Според американското бизнес издание PYMNTS този подход вече се използва от финансови институции за прогнозиране на търсенето и за ранно откриване на признаци за повреда
Изкуственият интелект все по-активно навлиза в управлението на банкоматите, като вече помага на банките да изчисляват колко налични средства са необходими във всяка отделна машина и да предвиждат евентуални технически проблеми.
AI системите използват данни за предишни тегления, периодите около изплащане на заплати, празничните дни и сезонните особености в различните райони. Така банките могат по-точно да планират зареждането на банкоматите – без да държат прекомерни количества кеш в тях, но и без да допускат машините да останат без пари преди следващото обслужване.
Според американското бизнес издание PYMNTS този подход вече се използва от финансови институции за прогнозиране на търсенето и за ранно откриване на признаци за повреда. Данни на компанията Brink’s показват, че по-прецизните прогнози биха могли да намалят с 30-40% общото количество налични средства, необходимо за поддържането на мрежа от банкомати.
Причината е проста – прекалено голямата сума в ATM машините означава допълнителни разходи за съхранение и сигурност, докато празният банкомат води до недоволство сред клиентите и необходимост от извънредно зареждане.
Технологията вече се използва и за техническа профилактика. Чрез анализ на данните от сензорите в банкоматите алгоритмите могат да разпознаят необичайни промени и да сигнализират за вероятна повреда, преди тя да е настъпила. Така традиционният ремонт след възникнал проблем постепенно се заменя с превантивна поддръжка.
На точността на тези системи обаче влияе качеството на данните, с които разполагат алгоритмите. Историята на транзакциите, информацията за местни събития и показанията на сензорите трябва да бъдат достатъчно надеждни, за да могат прогнозите да бъдат полезни, отбелязва LetsDataScience.
Друг модел е разработен от международната IT компания Reply. Нейната система анализира предстоящи събития в даден район, като отчита местоположението им, характера и очаквания брой посетители. След това тези данни се свързват с информацията за близките банкомати.
По този начин голям концерт, спортно събитие или друг масов форум може предварително да бъде отчетен като фактор, който вероятно ще увеличи тегленията на пари в брой в района.
Reply посочва, че подобна технология потенциално може да намали разходите за лихви с до 40%. Това обаче е оценка на самата компания и към момента няма независими данни, които да потвърждават този резултат за банковия сектор като цяло.
