Karshi branch of tashkent university of information technologies named after mukhammad al-khorezmi

Advanced biometric identification 
Since early November, BBVA customers in many countries such as in Spain can 
identify themselves in the bank’s software by using the most advanced biometric 
technologies, like the facial recognition system FaceID, launched by Apple for its 
iPhone X. In addition, Samsung users with compatible devices (Samsung Galaxy S8, 
S8+ and Samsung Galaxy Note8) have the option of identifying themselves in BBVA’s 
mobile banking with iris scanning technology. 
Fraud Detection 
Security is of paramount significance in all sectors, especially in the case of financial 
sectors like Banks that face an eternal threat of frauds and hacking. Through the 

---

22 
combined use of supervised and unsupervised machine learning to interpret insights 
absorbed from trends, AI helps in minimizing false-positive rates, avoiding fraud 
attempts, and reducing manual reviews of potential payment frauds. 
AI is used to fend off identity theft by incorporating biometric identification systems 
like voice and facial recognition, into the login module for strengthening the identity 
verification process. 
As technology advances so do the complexity posed by payment fraud attacks. 
Having a digital footprint or sequence that makes the attacks undetectable through the 
sole use of predictive models enhances the significance of AI as it assists in mitigating 
these attacks and in supplying a security layer to the financial sector. Its prompt and 
large-scale detection of payment frauds makes it an outstanding asset for banks in 
handling such cases. 
AI’s predictive analytics and machine learning allow for inconsistencies in large-
scale information sets to be traced in a few seconds. 
Privacy, Security and Compliance 
Scam & Fraud Detection and their prevention — Using machine learning (a subset 
of AI) scam and fraud detection is very much comfortable these days unlike the measures 
used before. 
Compliance Monitoring — The use of AI reduces the time taken to examine the 
lengthy documents and marking the potential issues, and these days it is possible in a 
few seconds as compared to hours before. 
CRM, Marketing and Customer Support 
Chatbots or Voicebots Services — Chat bots and voice bots are popular nowadays, 
and more advanced version of chatbots are coming now known as Co-bots (chat bots 
with cognitive capabilities ). 
Smart Wallets — E-wallets with quick and intelligence ability such as using 
fingerprint scanning for security purpose which made easy as well as secure. 

---

23 
Personalized Financial Services — Bots with Intelligence capability are also used for 
managing customer targets. Such as recommending stocks or bonds. 
Robotic Process for Handling Financial Products — Financial Products can be 
handled using robots with zero human intervention. 
Artificial Intelligence in Indian Banks 
India is on the track of becoming a global hub of technology. The Banking sector of 
India is also adopting Artificial Intelligence and its techniques. Let’s consider some 
examples of the same - 
State Bank of India (SBI) has already built a solution based on Artificial Intelligence, 
which is developed by a team (winner of the first hackathon arranged by SBI). From the 
words of Sudin Baraokar, SBI’s innovation head — “The solution essentially scans 
cameras installed in the branch and captures the facial expressions of the customers and 
immediately reports whether the customer is happy or not — this is real-time or near 
real-time feedback.” 
Senseforth AI Research for HDFC Bank has developed a chatbot based on AI “Eva.” 
The full form of Eva is Electronic Virtual Assistant. According to HDFC, Eva has 
already addressed 2,700,000 plus queries come from 530 k users. 
In the quest of launching AI-based chatbot, ICICI bank is not lacking behind in any 
manner. The chatbot which is launched by ICICI bank in February already answered 
about 6 million queries and maintaining a reasonable accuracy rate of 90 percent. This 
chatbot is known as iPal. 
Not only Indian Bank, but worldwide financial institutes like JPMorgan Chase and 
Wells Fargo also investing some of their budgets in AI. During 2017, JPMorgan invested 
3 billion USD in new initiatives, such as AI. 

---

24 
Best Practices for Enabling AI in Banking 
Understanding the specific challenge by identifying the particular Business needs — 
It is necessary to know what the business needs. First of all, Artificial intelligence can 
supply differing solutions for the same challenge, but it is vital to see the disease before 
prescribing any medicine. 
Develop a Management Strategy for handling Data — Banking is a field where there 
is no scarcity of data. In fact, in banking how to process an enormous amount of data is 
a challenge. So it is better to maintain management planning to clean, extract and 
centralize the information after that data should be structured into a form which is 
understandable by AI. 
Mobile Banking 
The option of mobile banking has been an easy and convenient resolution for the 
consumers who no longer feel the necessity to be physically present in the bank for all 
menial tasks. Comprehending the extensive perks and benefits of mobile banking, users 
now enjoy this service owing to its safety, security, and easy access. 
An excellent example of Mobile Banking would be Varo Money, a company that 
has worked diligently on reinventing banking’s approach and merging financial 
experiences into their users’ daily lives. Their application Varo is an intelligent mobile 
banking application that engages in enhancing customers’ financial health by 
advocating positive spending, savings, and borrowing habits. 
Intelligent banking apps can provide customers with personalized insights and 
recommendations wherever and whenever they want. AI assists in personalizing mobile 
banking by offering real-time customer offer through back-end use of analytics and 
machine learning, offering advice and personalized communications through Robo-
advisors, assisting in personal planning, personal reminders, etc. [3] 

---

25 
Customer Engagement 
Massively impacting the goodwill of any organization, consumer experience is one 
of the most crucial aspects to be considered. This is especially in cases of banks where 
24/7 availability and swift transaction are required. AI, therefore, assists in ensuring 
that the banking transactions flow smoothly and effortlessly. This is done through the 
development of various AI-powered features such as chatbots and biometrics. 
An example of one such feature is when NatWest, became the first major U.K. bank 
to allow its customers to open accounts remotely with a selfie. The AI-powered 
biometrics which the firm developed with its software partner HooYu, match an 
applicant’s selfie to a passport, government-issued I.D. card, or other official photo 
identification documents in real-time. 
Credit Risk Assessment 
“Speed is of the essence in credit risk management. The earlier we detect any risk, 
the quicker and better we can serve clients to prevent losses. Through machine learning, 
the EWS scans financial and non-financial information, such as news items from all 
over the world.” - Anand Autar, project leader, ING. 
AI-driven models are capable of facilitating immediate assessments for credit risk 
evaluation of a client. This helps financial sectors in providing the right supply to their 
consumers. In the case of pricing and underwriting services, Artificial Intelligence can 
cut down the turnaround time and escalate the whole process. AI increases the 
efficiency of client proposals and boosts the overall customer experience. 
Cost Reduction 
Banks can save a humongous $447 billion by 2023 by deploying artificial 
intelligence (AI), as stated by AI in banking research report from Business Insider 
Intelligence. Employment of AI allows banks the scope of cutting down on 3 main areas 

---

26 
1. Reduces Cycle Time 
With the automation of the digitization process, the time spent on digitizing, 
discovering, and onboarding document templates is reduced which allows the bank to 
redeploy its employees to more paramount projects.[3] 
2. Minimizes Rate of Errors 
The automation in banking systems allows for errors to be reduced without there 
being any escalation in the cost. AI system's quality of excelling at handling 
unstructured data awards them the advantage of lower error rates. 
3. Solution Costs 
As each IBM data, the traditional onboarding process for document digitization 
costs hundreds of millions of dollars for a single department. By leveraging AI tools 
that can be 80% automated and have the potential of 90% accuracy, cut down their 
onboarding process, putting more focus on data validation over physical presentation 
and scanning. This would help curtail error rates while also making more competent use 
of employee effort. 
Cutting down operational costs 
AI's use in banking can cut down the errors which can be associated with human 
manual processes such as information entry and paperwork. Techniques such as 
discovery and process mining can be used for simplifying human challenges through 
Automation bots (RPA), AI assistants, and computer vision. 
AI tools collect information, classify, and execute it in the absence of any human 
intervention. For example, it can be adopted for scanning an email inbox for invoices, 
for discovering relevant text in the data, for inputting text within a system, reviewing 
the data, and for making decisions. 
AI-powered machines will enable humans to spend their time on more critical tasks, 
with computers handling manual and repetitive activities. This results in more satisfied 
staff and consumers. 

---

27 
Compliance 
A pivotal role in the banking system is played by Regulation. AI contributes by 
offering complex data analysis, automation of manual compliance processes 
like "Know Your Customer" (KYC). 
Both of these processes rely on gathering data from various systems to understand 
the customer and transactional behaviors. In the absence of AI, it may be highly time-
consuming, leading to a delay in the service offering to the end-user. 
Information is swiftly integrated by AI algorithms through several systems in real-
time, both efficiently and precisely. Through different rule sets, the machine learning 
models can examine behavior patterns and decipher the possibilities of risk the bank is 
exposed to. Humans generally take a long time to execute tasks that can be carried out 
in a few seconds by machines. 
Challenges in the wider adoption of AI in finance and banking 
The wide implementation of high-end technology like AI is not going to be without 
difficulties. From the lack of credible and quality information to security challenges, a 
number of tasks exist for banks using AI technologies. 
So, without further ado, let’s take a look at them: 
• 
Data security: One of the key challenges of AI in banking is the amount of 
information collected that contains sensitive information requires additional security 
measures to be implemented. So, it’s vital to look for the right technology partner who 
will offer a variety of security options to ensure your consumer data is appropriately 
handled. 
• 
Lack of quality data: Banks need structured and quality information for training 
and validation before deploying a full-scale AI-based banking solution. Good quality 
data is required to ensure that the algorithm applies to real-life situations. Also, if 
information is not in a machine-readable format, it may lead to unexpected AI model 

---

28 
behavior. So, banks accelerating towards the adoption of AI need to modify their 
information policies in order to mitigate all privacy and compliance risks. 
• 
Lack of explainability: AI-based systems are widely applicable in decision-
making processes as they eliminate errors and save time. But, they may follow biases 
learned from previous cases of poor human judgement. Minor inconsistencies in AI 
systems do not take much time to escalate and create large-scale challenges, thereby 
risking the bank’s reputation and functioning. 
To avoid calamities, banks should offer an appropriate level of explainability for all 
decisions and recommendations presented by AI models. Banks need to understand, 
validate, and explain how the model makes decisions.