IBM, CREDIT AGRICOLE & BNP PARIBAS bei AI for Finance by Artefact - Generative AI, ein neuer Hebel für die operative Leistung

Zu Beginn des Rundtischgesprächs wurde die Rolle der KI bei der Verbesserung der betrieblichen Effizienz, der Schaffung von Werten und der Messung der Auswirkungen erörtert. Ziel war es, Strategien, Erfolgsfaktoren und Herausforderungen bei der Implementierung von KI zu erkunden, wobei der Schwerpunkt auf praktischen Anwendungsfällen und deren messbaren Ergebnissen lag. Zu den Rednern gehörten führende Vertreter von BNP Paribas, IBM und anderen Finanz- und Technologiesektoren, die alle ihre Erkenntnisse mit uns teilten.

Su Yang betonte, dass KI für die Geschäftsstrategie der Bank von zentraler Bedeutung ist. Um die Auswirkungen von KI zu verfolgen, verwendet die Bank drei Arten von Metriken: finanzielle (Kosteneinsparungen, ROI), wahrnehmungsbezogene (Benutzerzufriedenheit, Net Promoter Score) und nutzungsbezogene (z. B. Häufigkeit der Nutzung von KI-Tools). Die Einbeziehung aller relevanten Stakeholder, einschließlich der Geschäftsinhaber und IT-Experten, in die Verfolgung dieser Kennzahlen gewährleistet ein umfassendes Verständnis der Auswirkungen von KI auf das Unternehmen.

Eine ergänzende Perspektive unterstrich die Bedeutung von Fokus und Engagement der Führung. Die Bank hat mehr als 30 Anwendungsfälle für KI priorisiert, die jeweils von einem Mitglied der Geschäftsleitung überwacht werden. Dadurch wird sichergestellt, dass die Wertschöpfung mit den Geschäftszielen übereinstimmt, unabhängig davon, ob es sich um kundenorientierte Abläufe, Effizienzsteigerungen oder Umsatzwachstum handelt. Die Führung spielt eine entscheidende Rolle dabei, die Dynamik aufrechtzuerhalten und den Erfolg zu messen.

Obwohl IBM ein Tech-Gigant ist, setzt das Unternehmen KI auch intern ein, um die Effizienz zu steigern, und stimmt damit mit seinen externen KI-Angeboten überein. Das Unternehmen verfolgt einen strukturierten Ansatz zur Verbesserung seiner Prozesse, beginnend mit Benchmarking und der Zusammenstellung funktionsübergreifender Teams zur Rationalisierung von Arbeitsabläufen. So bearbeitet das KI-gestützte Kundensupportsystem jetzt 70% Anfragen selbstständig, während das KI-System für die Beschaffung 26.000 Stunden pro Jahr einspart, indem es einen schnelleren Zugriff auf wichtige Informationen ermöglicht.

BNP Paribas präsentierte einen bemerkenswerten Anwendungsfall aus dem Bereich der Betrugsaufdeckung, einem Bereich, in dem KI signifikante Ergebnisse geliefert hat. KI hilft dabei, die Komplexität der sich entwickelnden Betrugstaktiken zu bewältigen und bietet Lösungen, die sich schnell anpassen und die betriebliche Effizienz verbessern. Über die Betrugsprävention hinaus dürfte generative KI die Effizienz weiter steigern, indem sie die Entwickler unterstützt und die Personalisierung der Kunden im Bankwesen verbessert.

Zu den wichtigsten Herausforderungen bei der Einführung von KI gehört es, die Zusammenarbeit zwischen Unternehmen, IT und data Wissenschaftsteams von Anfang an sicherzustellen. Geeignete Metriken sind für die Priorisierung von Projekten und die Messung ihrer Auswirkungen unerlässlich, während ausreichende Investitionen und Ehrgeiz für den Erfolg notwendig sind. Die Weiterbildung der Mitarbeiter und die Konzentration auf die Benutzerakzeptanz sind ebenfalls von entscheidender Bedeutung, damit KI-Projekte einen echten Mehrwert liefern und Implementierungsblockaden vermieden werden.

Die Diskussion schloss mit Überlegungen zu den weitergehenden Auswirkungen der KI, einschließlich Nachhaltigkeit, Vertrauen, Inklusivität und europäischer Souveränität. Die Verringerung des ökologischen Fußabdrucks von KI, die Gewährleistung ethischer Praktiken, die Förderung von Vielfalt und die Anpassung an europäische Werte wurden als entscheidend für den verantwortungsvollen Einsatz von KI hervorgehoben. Das Engagement von IBM, kleinere, energieeffizientere Modelle zu verwenden, ist ein Beispiel dafür, wie Technologieunternehmen diese Probleme angehen.