.
Sztuczna inteligencja - głosujemy!
Szanowny Panie / Szanowna Pani, prosimy o poświęcenie kilku minut na wypełnienie poniższej ankiety.
Zacząć
Zabezpieczony
Survio
Stwórz ankietę
1
Wybierz pomysł na pierwsze miejsce
Wybierz jedną odpowiedź
1. chatbot do poruszania się po procedurach. Mamy w firmie ponad 100 procedur których nie da się przyswoić a wyszukiwanie potrzebnych danych potrafi być czasochłonnego i nie ma pewności czy szukam w odppowiedniej procedurze. Rozwiązanie pozwoliło by używając naturalnego języka znaleźć odpowiedziedź na nurtujące mnie pytanie mają pewność, że nic nie przegapiłem. Dla zespołów operacyjnych będzie to jeszcze większe udogodnienie bo nie trzeba będzie wielokrotnie wracać do procedur. Dodatkową wartością dodaną byłoby to, że bardzo szczegółowę instrukcje procesowe byłby wreszcie używane bardziej efektywnie
2. analiza danych z "wgranych plików źródłowych" z użyciem interfejsu NLP Do narzędzia używają funcji "drag and drop" "wgrywam" pliki z różnymi surowymi danymi (najczęściej excel). A potem używają natulranego języka pytam o podsumowanie lub wyciągnięcie danych które mnie interesują. Dzięki temu bardzo upraszcza analizę danych i często skomplikowane dla uzytkownia próby łączenia plików, danych itp.
3. analiza nowego klienta - dane "miękkie" użycie AI do wyszukania i podsumowania informacji dostępnych publicznie na temat prospekta (łącznie z logowaniem się do wywiadowni (może działać jak robot), ściąganiem raportu i jego analizą). Po czym przygotuje podsumowanie uzyskanych danych na żadnym poziomie szczegółowości
4. dedykowane raporty dla klienta przyspieszenie przerabiania danych w przypadku kiedy klient potrzebuje dedykowanego raportu na bazie posiadanych przez nas danych, ale w innym układzie
5. wykorzystanie NLP i "robota" do automatyzacji przygotowania do połączenia telefonicznego dla CSS na podstawie NIP klienta narzędzie automatycznie może stworzyć krótkie info na temat firmy, historii kontaktów oraz dostepności Sfa
6. narzędzie (chat) do zadawania pytań do RUFów jako klient / SF / AK chcę zadać pytanie dot. regulaminu produktówego np.: a. jakie opłaty i prowizje będę ponisić jako klient w faktoringu niepełnym b. w jakich przypadkach ubezpieczyciel może odmówić wypłaty odszkodowania w faktoringu ubezpieczonym c. czy jako klient mam i jakie obowiązki raportowe zw z data faktoringiem
7. porównywarka konkurencji vs. BNP Faktor narzędzie, do którego załadujemy całą bazę ofert, dokumentów z konkurencji (wordy, pdf, scany) oraz które weźmie pod uwagę informacje z internetu. Np. jako SF poproszę o porównanie faktoringu w BNP i ING. Wynik porównania pokaż w formie tabelarycznej jako zalety i wady tych dwóch faktorów. To zautomatyzowałoby żmudny proces analizy i porównania ofert konkurencji oraz uwzględniałoby informacje dostępne w internecie.
8. automatyczne minutki ze spotkań stworzenie bota, który przygotuje automatyczne minutki ze spotkań w formie maila na podstawie transkrypcji takiego spotkania. Wymogiem byłoby nagrywanie spotkań (głos). Takie coś jest nagrane na youtube. Narzędzie wsparłoby jednostki, które organizują i prowadzą spotkania (PM, Procesy, Menagerowie, posiedzenia Zarządu). Link do filmu: https://www.youtube.com/watch?v=VD18q3pCm0E&t=4s
9. cykliczna weryfikacja informacji na temat naszych klientów miesiećzny "scan" dostępnych źródłem pod kątem nowym wiadomości na temat naszych klientów oraz podsumowanie otrzymanych danych
10. organizowanie spotkań biorąc pod uwagę zajętość kalendarzy uczestników w Outlook - pozwoli to na automatyzację tego procesu, odejdzie sprawdzanie, kto, kiedy ma czas, wyszukiwanie pierwszego wolnego wspólnego terminu
11. analiza spłat klientów w celu wykrywania nietypowych zachowań, fraudów
12. wykorzystanie w chatbot – stworzenie odpowiedzi na najczęściej zadawane pytania klientów, prospektów, pytania o dokumentację, zbieranie opinii
13. automatyczne zwiększanie limitów kontrahentów na chodzących umowach bez udziału klienta i pracowników faktora - AI analizuje dyscyplinę płatniczą kontrahentów na całym portfelu, utylizacje limitu na danej umowie, warunki umowy (politykę) i sam wystawia gotową decyzję na zwiększenie limitu klientowi (klient ma informację np, mailowo, że sami zwiększyliśmy mu limit na danym kontrahencie)
14. inicjacja przez AI przeglądu - AI analizuje datę przeglądu, status klienta, przygotowuje maila do klienta z check listą, wystawia wniosek i inicjuje proces przeglądu
15. analiza portfela kontrahentów faktora - AI zbiera dane np. z Banku, wywiadowni, w wewnętrznych bazach danych (HD) i wystawia informację o negatywnych sygnałach na danym kontrahcie wraz ze wskazaniem na jakich umowach kontrehent występuje, do ewentualniej decyzji czy nie należy zaprzestać współpracy z danym kontrahentem przy wszystkich umowach
16. analiza zachowań Klientów Banku wg zadanych kryteriów (np. poziom wykorzystania kredytów, portfel odbiorców wg przelewów przychodzących i nasza wiedza o ich dyscyplinie płatniczej w chodzących umowach ) wskazująca na potencjalną potrzebę limitu faktoringowego
17. wdrożenie uczenia maszynowego nienadzorowanego w celu zidentyfikowania parametrów wspólnych do stosowania bardziej zróżnicowanego podejścia do segmentacji/polityki cenowej (klienci wrażliwi/mniej wrażliwi na cenę)
18. Wdrożenia automamatycznej weryfikacji prawidłowości podpisanych umów/aneksów: wzór, kompletność, podpisy - na podstawie uczenia nadzorowanego
19. analiza niestandardowych "zachowań" klienta, np. brak wykupów, spłaty własne itp. - sygnał, który zostanie przekazany do CRM w celu podjęcia działania
20. edukacja klienta z systemu faktoringowego
21. edukacja klienta z procesu faktoringowego
22. rozliczanie spłat (w tym pozyskiwanie info od klienta/kontrahenta)
23. weryfikacja dokumentów do wykupu
24. wyhkonywanie kontroli zwrotów wpłat nienależnych
25. procesowanie zmian na listach kontrahentów
26. komunikator dla klientów, który będzie wsparciem w odnalezieniu danych w systemie bądź wyjąsnieniu rozliczeń lub innych niezbędnych rzeczy dla klienta
27. codzienne dane o portfelu przedstawiane CRM-owi, takie jak wykupu, spłaty zmiany na listach kontrahentów z dnia poprzedniego - taki codzienny monitoring portfela
28. Analizy danych finansowych Klinetów: badanie tendencji - > wzrost/spadek: przychody, EBIDTA, poziom Dług/EBIDTA, rotacje majątku, branża - > wyciąganie wniosków do jakiej branży i z jakim rozwiązaniem powiinyśmy pójść, żeby było dochodowo i bezpieczenie / target market
29. Ofertowiec - > stworzenie narzedzia, które wygeneruje najlepszą możliwą ofertę, przy założonych kryteriach - > segment, branża, terminy, konkurencja, etc.
30. Asystent - > narzędzie, które stworzy notatkę po spotkaniu z Klientem i streści ją do kilku stałych punktów podsumowania (standard pracy SF)
31. Asystent -> narzedzie, które przygotuje one pager'a ze streszczenia współpracy z Klinetem, na podstawie wszystkich naszych baz (nie wiem czy to musi być AI, czy wystarczy zwykły robot, który będzie agregował dane z różych miejsc)
32. Credit Policy Check - przy wnioskowaniu o nowy limit, możemy dostawać z narzędzia preapproved limit bazując na poitykach banku /fakora i wczęsniej podejmowanych dacyzjach w zakresie klienta.
33. przygotowanie i wysyłka monitow i wezwań do dłuzników w formie elektronicznej (@) - zastapienie wersji papierowej
34. automatyczny monit do Klienta SME - wezwanie o zwrot zaliczki
35. automatyzacja danych wsadowych do kampanii BOT - przeterminowania - (teraz recznie obróbka raportu wsadowego do BOT )
36. nowa kwartalna lub ad-hoc kamapania @ - "Potwierdzenie sald" dla wybranych dłuzników, z różnego wskazania (dilution, zlecenie od ryzyka idt) czyli samam wywołuje wygenerowanie sald na wybranyc dłuznikach i ich wysyłkę @ do dłużników i AI odp. na @ przypisuje do odpowiedniego opiekuna monitoringu.
37. przygotowanie salda (zestawienie faktur) na życzenie dłużnika/klienta - na wskazany przez dłużnika/klienta dzień i odesłanie na @ do dłużnika/klienta …. Przede wszystkim Stellantis - czyli klienci z dużą liczbą dłużników.
38. automat powiadamiający dłuznika (@, sms) na żadanie o przeterminowaniu
39. cykliczny (1 m-c) automatyczny raport wysyłany @ do Bnaku z wiekowaniem na PE
40. cykliczny (1 m-c) automatyczny wsad do raport dla GRF z wiekowaniem na pełnym + polisa F
41. przypisanie @ od dłuznika/klienta/CRM, Ryzyka, ….. do odpowiedniego opiekuna Monitoringu na skrzynce mailowej monitoringowej
42. generowanie i wysyłka na @ monitu do dłuznika o spłatę fakuiry kosztowej lub noty ods. Z zał. dokumentem
43. cykliczne ( 1 tygodniowo) generowanie i wysyłanie komunikatu o przeterminowaniach do CRM - dot. data factoring
44. na bazie fraudów (historii) naucz się przewidywania/wystąpienia sygnału które spowodowały fraud -> następnie nałóż ten "mechaniz" na portfel i pokazuj transakcje gdzie występują te sygnały fraudowe.
45. Poprzez analizę danych historycznych (jakie wysokości wypłat były realizowane do Klientów w danych okresach) i np. wysokość bieżącyh limitów Klientów algorytm AI mógłby przewidywać zapotrzebowanie na finansowanie dla Klientów na najbliższe kilka dni i pomóc nam zarządzaniu płynnością. Przelewy nie zatrzymywałyby się w poczekalni, środki dla wholesale, które wychodzą na koniec dnia, byłyb zabezpieczone.
46. Weryfikator polis Wholesale - narzędzie, które przeskanuje zapisy polisy (mamy kilku ubezpieczycieli i kilka wzorów polis), np. po wgraniu polisy w PDFie oceni czy spełnia ona warunki brzegowe - które będziemy mogły same wprowadzać.
47. sczytywanie z zeskanowanych dokumentów kluczowych parametrów zawartych w aneksach do umowy wprowadzajacych zmianę co wyeliminowałoby ryzyko przeoczenia i weryfikacji na drugą rękę przez osobę operacyjną
48. automatyczne wystawianie pism i zaświadczeń, wymagane dane byłyby przenoszone do odpowiednich miejsc w piśmie, zaświadczeniu
49. automatyczne pobieranie prowizji za zwiększenie limitu dealera na podstawie danych(kwot) wprowadzonych do systemu /weryfiakcja poprawności naliczenia prowizji w eTrade (na ten moment prowizje są wyliczane i pobierane ręcznie)
50. Chatbox oparty na raportach z etrade, którego można poprosić o przygotowanie wykresów/grafów, statystyk np. dotyczących rozliczanych spłat/parametryzowanych umów itp..
51. Odpowiednik chatu GBT dla klientów, gdzie mogliby zadawać pytania i na które otrzymywaliby akutomatyczne odpowiedzi. Np. adres mailowy specyfikacji, Pytania o system,informacje ogólne o ofertach itp..
52. Wysyłanie autkatycznych komunikatów do klientów z powodem dotyczącym blokady limitów kontrahentów, przypominajka o dostarczeniu ZOC itp..
53. Sztuczna inteligencja symboliczna Przygotowywanie ciekawych wizualnie prezentacji sprzedażowych w nowoczesnych programach , dostosowanych do oczekiwań Klienta/ branży , wykorzystująca naszą ofertę produktową i dane; Prezentacje również na potrzeby Banku
54. Sztuczna inteligencja oparta na wizji komputerowej, czyli skupiająca się na interpretacji obrazów Przeprowadzanie badań procesowych AS IS/ zadań wykonywanych przez pracowników, Badania procesowe- migawkowe, badanie przydatne przy ustalaniu % czasu poświęcanego na dane zadania
55. Sztuczna inteligencja symboliczna: wykorzystująca reguły logiczne do przetwarzania informacji Na podstawie głosu Klienta system wykonuje operacje , Klient nie musi używać klawiatury tylko przekazuje głosem co należy zrobić w systemie E- trade (jaką operację)
56. Sztuczna inteligencja symboliczna , wykorzystująca reguły logiczne do przetwarzania informacji sztuczna inteligencja - a'la "siri" w systemie e- trade, aby odpowiadać Klientom na pytania;
57. Sztuczna inteligencja oparta na uczeniu maszynowym Przeprowadzanie analiz zachowań Klientów / rozliczeń weryfikacji , celem minimalizacji ryzyk odejścia Klientów; Przeprowadzanie analiz zachowań kontrachentów, celem minimalizacji ryzyka braku splat; Wysyłka powiadomień do Klientów przez AI w przypadku braku spłat przez kontrahentów; Przygotowanie porównań raportów z analiz ryzyk na podstawie danych zgromadzonych w e-trade
58. Sztuczna inteligencja oparta na wizji komputerowej, czyli skupiająca się na interpretacji obrazów Weryfikacja poprawności zapisów w umowach niestandardowych lub w ogóle Weryfikacja zgodności umów przygotowanych dla Klienta z tymi podpisanymi
59. kontakt z klientem po zakończonym procesie (nowy limit, nowy Klient) i weryfikacja jego satysfakcji -> tzw. buźki (tak abyśmy mieli informacje od razu po przywitaniu Klienta przez CRM jaka jest informacja zwrotna dotycząca procesu (+/-)
60. eliminacja analizy raportów przez CRM i przekierowanie na AI: weryfikacji utylizacji sublimitów, wyznaczanie kth którym limit się kończy, może przeliczenie jakiegoś sublimitu wstępnego i wyjście do Klienta; w przypadku gdy musi zostać preprocesowane podwyższenie limitu głównego -> założenie zadania
61. poziomowanie pracy w zespołach wraz z alertowaniem -> narzędzie wspierające menedżerów w zrządzaniu zasobami w sytuacjach pikowych (alterowanie: potrzebujesz pomocy, Twój etap pod kontrolą)
2
Wybierz pomysł na drugie miejsce
Wybierz jedną odpowiedź
1. chatbot do poruszania się po procedurach. Mamy w firmie ponad 100 procedur których nie da się przyswoić a wyszukiwanie potrzebnych danych potrafi być czasochłonnego i nie ma pewności czy szukam w odppowiedniej procedurze. Rozwiązanie pozwoliło by używając naturalnego języka znaleźć odpowiedziedź na nurtujące mnie pytanie mają pewność, że nic nie przegapiłem. Dla zespołów operacyjnych będzie to jeszcze większe udogodnienie bo nie trzeba będzie wielokrotnie wracać do procedur. Dodatkową wartością dodaną byłoby to, że bardzo szczegółowę instrukcje procesowe byłby wreszcie używane bardziej efektywnie
2. analiza danych z "wgranych plików źródłowych" z użyciem interfejsu NLP Do narzędzia używają funcji "drag and drop" "wgrywam" pliki z różnymi surowymi danymi (najczęściej excel). A potem używają natulranego języka pytam o podsumowanie lub wyciągnięcie danych które mnie interesują. Dzięki temu bardzo upraszcza analizę danych i często skomplikowane dla uzytkownia próby łączenia plików, danych itp.
3. analiza nowego klienta - dane "miękkie" użycie AI do wyszukania i podsumowania informacji dostępnych publicznie na temat prospekta (łącznie z logowaniem się do wywiadowni (może działać jak robot), ściąganiem raportu i jego analizą). Po czym przygotuje podsumowanie uzyskanych danych na żadnym poziomie szczegółowości
4. dedykowane raporty dla klienta przyspieszenie przerabiania danych w przypadku kiedy klient potrzebuje dedykowanego raportu na bazie posiadanych przez nas danych, ale w innym układzie
5. wykorzystanie NLP i "robota" do automatyzacji przygotowania do połączenia telefonicznego dla CSS na podstawie NIP klienta narzędzie automatycznie może stworzyć krótkie info na temat firmy, historii kontaktów oraz dostepności Sfa
6. narzędzie (chat) do zadawania pytań do RUFów jako klient / SF / AK chcę zadać pytanie dot. regulaminu produktówego np.: a. jakie opłaty i prowizje będę ponisić jako klient w faktoringu niepełnym b. w jakich przypadkach ubezpieczyciel może odmówić wypłaty odszkodowania w faktoringu ubezpieczonym c. czy jako klient mam i jakie obowiązki raportowe zw z data faktoringiem
7. porównywarka konkurencji vs. BNP Faktor narzędzie, do którego załadujemy całą bazę ofert, dokumentów z konkurencji (wordy, pdf, scany) oraz które weźmie pod uwagę informacje z internetu. Np. jako SF poproszę o porównanie faktoringu w BNP i ING. Wynik porównania pokaż w formie tabelarycznej jako zalety i wady tych dwóch faktorów. To zautomatyzowałoby żmudny proces analizy i porównania ofert konkurencji oraz uwzględniałoby informacje dostępne w internecie.
8. automatyczne minutki ze spotkań stworzenie bota, który przygotuje automatyczne minutki ze spotkań w formie maila na podstawie transkrypcji takiego spotkania. Wymogiem byłoby nagrywanie spotkań (głos). Takie coś jest nagrane na youtube. Narzędzie wsparłoby jednostki, które organizują i prowadzą spotkania (PM, Procesy, Menagerowie, posiedzenia Zarządu). Link do filmu: https://www.youtube.com/watch?v=VD18q3pCm0E&t=4s
9. cykliczna weryfikacja informacji na temat naszych klientów miesiećzny "scan" dostępnych źródłem pod kątem nowym wiadomości na temat naszych klientów oraz podsumowanie otrzymanych danych
10. organizowanie spotkań biorąc pod uwagę zajętość kalendarzy uczestników w Outlook - pozwoli to na automatyzację tego procesu, odejdzie sprawdzanie, kto, kiedy ma czas, wyszukiwanie pierwszego wolnego wspólnego terminu
11. analiza spłat klientów w celu wykrywania nietypowych zachowań, fraudów
12. wykorzystanie w chatbot – stworzenie odpowiedzi na najczęściej zadawane pytania klientów, prospektów, pytania o dokumentację, zbieranie opinii
13. automatyczne zwiększanie limitów kontrahentów na chodzących umowach bez udziału klienta i pracowników faktora - AI analizuje dyscyplinę płatniczą kontrahentów na całym portfelu, utylizacje limitu na danej umowie, warunki umowy (politykę) i sam wystawia gotową decyzję na zwiększenie limitu klientowi (klient ma informację np, mailowo, że sami zwiększyliśmy mu limit na danym kontrahencie)
14. inicjacja przez AI przeglądu - AI analizuje datę przeglądu, status klienta, przygotowuje maila do klienta z check listą, wystawia wniosek i inicjuje proces przeglądu
15. analiza portfela kontrahentów faktora - AI zbiera dane np. z Banku, wywiadowni, w wewnętrznych bazach danych (HD) i wystawia informację o negatywnych sygnałach na danym kontrahcie wraz ze wskazaniem na jakich umowach kontrehent występuje, do ewentualniej decyzji czy nie należy zaprzestać współpracy z danym kontrahentem przy wszystkich umowach
16. analiza zachowań Klientów Banku wg zadanych kryteriów (np. poziom wykorzystania kredytów, portfel odbiorców wg przelewów przychodzących i nasza wiedza o ich dyscyplinie płatniczej w chodzących umowach ) wskazująca na potencjalną potrzebę limitu faktoringowego
17. wdrożenie uczenia maszynowego nienadzorowanego w celu zidentyfikowania parametrów wspólnych do stosowania bardziej zróżnicowanego podejścia do segmentacji/polityki cenowej (klienci wrażliwi/mniej wrażliwi na cenę)
18. Wdrożenia automamatycznej weryfikacji prawidłowości podpisanych umów/aneksów: wzór, kompletność, podpisy - na podstawie uczenia nadzorowanego
19. analiza niestandardowych "zachowań" klienta, np. brak wykupów, spłaty własne itp. - sygnał, który zostanie przekazany do CRM w celu podjęcia działania
20. edukacja klienta z systemu faktoringowego
21. edukacja klienta z procesu faktoringowego
22. rozliczanie spłat (w tym pozyskiwanie info od klienta/kontrahenta)
23. weryfikacja dokumentów do wykupu
24. wyhkonywanie kontroli zwrotów wpłat nienależnych
25. procesowanie zmian na listach kontrahentów
26. komunikator dla klientów, który będzie wsparciem w odnalezieniu danych w systemie bądź wyjąsnieniu rozliczeń lub innych niezbędnych rzeczy dla klienta
27. codzienne dane o portfelu przedstawiane CRM-owi, takie jak wykupu, spłaty zmiany na listach kontrahentów z dnia poprzedniego - taki codzienny monitoring portfela
28. Analizy danych finansowych Klinetów: badanie tendencji - > wzrost/spadek: przychody, EBIDTA, poziom Dług/EBIDTA, rotacje majątku, branża - > wyciąganie wniosków do jakiej branży i z jakim rozwiązaniem powiinyśmy pójść, żeby było dochodowo i bezpieczenie / target market
29. Ofertowiec - > stworzenie narzedzia, które wygeneruje najlepszą możliwą ofertę, przy założonych kryteriach - > segment, branża, terminy, konkurencja, etc.
30. Asystent - > narzędzie, które stworzy notatkę po spotkaniu z Klientem i streści ją do kilku stałych punktów podsumowania (standard pracy SF)
31. Asystent -> narzedzie, które przygotuje one pager'a ze streszczenia współpracy z Klinetem, na podstawie wszystkich naszych baz (nie wiem czy to musi być AI, czy wystarczy zwykły robot, który będzie agregował dane z różych miejsc)
32. Credit Policy Check - przy wnioskowaniu o nowy limit, możemy dostawać z narzędzia preapproved limit bazując na poitykach banku /fakora i wczęsniej podejmowanych dacyzjach w zakresie klienta.
33. przygotowanie i wysyłka monitow i wezwań do dłuzników w formie elektronicznej (@) - zastapienie wersji papierowej
34. automatyczny monit do Klienta SME - wezwanie o zwrot zaliczki
35. automatyzacja danych wsadowych do kampanii BOT - przeterminowania - (teraz recznie obróbka raportu wsadowego do BOT )
36. nowa kwartalna lub ad-hoc kamapania @ - "Potwierdzenie sald" dla wybranych dłuzników, z różnego wskazania (dilution, zlecenie od ryzyka idt) czyli samam wywołuje wygenerowanie sald na wybranyc dłuznikach i ich wysyłkę @ do dłużników i AI odp. na @ przypisuje do odpowiedniego opiekuna monitoringu.
37. przygotowanie salda (zestawienie faktur) na życzenie dłużnika/klienta - na wskazany przez dłużnika/klienta dzień i odesłanie na @ do dłużnika/klienta …. Przede wszystkim Stellantis - czyli klienci z dużą liczbą dłużników.
38. automat powiadamiający dłuznika (@, sms) na żadanie o przeterminowaniu
39. cykliczny (1 m-c) automatyczny raport wysyłany @ do Bnaku z wiekowaniem na PE
40. cykliczny (1 m-c) automatyczny wsad do raport dla GRF z wiekowaniem na pełnym + polisa F
41. przypisanie @ od dłuznika/klienta/CRM, Ryzyka, ….. do odpowiedniego opiekuna Monitoringu na skrzynce mailowej monitoringowej
42. generowanie i wysyłka na @ monitu do dłuznika o spłatę fakuiry kosztowej lub noty ods. Z zał. dokumentem
43. cykliczne ( 1 tygodniowo) generowanie i wysyłanie komunikatu o przeterminowaniach do CRM - dot. data factoring
44. na bazie fraudów (historii) naucz się przewidywania/wystąpienia sygnału które spowodowały fraud -> następnie nałóż ten "mechaniz" na portfel i pokazuj transakcje gdzie występują te sygnały fraudowe.
45. Poprzez analizę danych historycznych (jakie wysokości wypłat były realizowane do Klientów w danych okresach) i np. wysokość bieżącyh limitów Klientów algorytm AI mógłby przewidywać zapotrzebowanie na finansowanie dla Klientów na najbliższe kilka dni i pomóc nam zarządzaniu płynnością. Przelewy nie zatrzymywałyby się w poczekalni, środki dla wholesale, które wychodzą na koniec dnia, byłyb zabezpieczone.
46. Weryfikator polis Wholesale - narzędzie, które przeskanuje zapisy polisy (mamy kilku ubezpieczycieli i kilka wzorów polis), np. po wgraniu polisy w PDFie oceni czy spełnia ona warunki brzegowe - które będziemy mogły same wprowadzać.
47. sczytywanie z zeskanowanych dokumentów kluczowych parametrów zawartych w aneksach do umowy wprowadzajacych zmianę co wyeliminowałoby ryzyko przeoczenia i weryfikacji na drugą rękę przez osobę operacyjną
48. automatyczne wystawianie pism i zaświadczeń, wymagane dane byłyby przenoszone do odpowiednich miejsc w piśmie, zaświadczeniu
49. automatyczne pobieranie prowizji za zwiększenie limitu dealera na podstawie danych(kwot) wprowadzonych do systemu /weryfiakcja poprawności naliczenia prowizji w eTrade (na ten moment prowizje są wyliczane i pobierane ręcznie)
50. Chatbox oparty na raportach z etrade, którego można poprosić o przygotowanie wykresów/grafów, statystyk np. dotyczących rozliczanych spłat/parametryzowanych umów itp..
51. Odpowiednik chatu GBT dla klientów, gdzie mogliby zadawać pytania i na które otrzymywaliby akutomatyczne odpowiedzi. Np. adres mailowy specyfikacji, Pytania o system,informacje ogólne o ofertach itp..
52. Wysyłanie autkatycznych komunikatów do klientów z powodem dotyczącym blokady limitów kontrahentów, przypominajka o dostarczeniu ZOC itp..
53. Sztuczna inteligencja symboliczna Przygotowywanie ciekawych wizualnie prezentacji sprzedażowych w nowoczesnych programach , dostosowanych do oczekiwań Klienta/ branży , wykorzystująca naszą ofertę produktową i dane; Prezentacje również na potrzeby Banku
54. Sztuczna inteligencja oparta na wizji komputerowej, czyli skupiająca się na interpretacji obrazów Przeprowadzanie badań procesowych AS IS/ zadań wykonywanych przez pracowników, Badania procesowe- migawkowe, badanie przydatne przy ustalaniu % czasu poświęcanego na dane zadania
55. Sztuczna inteligencja symboliczna: wykorzystująca reguły logiczne do przetwarzania informacji Na podstawie głosu Klienta system wykonuje operacje , Klient nie musi używać klawiatury tylko przekazuje głosem co należy zrobić w systemie E- trade (jaką operację)
56. Sztuczna inteligencja symboliczna , wykorzystująca reguły logiczne do przetwarzania informacji sztuczna inteligencja - a'la "siri" w systemie e- trade, aby odpowiadać Klientom na pytania;
57. Sztuczna inteligencja oparta na uczeniu maszynowym Przeprowadzanie analiz zachowań Klientów / rozliczeń weryfikacji , celem minimalizacji ryzyk odejścia Klientów; Przeprowadzanie analiz zachowań kontrachentów, celem minimalizacji ryzyka braku splat; Wysyłka powiadomień do Klientów przez AI w przypadku braku spłat przez kontrahentów; Przygotowanie porównań raportów z analiz ryzyk na podstawie danych zgromadzonych w e-trade
58. Sztuczna inteligencja oparta na wizji komputerowej, czyli skupiająca się na interpretacji obrazów Weryfikacja poprawności zapisów w umowach niestandardowych lub w ogóle Weryfikacja zgodności umów przygotowanych dla Klienta z tymi podpisanymi
59. kontakt z klientem po zakończonym procesie (nowy limit, nowy Klient) i weryfikacja jego satysfakcji -> tzw. buźki (tak abyśmy mieli informacje od razu po przywitaniu Klienta przez CRM jaka jest informacja zwrotna dotycząca procesu (+/-)
60. eliminacja analizy raportów przez CRM i przekierowanie na AI: weryfikacji utylizacji sublimitów, wyznaczanie kth którym limit się kończy, może przeliczenie jakiegoś sublimitu wstępnego i wyjście do Klienta; w przypadku gdy musi zostać preprocesowane podwyższenie limitu głównego -> założenie zadania
61. poziomowanie pracy w zespołach wraz z alertowaniem -> narzędzie wspierające menedżerów w zrządzaniu zasobami w sytuacjach pikowych (alterowanie: potrzebujesz pomocy, Twój etap pod kontrolą)
3
Wybierz pomysł na trzecie miejsce
Wybierz jedną odpowiedź
1. chatbot do poruszania się po procedurach. Mamy w firmie ponad 100 procedur których nie da się przyswoić a wyszukiwanie potrzebnych danych potrafi być czasochłonnego i nie ma pewności czy szukam w odppowiedniej procedurze. Rozwiązanie pozwoliło by używając naturalnego języka znaleźć odpowiedziedź na nurtujące mnie pytanie mają pewność, że nic nie przegapiłem. Dla zespołów operacyjnych będzie to jeszcze większe udogodnienie bo nie trzeba będzie wielokrotnie wracać do procedur. Dodatkową wartością dodaną byłoby to, że bardzo szczegółowę instrukcje procesowe byłby wreszcie używane bardziej efektywnie
2. analiza danych z "wgranych plików źródłowych" z użyciem interfejsu NLP Do narzędzia używają funcji "drag and drop" "wgrywam" pliki z różnymi surowymi danymi (najczęściej excel). A potem używają natulranego języka pytam o podsumowanie lub wyciągnięcie danych które mnie interesują. Dzięki temu bardzo upraszcza analizę danych i często skomplikowane dla uzytkownia próby łączenia plików, danych itp.
3. analiza nowego klienta - dane "miękkie" użycie AI do wyszukania i podsumowania informacji dostępnych publicznie na temat prospekta (łącznie z logowaniem się do wywiadowni (może działać jak robot), ściąganiem raportu i jego analizą). Po czym przygotuje podsumowanie uzyskanych danych na żadnym poziomie szczegółowości
4. dedykowane raporty dla klienta przyspieszenie przerabiania danych w przypadku kiedy klient potrzebuje dedykowanego raportu na bazie posiadanych przez nas danych, ale w innym układzie
5. wykorzystanie NLP i "robota" do automatyzacji przygotowania do połączenia telefonicznego dla CSS na podstawie NIP klienta narzędzie automatycznie może stworzyć krótkie info na temat firmy, historii kontaktów oraz dostepności Sfa
6. narzędzie (chat) do zadawania pytań do RUFów jako klient / SF / AK chcę zadać pytanie dot. regulaminu produktówego np.: a. jakie opłaty i prowizje będę ponisić jako klient w faktoringu niepełnym b. w jakich przypadkach ubezpieczyciel może odmówić wypłaty odszkodowania w faktoringu ubezpieczonym c. czy jako klient mam i jakie obowiązki raportowe zw z data faktoringiem
7. porównywarka konkurencji vs. BNP Faktor narzędzie, do którego załadujemy całą bazę ofert, dokumentów z konkurencji (wordy, pdf, scany) oraz które weźmie pod uwagę informacje z internetu. Np. jako SF poproszę o porównanie faktoringu w BNP i ING. Wynik porównania pokaż w formie tabelarycznej jako zalety i wady tych dwóch faktorów. To zautomatyzowałoby żmudny proces analizy i porównania ofert konkurencji oraz uwzględniałoby informacje dostępne w internecie.
8. automatyczne minutki ze spotkań stworzenie bota, który przygotuje automatyczne minutki ze spotkań w formie maila na podstawie transkrypcji takiego spotkania. Wymogiem byłoby nagrywanie spotkań (głos). Takie coś jest nagrane na youtube. Narzędzie wsparłoby jednostki, które organizują i prowadzą spotkania (PM, Procesy, Menagerowie, posiedzenia Zarządu). Link do filmu: https://www.youtube.com/watch?v=VD18q3pCm0E&t=4s
9. cykliczna weryfikacja informacji na temat naszych klientów miesiećzny "scan" dostępnych źródłem pod kątem nowym wiadomości na temat naszych klientów oraz podsumowanie otrzymanych danych
10. organizowanie spotkań biorąc pod uwagę zajętość kalendarzy uczestników w Outlook - pozwoli to na automatyzację tego procesu, odejdzie sprawdzanie, kto, kiedy ma czas, wyszukiwanie pierwszego wolnego wspólnego terminu
11. analiza spłat klientów w celu wykrywania nietypowych zachowań, fraudów
12. wykorzystanie w chatbot – stworzenie odpowiedzi na najczęściej zadawane pytania klientów, prospektów, pytania o dokumentację, zbieranie opinii
13. automatyczne zwiększanie limitów kontrahentów na chodzących umowach bez udziału klienta i pracowników faktora - AI analizuje dyscyplinę płatniczą kontrahentów na całym portfelu, utylizacje limitu na danej umowie, warunki umowy (politykę) i sam wystawia gotową decyzję na zwiększenie limitu klientowi (klient ma informację np, mailowo, że sami zwiększyliśmy mu limit na danym kontrahencie)
14. inicjacja przez AI przeglądu - AI analizuje datę przeglądu, status klienta, przygotowuje maila do klienta z check listą, wystawia wniosek i inicjuje proces przeglądu
15. analiza portfela kontrahentów faktora - AI zbiera dane np. z Banku, wywiadowni, w wewnętrznych bazach danych (HD) i wystawia informację o negatywnych sygnałach na danym kontrahcie wraz ze wskazaniem na jakich umowach kontrehent występuje, do ewentualniej decyzji czy nie należy zaprzestać współpracy z danym kontrahentem przy wszystkich umowach
16. analiza zachowań Klientów Banku wg zadanych kryteriów (np. poziom wykorzystania kredytów, portfel odbiorców wg przelewów przychodzących i nasza wiedza o ich dyscyplinie płatniczej w chodzących umowach ) wskazująca na potencjalną potrzebę limitu faktoringowego
17. wdrożenie uczenia maszynowego nienadzorowanego w celu zidentyfikowania parametrów wspólnych do stosowania bardziej zróżnicowanego podejścia do segmentacji/polityki cenowej (klienci wrażliwi/mniej wrażliwi na cenę)
18. Wdrożenia automamatycznej weryfikacji prawidłowości podpisanych umów/aneksów: wzór, kompletność, podpisy - na podstawie uczenia nadzorowanego
19. analiza niestandardowych "zachowań" klienta, np. brak wykupów, spłaty własne itp. - sygnał, który zostanie przekazany do CRM w celu podjęcia działania
20. edukacja klienta z systemu faktoringowego
21. edukacja klienta z procesu faktoringowego
22. rozliczanie spłat (w tym pozyskiwanie info od klienta/kontrahenta)
23. weryfikacja dokumentów do wykupu
24. wyhkonywanie kontroli zwrotów wpłat nienależnych
25. procesowanie zmian na listach kontrahentów
26. komunikator dla klientów, który będzie wsparciem w odnalezieniu danych w systemie bądź wyjąsnieniu rozliczeń lub innych niezbędnych rzeczy dla klienta
27. codzienne dane o portfelu przedstawiane CRM-owi, takie jak wykupu, spłaty zmiany na listach kontrahentów z dnia poprzedniego - taki codzienny monitoring portfela
28. Analizy danych finansowych Klinetów: badanie tendencji - > wzrost/spadek: przychody, EBIDTA, poziom Dług/EBIDTA, rotacje majątku, branża - > wyciąganie wniosków do jakiej branży i z jakim rozwiązaniem powiinyśmy pójść, żeby było dochodowo i bezpieczenie / target market
29. Ofertowiec - > stworzenie narzedzia, które wygeneruje najlepszą możliwą ofertę, przy założonych kryteriach - > segment, branża, terminy, konkurencja, etc.
30. Asystent - > narzędzie, które stworzy notatkę po spotkaniu z Klientem i streści ją do kilku stałych punktów podsumowania (standard pracy SF)
31. Asystent -> narzedzie, które przygotuje one pager'a ze streszczenia współpracy z Klinetem, na podstawie wszystkich naszych baz (nie wiem czy to musi być AI, czy wystarczy zwykły robot, który będzie agregował dane z różych miejsc)
32. Credit Policy Check - przy wnioskowaniu o nowy limit, możemy dostawać z narzędzia preapproved limit bazując na poitykach banku /fakora i wczęsniej podejmowanych dacyzjach w zakresie klienta.
33. przygotowanie i wysyłka monitow i wezwań do dłuzników w formie elektronicznej (@) - zastapienie wersji papierowej
34. automatyczny monit do Klienta SME - wezwanie o zwrot zaliczki
35. automatyzacja danych wsadowych do kampanii BOT - przeterminowania - (teraz recznie obróbka raportu wsadowego do BOT )
36. nowa kwartalna lub ad-hoc kamapania @ - "Potwierdzenie sald" dla wybranych dłuzników, z różnego wskazania (dilution, zlecenie od ryzyka idt) czyli samam wywołuje wygenerowanie sald na wybranyc dłuznikach i ich wysyłkę @ do dłużników i AI odp. na @ przypisuje do odpowiedniego opiekuna monitoringu.
37. przygotowanie salda (zestawienie faktur) na życzenie dłużnika/klienta - na wskazany przez dłużnika/klienta dzień i odesłanie na @ do dłużnika/klienta …. Przede wszystkim Stellantis - czyli klienci z dużą liczbą dłużników.
38. automat powiadamiający dłuznika (@, sms) na żadanie o przeterminowaniu
39. cykliczny (1 m-c) automatyczny raport wysyłany @ do Bnaku z wiekowaniem na PE
40. cykliczny (1 m-c) automatyczny wsad do raport dla GRF z wiekowaniem na pełnym + polisa F
41. przypisanie @ od dłuznika/klienta/CRM, Ryzyka, ….. do odpowiedniego opiekuna Monitoringu na skrzynce mailowej monitoringowej
42. generowanie i wysyłka na @ monitu do dłuznika o spłatę fakuiry kosztowej lub noty ods. Z zał. dokumentem
43. cykliczne ( 1 tygodniowo) generowanie i wysyłanie komunikatu o przeterminowaniach do CRM - dot. data factoring
44. na bazie fraudów (historii) naucz się przewidywania/wystąpienia sygnału które spowodowały fraud -> następnie nałóż ten "mechaniz" na portfel i pokazuj transakcje gdzie występują te sygnały fraudowe.
45. Poprzez analizę danych historycznych (jakie wysokości wypłat były realizowane do Klientów w danych okresach) i np. wysokość bieżącyh limitów Klientów algorytm AI mógłby przewidywać zapotrzebowanie na finansowanie dla Klientów na najbliższe kilka dni i pomóc nam zarządzaniu płynnością. Przelewy nie zatrzymywałyby się w poczekalni, środki dla wholesale, które wychodzą na koniec dnia, byłyb zabezpieczone.
46. Weryfikator polis Wholesale - narzędzie, które przeskanuje zapisy polisy (mamy kilku ubezpieczycieli i kilka wzorów polis), np. po wgraniu polisy w PDFie oceni czy spełnia ona warunki brzegowe - które będziemy mogły same wprowadzać.
47. sczytywanie z zeskanowanych dokumentów kluczowych parametrów zawartych w aneksach do umowy wprowadzajacych zmianę co wyeliminowałoby ryzyko przeoczenia i weryfikacji na drugą rękę przez osobę operacyjną
48. automatyczne wystawianie pism i zaświadczeń, wymagane dane byłyby przenoszone do odpowiednich miejsc w piśmie, zaświadczeniu
49. automatyczne pobieranie prowizji za zwiększenie limitu dealera na podstawie danych(kwot) wprowadzonych do systemu /weryfiakcja poprawności naliczenia prowizji w eTrade (na ten moment prowizje są wyliczane i pobierane ręcznie)
50. Chatbox oparty na raportach z etrade, którego można poprosić o przygotowanie wykresów/grafów, statystyk np. dotyczących rozliczanych spłat/parametryzowanych umów itp..
51. Odpowiednik chatu GBT dla klientów, gdzie mogliby zadawać pytania i na które otrzymywaliby akutomatyczne odpowiedzi. Np. adres mailowy specyfikacji, Pytania o system,informacje ogólne o ofertach itp..
52. Wysyłanie autkatycznych komunikatów do klientów z powodem dotyczącym blokady limitów kontrahentów, przypominajka o dostarczeniu ZOC itp..
53. Sztuczna inteligencja symboliczna Przygotowywanie ciekawych wizualnie prezentacji sprzedażowych w nowoczesnych programach , dostosowanych do oczekiwań Klienta/ branży , wykorzystująca naszą ofertę produktową i dane; Prezentacje również na potrzeby Banku
54. Sztuczna inteligencja oparta na wizji komputerowej, czyli skupiająca się na interpretacji obrazów Przeprowadzanie badań procesowych AS IS/ zadań wykonywanych przez pracowników, Badania procesowe- migawkowe, badanie przydatne przy ustalaniu % czasu poświęcanego na dane zadania
55. Sztuczna inteligencja symboliczna: wykorzystująca reguły logiczne do przetwarzania informacji Na podstawie głosu Klienta system wykonuje operacje , Klient nie musi używać klawiatury tylko przekazuje głosem co należy zrobić w systemie E- trade (jaką operację)
56. Sztuczna inteligencja symboliczna , wykorzystująca reguły logiczne do przetwarzania informacji sztuczna inteligencja - a'la "siri" w systemie e- trade, aby odpowiadać Klientom na pytania;
57. Sztuczna inteligencja oparta na uczeniu maszynowym Przeprowadzanie analiz zachowań Klientów / rozliczeń weryfikacji , celem minimalizacji ryzyk odejścia Klientów; Przeprowadzanie analiz zachowań kontrachentów, celem minimalizacji ryzyka braku splat; Wysyłka powiadomień do Klientów przez AI w przypadku braku spłat przez kontrahentów; Przygotowanie porównań raportów z analiz ryzyk na podstawie danych zgromadzonych w e-trade
58. Sztuczna inteligencja oparta na wizji komputerowej, czyli skupiająca się na interpretacji obrazów Weryfikacja poprawności zapisów w umowach niestandardowych lub w ogóle Weryfikacja zgodności umów przygotowanych dla Klienta z tymi podpisanymi
59. kontakt z klientem po zakończonym procesie (nowy limit, nowy Klient) i weryfikacja jego satysfakcji -> tzw. buźki (tak abyśmy mieli informacje od razu po przywitaniu Klienta przez CRM jaka jest informacja zwrotna dotycząca procesu (+/-)
60. eliminacja analizy raportów przez CRM i przekierowanie na AI: weryfikacji utylizacji sublimitów, wyznaczanie kth którym limit się kończy, może przeliczenie jakiegoś sublimitu wstępnego i wyjście do Klienta; w przypadku gdy musi zostać preprocesowane podwyższenie limitu głównego -> założenie zadania
61. poziomowanie pracy w zespołach wraz z alertowaniem -> narzędzie wspierające menedżerów w zrządzaniu zasobami w sytuacjach pikowych (alterowanie: potrzebujesz pomocy, Twój etap pod kontrolą)
4
Który Paweł podoba Ci się najbardziej
Wybierz jedną odpowiedź
Paweł Skrzetuski
Paweł Model
Paweł Keanu Reeves
Paweł jakiego nie znacie :)
Wyślij
Stwórz ankiety online
Dziękujemy za poświęcony czas i udzielone odpowiedzi.
Udostępnij ankietę i pomóż uzyskać więcej odpowiedzi.
Wypełnij ponownie