Googles praktischer KI-Leitfaden für Banken und Fintechs

Karen Zhang erklärt, wie Google Organisationen im gesamten Finanzdienstleistungsbereich unterstützt, von kleinen Fintechs bis hin zu großen Finanzinstituten. Das gemeinsame Thema des Gesprächs ist der praktische Einsatz von KI: Verbesserung der Kundenerfahrung im Frontend und Reduzierung repetitiver Arbeitslasten im Backend, damit sich Teams auf Arbeiten konzentrieren können, die echtes Urteilsvermögen erfordern.

Zhang hebt eine Partnerschaft mit Starling Bank hervor, um einen „Spend Intelligence"-Service zu schaffen. Einfach ausgedrückt: Er ermöglicht es Starling-Kunden, in natürlicher Sprache Fragen in der App zu stellen (getippt oder gesprochen) und klare Antworten zu ihren Ausgaben zu erhalten. Anstatt Kontoauszüge und Filter durchzugehen, können Nutzer Dinge fragen wie: „Wie viel habe ich in der letzten Woche für TFL und Transport ausgegeben?" oder „Hat sich das in den letzten Monaten von Woche zu Woche verändert?"  Das Ziel ist es, Ausgabeneinblicke eher wie ein Gespräch wirken zu lassen und für alltägliche Nutzer leichter zugänglich zu machen.

Für Fintech-Teams signalisiert Zhangs Beispiel auch einen Wandel im Produktdenken. Natürlichsprachliche Schnittstellen senken die Hürde für Einblicke, da Kunden nicht wissen müssen, wo sie tippen oder wie sie Diagramme interpretieren müssen, um das Gewünschte zu finden. Wenn es gut gemacht ist, unterstützt dies die Budgetierung, das Erkennen von Mustern und das Bemerken allmählicher Verhaltensänderungen, ohne den Nutzer in einen Datenanalysten zu verwandeln.

Zhang geht dann zur internen Automatisierung über und verwendet ein zweites Beispiel mit Liberis, mit dem Google zusammengearbeitet hat, um einen KI-gesteuerten Underwriting-Agenten namens Ada zu entwickeln, benannt nach Ada Lovelace. Underwriting umfasst oft große Informationsmengen und wiederholbare Schritte, was eine hohe Verwaltungslast erzeugen kann. Laut Google arbeitet Ada zusammen mit Underwritern, unterstützt sie durch den Prozess und reduziert den Overhead um 50 %. Zhang formuliert den Vorteil sowohl als Effizienz als auch als Fokus: KI übernimmt repetitivere Aufgaben, während Underwriter mehr Zeit für risikoreichere, wissensbasierte Entscheidungen aufwenden.

Google schließt mit einer Skalierungsbotschaft: Während diese Beispiele im mittelgroßen Fintech-Bereich angesiedelt sind, kann derselbe Ansatz auch auf viel kleinere Unternehmen angewendet werden. Die Idee ist, dass Teams mit der richtigen KI-Unterstützung keine riesige Personalstärke benötigen, „100 Underwriter", wie Zhang es ausdrückt, um starken Service zu liefern. Für Banken und Fintechs, die versuchen, Kosten und Kundenerfahrung auszubalancieren, ist Googles Punkt klar: Nutzen Sie KI, um Reibung für Kunden zu beseitigen und repetitive Arbeit intern zu reduzieren, während menschliches Urteilsvermögen dort beibehalten wird, wo es wichtig ist.