienta (nawet o 50%), pełna automatyzacja operacji standardowych niezależnie od stylu i formatu wniosku od klienta. Poza tym rozwiązanie zamienia nieustrukturyzowane dane w pismach przychodzących w wiedzę o kliencie (np. satysfakcja z usług lub obsługi klienta). Dodatkowym atutem jest możliwość samodzielnego rozpoznania niektórych spraw przez system i wydania odpowiednich dyspozycji, np. wycofanie zgód marketingowych na prośbę klienta. W takich przypadkach nie jest wymagany czas ani uwaga pracownika. Osiągnięcie tego poziomu automatyzacji gwarantują trzy podstawowe moduły ROC3: Ekstraktor, Klasyfikator oraz Generator.

Główne obszary wsparcia pracowników Crédit Agricole Bank Polska S.A. przez ROC3

Case study icon

Znaczące skrócenie czasu obsługi reklamacji i wniosków oraz zwiększenie satysfakcji klientów Crédit Agricole w obszarze procesów posprzedażowych

 

Case study icon

Automatyzacja części zadań pracowników Back Office w celu wyeliminowania błędów w kategoryzacji spraw oraz odciążenia w zakresie czynności powtarzalnych, aby pracownicy mogli zająć się zadaniami wymagającymi ludzkiej kreatywności i decyzyjności

Case study icon

Skrócenie SLA (nawet o 50%) dzięki predefiniowanym odpowiedziom, nawet dla spraw nietypowych

Case study icon

Standaryzacja odpowiedzi oraz zapewnienie zgodności z zasadami prostej pisowni, aby zapewnić łatwiejszą do zrozumienia komunikację z klientami

Case study icon

Odczytywanie intencji klientów w zakresie realizacji oczywistych dyspozycji klientów przez roboty (RPA) w miejsce angażowania pracowników

Jak to zrobiliśmy?

Rozwinięcie możliwości platformy bankowej


Projekt był realizowany crossowo. Brały w nim udział 2 zespoły

Case study icon

zespół na stałe współpracujący z CA, odpowiedzialny za wypracowanie architektury IT, CI/CD (DevOps)

Case study icon

zespół data science i architektów AI, odpowiedzialny za całość wdrożenia, algorytmy AI oraz MLOps

Eksperci zaangażowani w projekt po stronie Crédit Agricole Bank Polska

Case study icon

Dyrektor Departamentu Rozwoju Jakości Obsługi Klienta

Case study icon

Dyrektor ds. innowacji

Case study icon

Lider w Biurze Rzecznika Klienta

Case study icon

Configuration Management Senior IT Specialist

Case study icon

Starszy Specjalista Robotyzacji Procesów Biznesowych

Eksperci zaangażowani w projekt po stronie Deviniti

Case study icon

Data Scientist

Case study icon

Inżynier ds. uczenia maszynowego

Case study icon

Specjalista ds. DevOps

Case study icon

Specjalista ds. NLP

Metodyka


Ze względu na innowacyjny charakter projektu wspólnie zdecydowaliśmy, że najlepszym rozwiązaniem będzie realizacja z wykorzystaniem metodyki zwinnej (Agile). Metodyka ta z założenia miała przełożyć się na szybkie wdrożenie oprogramowania oraz ścisłą współpracę pomiędzy zespołami. Iteracyjny tryb pracy pozwolił na elastyczność wdrażania produktu. 

Platforma


W ramach tego projektu wspólnie z zespołem CABP rozbudowaliśmy system Remedy, który służy bankowi do zarządzania całością procesu obsługi posprzedażowej klienta. W tym systemie osadziliśmy Widżet, tj. AI Writing Assistant (asystent wspierający pisanie, oparty na sztucznej inteligencji).

Dodatkowo Remedy korzysta z wszelkich klasyfikatorów i ekstraktorów informacji. Umieszcza on materiały po ekstrakcji we własnej bazie danych. Widżet ostatecznie generuje gotowy do wydruku plik DOCX, w którym umieszczony jest podpis pracownika i dane osobowe klienta.

Stos technologiczny

Development


Prace przebiegały – zgodnie z metodyką Agile – w dwutygodniowych iteracjach, których rezultatem były kolejne wersje aplikacji, dostarczające nowe funkcjonalności. Zespoły cyklicznie spotykały się na warsztatach, których celem było przeglądanie efektów prac i ich omawianie. Wspólnie doprecyzowaliśmy wymagania dotyczące kolejnych etapów wdrożenia.

Jak działa system?

Automatyzacja przetwarzania pism klientów


Stosując ROC3, pracownicy mogą zaoszczędzić wiele czasu i energii na obowiązkach takich jak przyjmowanie i klasyfikacja pism od klientów, nadawanie im priorytetów oraz przygotowywanie tekstu odpowiedzi. System wykona większość tych zadań za nich, natomiast pracownicy muszą jedynie zweryfikować przygotowane dokumenty. ROC3 zawiera 3 główne moduły, z których każdy odpowiada za konkretny etap pracy z pismami od klientów: Ekstraktor, Klasyfikator i Generator.

  • Case study image

    Ekstraktor

    Przyjmowanie i wstępna analiza dokumentów

    • system skanuje dokument (ewentualnie wykonuje OCR) i wydobywa z nich kluczowe informacje czyli jaki jest cel pisma i jakich wyników oczekuje jego autor
    • ekstraktor określa, czy pismo zostało wysłane od osoby prywatnej czy instytucji (np. UOKiK, KNF), rozpoznaje klienta po identyfikatorze i ustala, jakiego produktu lub usługi dotyczy pismo
    • ROC3 rozpoznaje też ładunek emocjonalny i styl, aby później przydzielić im odpowiedni priorytet (np. czy pismo jest uprzejmą prośbą, agresywną skargą czy oficjalnym dokumentem)

  • Case study image

    Klasyfikator

    Klasyfikacja i nadawanie priorytetów

    • system sprawnie rejestruje pisma klienta od razu przekazuje je do właściwego zespołu
    • klasyfikator znajduje również pisma, które trafiły do nieodpowiedniego działu i automatycznie przenosi je w miejsce, do którego powinny trafić
    • ROC3 potrafi nawet rozpoznać proste dyspozycje klienta (np. prośba o wycofanie zgody marketingowej) i samodzielnie je realizuje

  • Case study image

    Generator

    Wsparcie przy układaniu treści odpowiedzi

    • ROC3 pomaga pracownikowi w przygotowaniu odpowiedzi do klienta, ponieważ ma pełny i natychmiastowy dostęp do wszystkich pism firmy (standardowych i niestandardowych)
    • Generator proponuje gotowe, pasujące do treści pisma akapity, które pracownik może wstawić jednym kliknięciem, ale też daje możliwość wprowadzenia własnego tekstu
    • System sprawdza na bieżąco, czy przygotowana odpowiedź jest poprawna językowo, napisana w sposób jasny oraz zawiera wszelkie potrzebne klientowi informacje
    • Pracownik może też szybko znaleźć potrzebne fragmenty na podstawie fraz albo łatwo dodawać lub usuwać poszczególne części przygotowanej odpowiedzi
    • Gotowe do wysyłki pismo w formacie PDF, na szablonie firmowym oraz z podpisem pracownika można wygenerować za pomocą jednego kliknięcia

Wyniki

Zwiększenie efektywności pracy i zadowolenia klienta

756

godzin miesięcznie zaoszczędzone na inne zadania

50%

– o tyle skrócono czas przetwarzania dokumentów

86-95%

dokładności automatycznej klasyfikacji dokumentów (m.in. kategoryzacja, priorytetyzacja i wykrywanie intencji)

40%

spraw przetwarzanych jest znacznie szybciej dzięki wsparciu ROC3

62%

spraw o zaświadczenia jest realizowane przez RPA (wyłącznie przez roboty)

32%

spraw o zamknięcie rachunku jest realizowane przez RPA (wyłącznie przez roboty)

Od czasu wprowadzenia ROC3 do systemu Credit Agricole Bank Polska może cieszyć się szeregiem korzyści. Przede wszystkim zmniejszył się czas odpowiedzi na pisma. W przypadku prostych dyspozycji klienci dostają odpowiedź od razu, bo system samodzielnie realizuje ich prośby. Trudniejsze sprawy, w tym niestandardowe, również realizowane są szybciej niż dotychczas (aż o 50%). Wpływa to korzystnie na poziom zadowolenia klienta.

Drugą ważną dla Credit Agricole Bank Polska jest zachowanie zgodności z regulacjami narzucanymi przez organa takie jak Komisja Nadzoru Finansowego. Dotyczy to między innymi zasad rozpatrywania wniosków, które są określone w konkretnej ustawie prawnej. Dzięki przyspieszeniu przetwarzania pism od klientów bank ma gwarancję dotrzymania terminów usług SLA oraz uniknięcia kar finansowych nakładanych przez KNF.

Ostatnią ważną kwestią jest zwiększenie poprawności odpowiedzi oraz wzrost zadowolenia klientów. Połączone siły pracowników banku i ROC3 sprawiają, że odpowiedzi są redagowane w sposób prawidłowy. Ponadto wszystkie kwestie poruszane przez klienta zostaną uwzględnione i należycie potraktowane (żadna kwestia nie umknie sztucznej inteligencji). Poprawnie napisane odpowiedzi, które odnoszą się właściwie się do sprawy klienta wpływają korzystnie na wizerunek banku oraz chęć klientów do kontynuowania współpracy.

referencje

Co mówi nasz klient?

Logo image
Wydłużony czas obsługi klientów i ich mniejsze zadowolenie to główne problemy, z jakimi borykaliśmy się przed wdrożeniem rozwiązań ROC3. Dużym wyzwaniem było znalezienie mechanizmów, które skrócą czas obsługi spraw klientów, ale jednocześnie zachowają wysoką jakość procesu. Wdrożenie ROC3 umożliwiło właściwe przypisywanie spraw klientów do jednostek odpowiedzialnych za ich obsługę (w tym skrócenie czasu ich realizacji), łatwe budowanie odpowiedzi w tematach skomplikowanych i wielowątkowych oraz pełną robotyzację procesów standardowych. Dzięki usystematyzowaniu danych wdrażamy robotyzację dla kolejnych procesów. Przygotowane rozwiązania usprawniające były wdrażane przede wszystkim z myślą o kliencie zewnętrznym i tu świetnie się sprawdziły. Trzeba jednak pamiętać o nowym pokoleniu pracowników, którzy chętniej korzystają z najnowszych technologii. Zauważamy potrzebę odejścia od utartych rozwiązań i inwestowania w narzędzia nowych generacji, aby dać pracownikom zadowolenie i komfort pracy.
Ewa Traczykowska
Dyrektor Departamentu Rozwoju Jakości Obsługi Klienta w Crédit Agricole