BBVA na ChatGPT: Somo kwa Fintech za Kenya

Benki kubwa ikiamua “kudouble down” kwenye ChatGPT, hiyo si habari ya teknolojia tu—ni ishara ya mwelekeo wa ushindani. BBVA (moja ya benki kubwa Ulaya na Amerika ya Kusini) imeonyesha wazi kuwa AI ya mazungumzo si jaribio la pembeni; ni sehemu ya mkakati wa kazi, huduma kwa wateja, na uzalishaji wa maudhui.

Kwa Kenya, ambako malipo ya simu na fintech zimekuwa “default” kwa watumiaji wengi, somo hapa ni rahisi: AI inahamia kutoka ‘nice-to-have’ hadi ‘must-have’. Ukiendesha wallet, mikopo ya kidijitali, remittance, au mfumo wa kulipa kwa QR/USSD, unashindana kwenye vitu vitatu—kasi, uaminifu, na uzoefu wa mteja. Akili bandia ndiyo njia fupi ya kuboresha vyote vitatu bila kuongeza gharama kwa kiwango kilekile.

Post hii ni sehemu ya mfululizo wetu wa “Jinsi Akili Bandia Inavyoendesha Sekta ya Fintech na Malipo ya Simu Nchini Kenya”. Tutaunganisha kilichotokea BBVA na OpenAI na hatua za vitendo ambazo fintech na mobile money platforms Kenya zinaweza kuchukua—hasa kwenye customer engagement, content creation, na user experience kwenye uchumi unaoendeshwa na simu.

Kwa nini muungano wa BBVA na OpenAI ni ujumbe kwa sekta nzima

Muhtasari wa maana yake: benki kubwa zinaweka AI kwenye mshipa wa biashara, si kwenye maabara. Hata kama makala ya RSS haikutoa maelezo ya ndani (ukurasa uli-block), kichwa chenyewe kinaonyesha mkondo unaoonekana kimataifa: taasisi kubwa zinachagua ushirikiano wa moja kwa moja na watoa AI badala ya kutengeneza kila kitu ndani.

Hii ina maana mbili muhimu kwa Kenya:

1. AI governance na usalama sasa ni sehemu ya “operational excellence.” Ukicheza na data ya fedha, huwezi “kujaribu tu” bila sera, ufuatiliaji, na mipaka.
2. Ushirikiano ni mkakati, si udhaifu. Fintech ndogo inaweza kuwa na kasi kuliko benki, lakini mara nyingi haina rasilimali za kujenga LLM kutoka mwanzo. Kushirikiana na mtoa AI (au kutumia modeli za kibiashara zenye udhibiti) ni njia ya kushindana kwa haraka.

Kwa maneno mengine: kama BBVA wanaona thamani ya kupanua matumizi ya ChatGPT, basi fintech ya Kenya inapaswa kujiuliza, “Tunaacha faida gani mezani kwa kuchelewa?”

Matumizi 5 ya ChatGPT/LLM ambayo yanafaa Kenya (mobile-first)

Jibu la moja kwa moja: LLM zinapunguza msuguano (friction) kati ya mteja na huduma ya kifedha. Kenya ina mchanganyiko wa smartphone + USSD + WhatsApp + call center. Hapo ndipo AI ya mazungumzo inang’aa.

1) Customer support: kutoka “tickets” hadi mazungumzo

Badala ya mteja kusukumwa kwenye menu ndefu au kusubiri agent, chatbot iliyo na akili inaweza:

• Kujibu maswali ya kawaida (kikomo cha miamala, ada, muda wa reversal)
• Kuelekeza mteja hatua kwa hatua (kwa Kiswahili na Sheng pale inapofaa)
• Kukusanya taarifa kabla ya kuhamisha kwa agent (mfano: namba ya kumbukumbu ya muamala)

Kipimo cha mafanikio: pima containment rate (asilimia ya maombi yanayomalizwa na bot), AHT (average handling time), na CSAT.

2) Uzalishaji wa maudhui ya elimu ya fedha (financial literacy) kwa wingi

Fintech nyingi Kenya huumia hapa: maudhui ya elimu ya bidhaa (mikopo, akiba, bima) yanaandikwa polepole, au yanaandikwa “kisheria” hadi hayaeleweki.

LLM inaweza kusaidia kuandaa:

• SMS/Push sequences za onboarding
• Script za video fupi (TikTok/Instagram Reels)
• Maswali na majibu ya “help center”
• Maelezo rahisi ya ada, riba, na masharti

Nimeshuhudia kampuni zikiongeza kasi ya uzalishaji wa maudhui kwa zaidi ya mara 3 kwa kuunganisha AI na mchakato wa uhariri wa binadamu. Siri ni kuweka brand voice na “do-not-say list” ili usipoteze uaminifu.

3) UX ya malipo ya simu: “assistants” ndani ya app

Kwenye app ya wallet au malipo ya biashara, mteja anahitaji msaada wakati wa kufanya:

• Kulipa bili
• Kutuma pesa
• Kupata risiti
• Kurekebisha makosa ya namba

Badala ya kuelekeza kwenye FAQ, weka “assistant” anayeweza kusema: “Nimeona umekosea tarakimu 1, unamaanisha huyu contact wako wa kawaida?”

Hapa kuna faida ya moja kwa moja: kupungua kwa makosa ya miamala na malalamiko, na kuongezeka kwa miamala iliyokamilika.

4) Ulinzi dhidi ya ulaghai (fraud) unaoeleweka na mteja

Ulinzi wa ulaghai si tu kugundua “anomaly”—ni kuelezea kwa mteja kwa lugha rahisi bila kumkera.

AI inaweza kuunda maelezo ya tahadhari kama:

• “Jaribio la kuingia limeonekana kutoka kifaa kipya; thibitisha kwa PIN/biometrics.”
• “Muamala huu unaendana na muundo wa utapeli unaojulikana; tumeusitisha kwa dakika 10 kwa usalama.”

Kwa Kenya, ambapo scams za social engineering ni nyingi, ujumbe unaoeleweka unazuia “churn” zaidi kuliko warning ya kitalaamu isiyoeleweka.

5) Uuzaji na mawasiliano: ujumbe mmoja, lugha nyingi, segment nyingi

Kenya ni soko lenye mchanganyiko wa lugha na “contexts”. LLM zinaweza kusaidia kuandika:

• Ujumbe wa promo kwa segments tofauti (wafanyabiashara, waajiriwa, wanafunzi)
• Ujumbe wa kumbusho la malipo kwa lugha laini (usiharibu relationship)
• Ujumbe wa msimu (Desemba: travel, sherehe, back-to-school) bila kukwama kwenye templates zilezile

Desemba 2025, watu wanatumia zaidi kwenye safari na matumizi ya msimu. Fintech inayoweza kuwasiliana kwa wakati, kwa lugha sahihi, na kwa tone sahihi, inachukua soko.

Mkakati wa “AI partnership” ambao fintech za Kenya zinaweza kuiga

Jibu la moja kwa moja: usiweke LLM kwenye mfumo wako bila mkakati wa data, compliance, na ROI. BBVA kuonyesha nia ya ushirikiano na OpenAI inasisitiza umuhimu wa muundo wa kibiashara unaodhibitiwa.

Anza na kesi za matumizi zenye ROI iliyo wazi

Chagua 2–3 tu kwa wiki 8–12 za kwanza:

1. Chatbot ya huduma kwa wateja (maswali 20 ya juu)
2. Content studio (FAQs + onboarding messages)
3. Agent assist kwa call center (muhtasari wa mazungumzo, mapendekezo ya majibu)

Kila moja iwe na KPI 2–3. Ukikosa kipimo, utaishia “AI theatre.”

Jenga “guardrails” kabla hujaongeza matumizi

Hizi guardrails ndizo zinazoleta tofauti kati ya benki/fintech zinazoaminika na zinazoleta drama:

• Data minimization: usitume data zaidi ya inayohitajika
• PII redaction: ficha majina, namba, kitambulisho kwenye prompt
• Approved knowledge base: bot ijibu kutokana na taarifa zilizothibitishwa
• Human-in-the-loop: maombi magumu yaende kwa agent
• Audit logs: kila jibu liwe na kumbukumbu kwa uchunguzi

Kwa bidhaa za mikopo ya kidijitali, “hallucination” moja kuhusu riba au ada inaweza kuharibu uaminifu kwa mwezi mzima.

Tumia modeli kwa njia inayolingana na miundombinu ya Kenya

Kenya si “app only.” Kuna USSD, SMS, WhatsApp, na call centers.

• Kwa USSD/SMS: tumia AI nyuma ya pazia kuandaa majibu mafupi na sahihi
• Kwa WhatsApp: conversational flows zenye uthibitisho wa hatua (step confirmation)
• Kwa call center: agent-assist badala ya bot kuchukua kila kitu

Maswali ambayo viongozi wa fintech Kenya wanapaswa kuuliza (na majibu ya vitendo)

“AI itapunguza gharama zetu kwa kiasi gani?”

Jibu la vitendo: anza kwa kupunguza mzigo wa maswali ya kawaida. Kama 40% ya tickets ni “status ya muamala” na “reversal,” bot ikishughulikia hata nusu yake, unaokoa muda wa agents na unapunguza foleni. Hapo ROI huonekana mapema.

“Tutaaminikaje kama AI inakosea?”

Jibu: usiache AI iwe ‘source of truth’. Iwe interface inayotumia knowledge base iliyothibitishwa. Kwa masuala ya fedha, bot iseme “Haya ndiyo masharti kwenye akaunti yako” ikiwa imetoka kwenye mfumo wa ndani, si kubuni.

“Tunaanzia wapi kama hatuna timu kubwa ya data?”

Jibu: anza na timu ndogo ya cross-functional: mtu wa product, mtu wa customer experience, mtu wa compliance, na engineer mmoja. Weka wiki 2 za “prompt + knowledge base sprint” halafu pilot.

Sentensi ya kukumbuka: Ukisubiri timu kamili ya AI, utachelewa. Ukianza bila compliance, utajuta.

Ramani ya siku 30: hatua za haraka za kuanza (bila kelele)

Jibu la moja kwa moja: siku 30 zinatosha kuonyesha “before vs after” kwenye huduma na maudhui.

1. Siku 1–5: chagua use case, weka KPIs, na orodha ya maswali 20 ya juu
2. Siku 6–12: tengeneza knowledge base (FAQs sahihi, ada, sera za reversal)
3. Siku 13–18: jenga chatbot/agent-assist ya majaribio ndani ya mazingira ya majaribio
4. Siku 19–24: test kwa wafanyakazi (internal), rekebisha tone na makosa
5. Siku 25–30: pilot kwa asilimia ndogo ya watumiaji, pima CSAT na containment

Ukitaka leads (wateja wapya), ongeza mguu mmoja: AI-driven onboarding messages zinazobinafsishwa kwa tabia ya mtumiaji (mfano: amejaribu kulipa bili mara 2 lakini hakukamilisha).

Uhalisia wa ushindani: Kenya itaona “AI gap” kama ilivyo kwa 4G na mobile apps

BBVA kuwekeza zaidi kwenye ChatGPT ni ishara kwamba pengo kati ya wanaotumia AI na wasiotumia litapanuka. Kenya tayari ilishuhudia “gap” kama hiyo wakati baadhi ya watoa huduma walichelewa kuhamia kwenye experiences za smartphone, au walichelewa kuboresha UX ya onboarding.

Kwa fintech na mobile money platforms, AI si mradi wa IT pekee. Ni mradi wa mapato, uaminifu, na operesheni. Ukitumia akili bandia kuandika maudhui bora, kujibu wateja haraka, na kupunguza makosa ya miamala, unaongeza retention bila kuongeza bajeti ya support kwa kiwango kilekile.

Mwisho wa mwaka unapokaribia na matumizi ya msimu yakiwa juu, hii ndiyo timing nzuri ya kuanzisha pilot ndogo yenye KPI. Ukiweza kuthibitisha thamani ndani ya robo moja, utakuwa mbele kabla ushindani haujaanza kukufukuza.

Swali la kuondoka nalo: fintech yako ikipewa siku 30 tu, ni eneo gani moja—support, onboarding, au content—litaonyesha faida kubwa zaidi kwa wateja wako?