IBM, CREDIT AGRICOLE e BNP PARIBAS no evento AI Finance” da Artefact AI generativa, uma nova alavanca para o desempenho operacional

A mesa redonda teve início com uma introdução para discutir o papel AIna melhoria da eficiência operacional, na criação de valor e na medição do impacto. O objetivo era explorar estratégias, fatores de sucesso e desafios na implementação AI, com foco especial em casos de uso práticos e seus resultados mensuráveis. Entre os palestrantes estavam líderes do BNP Paribas, da IBM e de outros setores financeiros e tecnológicos, cada um compartilhando suas percepções.

Su Yang destacou que AI fundamental para a estratégia de negócios do banco. Para acompanhar o impacto AI, o banco utiliza três tipos de métricas: financeiras (economia de custos, ROI), de percepção (satisfação do usuário, Net Promoter Score) e de uso (por exemplo, frequência de utilização AI ). O envolvimento de todas as partes interessadas relevantes, incluindo responsáveis de negócios e profissionais de TI, no acompanhamento dessas métricas garante uma compreensão completa dos efeitos AIna organização.

Uma perspectiva complementar destacou a importância do foco e do compromisso da liderança. O banco priorizou mais de 30 casos de uso de AI, cada um supervisionado por um membro do comitê executivo. Isso garante que a geração de valor esteja alinhada com os objetivos de negócios, sejam eles relacionados a operações de atendimento ao cliente, melhorias de eficiência ou crescimento da receita. A liderança desempenha um papel crucial na manutenção do ímpeto e na avaliação do sucesso.

A IBM, apesar de ser uma gigante da tecnologia, também utiliza AI para aumentar a eficiência, em consonância com suas AI externas AI . A empresa adota uma abordagem estruturada para melhorar seus processos, começando pela análise comparativa e pela formação de equipes multifuncionais para otimizar os fluxos de trabalho. Por exemplo, seu sistema de atendimento ao cliente AI agora lida com 70% das consultas de forma autônoma, enquanto seu AI de compras AI economizou 26.000 horas por ano ao proporcionar acesso mais rápido a informações essenciais.

O BNP Paribas compartilhou um caso de uso notável na detecção de fraudes, uma área em que AI apresentado resultados significativos. AI lidar com a complexidade das táticas de fraude em constante evolução, oferecendo soluções que se adaptam rapidamente e aumentam a eficiência operacional. Além da prevenção de fraudes, AI generativa impulsione ainda mais a eficiência, auxiliando os desenvolvedores e melhorando a personalização para os clientes no setor bancário.

Os principais desafios na AI incluem garantir a colaboração entre as equipes de negócios, TI e data desde o início. Métricas adequadas são essenciais para priorizar projetos e medir seu impacto, enquanto investimentos suficientes e ambição são necessários para alcançar o sucesso. A capacitação dos funcionários e o foco na adoção pelos usuários também são fundamentais para que AI gerem valor real e evitem obstáculos na implementação.

O debate foi encerrado com reflexões sobre os impactos mais amplos da AI, incluindo sustentabilidade, confiança, inclusão e soberania europeia. A redução da pegada ambiental da AI, a garantia de práticas éticas, a promoção da diversidade e o alinhamento com os valores europeus foram destacados como elementos cruciais para a implantação responsável da AI. O compromisso da IBM com o uso de modelos menores e mais eficientes em termos energéticos é um exemplo de como as empresas de tecnologia estão lidando com essas questões.