.jpg)
Informazioni sui cookie del presente sito Per il corretto funzionamento, i nostri siti Web richiedono alcuni cookie (richiesto). Inoltre, con il suo consenso, potrebbero essere utilizzati altri cookie per l'analisi dell'utilizzo del sito, per migliorare l'esperienza utente e per scopi pubblicitari. Per ulteriori informazioni, consultare le. Visitando il nostro sito web, accettate il trattamento delle informazioni da parte nostra come descritto nelladichiarazione sulla privacy di IBM. Per consentire una corretta navigazione, le preferenze per i cookie dell'utente verranno condivise sui domini Web IBM qui elencati.
Costruire una sicurezza finanziaria per le comunità a basso reddito
Un motore di raccomandazione basato su AI sfrutta i dati per aiutare i coach finanziari a condividere i prodotti fintech inclusivi ed equi più rilevanti per gli obiettivi dei clienti
L'insicurezza finanziaria è una realtà scoraggiante con cui devono confrontarsi le persone a basso reddito. Le barriere sistemiche all'inclusione finanziaria sono reali, in particolare per le donne nere e brune. Change Machine, un'organizzazione tecnologica non profit, affronta questi problemi di petto.
La sua missione è creare sicurezza finanziaria per le comunità a basso reddito attraverso la tecnologia alimentata dalle persone. Change Machine svolge il suo lavoro attraverso una piattaforma SaaS (Software as a Service) in grado di trasformare il modo in cui le persone raggiungono gli obiettivi finanziari. Utilizzata dai coach finanziari presso organizzazioni di servizi sociali ed enti pubblici, la piattaforma presenta uno strumento di collaborazione sociale per gli operatori, un portale di formazione su vari argomenti di coaching finanziario e un'app di gestione dei casi su Salesforce AppExchange per assistere i coach durante la consulenza con i clienti.
La piattaforma contiene una serie di prodotti e servizi fintech che Change Machine ha verificato essere inclusivi, sicuri ed efficaci. La piattaforma è alimentata dalle persone, nel senso che riflette gli insight e l'esperienza dei coach finanziari e dei clienti, e include una funzione che utilizza l'analisi AI dei dati dei clienti per consigliare prodotti fintech pertinenti.
Non è sempre stato così. All'inizio del 2020, Change Machine ha sviluppato una serie di standard per valutare i prodotti fintech in termini di convenienza, inclusività e sicurezza, nonché il modo in cui ciascun prodotto mirava a creare sicurezza finanziaria. La prima iterazione del motore di raccomandazione, chiamata Marketplace Relief, è stata lanciata per mitigare l'insicurezza finanziaria durante la recessione economica dovuta alla pandemia di Covid. Sono stati creati criteri per filtrare prodotti e servizi pertinenti e controllati per soddisfare le esigenze dei clienti. Se le esigenze fossero di aumentare il risparmio e migliorare il credito, ad esempio, il motore di raccomandazione avrebbe consigliato prodotti e servizi di risparmio e credito.
Sebbene il sistema funzionasse bene, l'approccio era limitato. "Il nostro motore di raccomandazione originale è stato progettato da un piccolo gruppo di coach provenienti da luoghi particolari e in un momento particolare", spiega David Bautista, Director of Product Development di Change Machine. "Per ampliare la portata delle sue conoscenze e dei prodotti che poteva consigliare, volevamo che il motore di raccomandazione fosse in grado di aggiornarsi lungo il percorso."
Le regole di raccomandazione hanno sollevato un'altra preoccupazione. "I coach hanno identificato le regole in base alla loro competenza ed esperienza di lavoro con i clienti, ma non sapevamo come sfruttare anche i dati dei clienti archiviati nei nostri sistemi, ad esempio quali servizi i clienti utilizzano più comunemente e quali soglie aggiuntive sono necessarie in base a comuni situazioni finanziarie", afferma Robert Zarate-Morales, Assistant Director of Product Development. "L'utilizzo dei dati potrebbe fornire insight migliori sulle esigenze dei clienti."
Inoltre, il motore di raccomandazione non considerava se i clienti accettassero o rifiutassero i prodotti e servizi consigliati, un indicatore dell'impatto della funzione.
Uso più elevato
L'uso continuo dei prodotti fintech è aumentato dal 60% al 98%
Ciclo di sviluppo più breve
Il team del progetto ha impiegato solo 6 settimane di sprint agili per sviluppare modelli di classificazione di machine learning
Applicazione del machine learning per migliorare i suggerimenti
Era chiaro che il motore di raccomandazione poteva essere migliorato utilizzando strumenti di analytics dei dati AI. Per l'assistenza allo sviluppo, nel marzo 2021 Change Machine ha coinvolto il team IBM Data Science and AI Elite. IBM ha lavorato nell'ambito del programma IBM Data and AI for Social Impact, una collaborazione di apprendistato in cui IBM aiuta le organizzazioni non profit a utilizzare la data science e l'AI per portare avanti la propria missione.
Il progetto è iniziato con la condivisione delle conoscenze e l'elaborazione dei requisiti da parte del personale di IBM e Change Machine. L'obiettivo era quello di razionalizzare i dati organizzativi in un insieme coerente e sviluppare modelli di classificazione di machine learning che personalizzassero le raccomandazioni. I modelli sarebbero stati autoapprendenti e basati su AI attendibile, il che significa che il ragionamento alla base delle raccomandazioni sarebbe stato spiegabile.
La scalabilità avrebbe consentito al motore di gestire la crescita prevista di partner e utenti. Inoltre, i dashboard operativi avrebbero mostrato dati in tempo reale per ottenere insight sulle operazioni.
Per sviluppare i dati e i modelli AI, il team IBM ha scelto IBM Cloud Pak for Data as a Service, che avrebbe collegato tutti i dati in una funzione dati centralizzata. Gli sviluppatori hanno utilizzato la soluzione IBM Watson Studio con la sua funzione AutoAI per semplificare lo sviluppo. La soluzione IBM Cognos Dashboard Embedded basata su API avrebbe alimentato dashboard scalabili. Tutti gli strumenti si trovano all'interno dell'IBM Cloud Pak fornito da IBM Cloud.
Sviluppo rapido utilizzando la metodologia agile di IBM
Lo sviluppo è proceduto rapidamente utilizzando la metodologia IBM Data Science and AI Elite, che prevede tre sprint agili nell'arco di sei settimane:
- Nel primo sprint di due settimane, gli sviluppatori hanno lavorato con Change Machine per comprendere i dati collegati a tutte le sue fonti.
- Il secondo sprint si è concentrato sullo sviluppo di modelli di machine learning di base per vedere se i dati potevano effettivamente fare previsioni.
- Il terzo sprint ha finalizzato con successo i modelli, arricchendoli con nuove funzioni e implementandoli in produzione.
Successivamente, i modelli sono stati integrati nell'app Salesforce che i coach finanziari utilizzano con i clienti. Il team IBM ha inoltre supportato il team Change Machine nello sviluppo di dashboard di gestione. Nell'ambito della collaborazione di apprendistato, IBM ha trasferito al team di Change Machine conoscenze sulla strategia dei dati e sugli strumenti AI che continueranno a utilizzare in futuro.
"L'impegno con IBM ci ha insegnato a sfruttare i nostri dati in modi nuovi e a costruire un framework per la creazione e la gestione di modelli di machine learning", afferma Bautista. "Il progetto è servito anche come trampolino di lancio per il nostro coinvolgimento in soluzioni cloud avanzate e ci ha aiutato a implementare un'applicazione AI nel mondo reale, qualcosa che in precedenza consideravamo essere, nella migliore delle ipotesi, distante anni."
Le raccomandazioni di qualità aiutano a superare le barriere finanziarie
L'analisi AI dei dati di Change Machine ora alimenta il motore di raccomandazione in Salesforce. La soluzione è così innovativa che è stata nominata per il premio AI Innovation Award di VentureBeat nella categoria AI for Good.
Con il precedente motore di raccomandazione, i clienti utilizzavano attivamente solo il 60% dei prodotti fintech consigliati dai loro coach. Con la nuova versione la percentuale è salita al 98%, il che indica che le raccomandazioni sono più pertinenti.
"Le raccomandazioni di qualità superiore portano avanti la nostra missione di aiutare le persone a superare le barriere finanziarie", afferma Bautista. "Non solo aumentano la diffusione dei prodotti, ma contribuiscono a garantire l'accesso ai prodotti di cui le persone hanno più bisogno. E contribuiscono a consolidare le relazioni tra i nostri partner e i loro assistiti."
Un altro beneficio deriva dalla connessione del motore di raccomandazione ai dati dinamici sui clienti e sulle offerte fintech. Con l'aggiornamento di questo insieme di dati, si aggiornano anche le raccomandazioni del motore.
Le dashboard si stanno dimostrando utili in tutta l'organizzazione. Aiutano i manager di Change Machine a visualizzare i dati operativi dinamici dove "i numeri da soli non raccontano tutta la storia", dice Zarate-Morales. Gli sviluppatori stanno creando dashboard aggiuntive alimentate da un data mart in IBM Cloud Pak for Data.
In prospettiva, l'impegno di IBM continuerà a guidare l'innovazione all'interno di Change Machine, mentre il personale applicherà quanto appreso.
"Per me è stato emozionante capire sia la funzionalità che la relativa facilità di utilizzo di questa tecnologia", spiega Bautista. "In precedenza, i dati venivano utilizzati in modo reattivo. Se c'era una domanda, chiedevamo: 'Dove sono i dati?'. Ma oggi stiamo iniziando a incorporare proattivamente i dati nelle decisioni strategiche. La nostra partnership con IBM ci consente di pensare ai dati in modo più strategico."
Fondata nel 2005, Change Machine crea sicurezza finanziaria per le comunità a basso reddito attraverso la tecnologia alimentata dalle persone. Oltre 8.000 operatori hanno utilizzato la piattaforma di Change Machine per amplificare il loro impatto, facendo arrivare 45 milioni di dollari nelle tasche dei loro clienti.
Note a piè di pagina
© Copyright IBM Corporation 2022. IBM Corporation, New Orchard Road, Armonk, NY 10504
Prodotto negli Stati Uniti d'America, agosto 2022.
IBM, il logo IBM, ibm.com, Cognos, IBM Cloud, IBM Cloud Pak e IBM Watson sono marchi di International Business Machines Corp., registrati in diverse giurisdizioni del mondo. Altri nomi di prodotti e servizi potrebbero essere marchi di IBM o di altre società. Un elenco aggiornato dei marchi IBM è disponibile sul web alla pagina "Copyright and trademark information" disponibile all'indirizzo www.ibm.com/it-it/legal/copytrade.
Le informazioni contenute nel presente documento sono aggiornate alla data della prima pubblicazione e possono essere modificate da IBM senza preavviso. Non tutte le offerte sono disponibili in ogni Paese in cui opera IBM.
Gli esempi citati relativi a dati di prestazione e clienti sono presentati unicamente a scopo illustrativo. Gli attuali risultati in termini di performance possono variare a seconda delle specifiche configurazioni e delle condizioni operative. LE INFORMAZIONI RIPORTATE NEL PRESENTE DOCUMENTO SONO DA CONSIDERARSI “NELLO STATO IN CUI SI TROVANO”, SENZA GARANZIE, ESPLICITE O IMPLICITE, IVI INCLUSE GARANZIE DI COMMERCIABILITÀ, DI IDONEITÀ A UN PARTICOLARE SCOPO E GARANZIE O CONDIZIONI DI NON VIOLAZIONE. I prodotti IBM sono coperti da garanzia in accordo con termini e condizioni dei contratti sulla base dei quali vengono forniti.