Change Machine의 사명은 사람이 주도하는 기술을 통해 저소득층 지역사회를 위한 재정적 안정을 구축하는 것입니다. Change Machine은 사람들이 재무 목표를 달성하는 방식을 혁신할 수 있는 서비스형 소프트웨어(SaaS) 플랫폼을 통해 업무를 수행합니다. 사회복지 기관 및 공공 기관의 재무 코치가 사용하는 이 플랫폼은 실무자를 위한 소셜 협업 도구, 다양한 재무 코칭 주제에 대한 교육 포털, 코치가 고객과 상담할 때 도움을 주는 Salesforce AppExchange의 사례 관리 앱이 포함되어 있습니다.

이 플랫폼에는 Change Machine이 포용적이고 안전하며 효과적인 것으로 검증한 다양한 핀테크 제품 및 서비스가 포함되어 있습니다. 이 플랫폼은 재무 코치와 고객의 인사이트와 경험을 반영한다는 점에서 사람 중심의 플랫폼이며, 고객 데이터에 대한 AI 분석을 통해 관련 핀테크 상품을 추천하는 기능을 포함하고 있습니다.

항상 이런 방식으로 이루어졌던 것은 아닙니다. 2020년 초에 Change Machine은 핀테크 제품의 경제성, 포괄성, 안전성과 각 제품의 금융 보안 구축 목표를 평가하는 일련의 기준을 개발했습니다. Marketplace Relief라고 하는 추천 엔진의 첫 번째 버전은 코로나바이러스 팬데믹으로 인한 경기 침체 속에서 금융 불안정을 완화하기 위해 출시되었습니다. 고객 요구 사항에 맞게 관련 심사를 거친 제품 및 서비스를 필터링하기 위한 기준이 만들어졌습니다. 예를 들어, 저축을 늘리고 신용을 개선해야 한다면 추천 엔진은 저축 및 신용 상품 및 서비스를 추천할 것입니다.

시스템은 잘 작동했지만 접근 방식이 제한적이었습니다. "저희의 오리지널 추천 엔진은 특정 장소와 특정 시점의 소규모 코치 그룹에 의해 설계되었습니다."라고 Change Machine의 제품 개발 담당 이사인 David Bautista는 말합니다. "지식의 범위와 추천할 수 있는 제품의 범위를 넓히기 위해 우리는 추천 엔진이 그 과정에서 자체적으로 업데이트될 수 있기를 원했습니다."

추천 규정은 또 다른 우려를 불러일으켰습니다. 제품 개발 담당 부인 책임자Robert Zarate-Morales는 "코치들은 전문 지식과 고객과의 업무 경험을 바탕으로 규칙을 정했지만, 고객이 가장 많이 사용하는 서비스와 일반적인 재무 상황에 따라 필요한 추가 임계값 등 시스템에 저장된 고객 데이터를 활용하는 방법도 알지 못했습니다"라고 말합니다. "데이터를 사용하면 고객의 요구 사항에 대한 더 나은 통찰력을 얻을 수 있습니다."

또한, 추천 엔진은 고객이 추천 제품 및 서비스를 수락하거나 거부하는지 여부(기능의 영향을 나타냄)를 고려하지 않았습니다.

개발은 6주 동안 세 번의 민첩한 스프린트로 이루어진 IBM 데이터 과학 및 AI 엘리트 참여 방법론을 사용하여 빠르게 진행되었습니다:

• 첫 2주간의 스프린트에서 개발자들은 Change Machine을 사용하여 모든 소스에 연결된 데이터를 이해했습니다.
• 두 번째 스프린트에서는 데이터가 실제로 예측을 할 수 있는지 알아보기 위한 기본 기계 학습 모델을 개발하는 데 중점을 두었습니다.
• 세 번째 스프린트는 모델을 성공적으로 완성하여 새로운 기능으로 보강하여 프로덕션에 배포했습니다.

다음으로, 재무 코치가 고객과 함께 사용하는 Salesforce 앱에 모델이 통합되었습니다. IBM 팀은 또한 관리 대시보드 개발 시 Change Machine 팀을 지원했습니다. 그리고 견습 협업의 일환으로 IBM은 앞으로도 계속 사용할 데이터 전략 및 AI 도구에 대한 지식을 Change Machine 팀에 이전했습니다.

"IBM과의 협력을 통해 우리는 새로운 방식으로 데이터를 활용하는 방법과 기계 학습 모델을 생성하고 관리하기 위한 프레임워크를 구축하는 방법을 배웠습니다."라고 Bautista는 말합니다. "이 프로젝트는 또한 고급 클라우드 솔루션에 참여하는 발판이 되었으며, 이전에는 기껏해야 몇 년 후의 일이라고 생각했던 AI의 실제 애플리케이션을 배포하는 데 도움이 되었습니다."