Cúpula AI Finanças da Artefact 17 de setembro de 2024 - Paris
Principais conclusões do painel de discussão com Laure Lesage, diretora Data digital da ODDO BHF, Lydie Percier, diretora de inovação da Indosuez Wealth Management, e Alexis Baufine-Ducrocq, sócio da Artefact.
AI setor de private banking: aplicações atuais e estratégias
A banca privada é uma vertente profundamente pessoal dos serviços financeiros, e ambos os bancos discutiram suas AI . Tendo iniciado sua jornada AI 2018, um dos bancos lançou um fundo de investimento AI e utilizou algoritmos para serviços de corretagem direcionados. O outro começou com o NLP para resumir reports gestores de ativos e agora está testando casos de uso de IA gerativa, como tradução, conversão de voz em texto e data .
Casos de uso promissores no setor de private banking
Ambos os bancos têm explorado diversas AI de AI . Um dos principais focos é capacitar a equipe de atendimento ao cliente para otimizar reuniões, gerenciar as atividades dos clientes e fornecer listas de tarefas personalizadas. AI os funcionários do setor bancário AI lidar com procedimentos complexos, liberando-os para dedicar mais tempo aos clientes. No entanto, o desafio reside em equilibrar casos de uso de alto impacto com a viabilidade operacional, garantindo um apoio significativo à equipe sem complicar excessivamente os fluxos de trabalho diários.
AI à gestão de relacionamentos
A confiança e a personalização são fundamentais na gestão de patrimônio. Em vez de substituir as interações humanas, AI para aprimorar a capacidade dos profissionais bancários de atender os clientes de forma eficaz. Ao começar com ferramentas internas — como chatbots integrados a sistemas de CRM —, os profissionais bancários recebem informações úteis sobre os clientes para melhorar a tomada de decisões. Ambos os bancos veem AI uma ferramenta para complementar, e não substituir, as relações personalizadas com os clientes, que são cruciais para o setor de private banking.
Equilibrando inovação e retorno sobre o investimento
Demonstrar o retorno sobre o investimento em AI é complexo, mas ambos os bancos enfatizam a agilidade. A estratégia envolve investimentos rápidos e de pequeno porte com validação imediata, minimizando riscos e gerando confiança junto aos patrocinadores. Um dos bancos adotou design sprints para validar conceitos antes de realizar grandes investimentos, enquanto ambos estão convencidos de que AI um impacto significativo no setor. No entanto, eles evitam tirar conclusões precipitadas, concentrando-se nos ganhos a longo prazo.
Desafios relacionados à expansão e ao desenvolvimento de competências
A industrialização e a ampliação AI continuam sendo um desafio. Sistemas legados, pilhas tecnológicas em constante evolução e novos requisitos de qualificação em data e AI obstáculos. Ambos os bancos investem na contratação de talentos especializados, como data e especialistas em aprendizado de máquina, ao mesmo tempo em que aprimoram as competências dos funcionários atuais para garantir a continuidade. Apesar do apoio da administração, comprovar que esses investimentos são acertados é fundamental para obter um apoio mais amplo às iniciativas AI.
Garantir a aceitação e a confiança dos usuários
Um banco promove a adoção criando ambientes tranquilos para que os funcionários explorem AI, começando por casos de uso gerais antes de passar para aplicações mais específicas. O objetivo é ajudar os funcionários a perceberem o valor AI à sua vida profissional. No treinamento, são encenados cenários para mostrar como AI auxiliar na captação de clientes e em outras tarefas. O segundo banco enfatiza o envolvimento da liderança, treinando a alta administração em AI, promovendo AI data AI e organizando regularmente eventos de conscientização para compartilhar histórias de sucesso e facilitar o aprendizado. Os bancos priorizam diferentes níveis de treinamento — tanto de base ampla quanto voltados para especialistas — para construir confiança e promover a adoção entre os funcionários.

BLOG





