IBM, CREDIT AGRICOLE und BNP PARIBAS auf AI Finance by Artefact Generative AI, ein neuer Hebel für die operative Leistungsfähigkeit

Zu Beginn der Diskussionsrunde wurden die Rahmenbedingungen für die Erörterung der Rolle AIbei der Steigerung der betrieblichen Effizienz, der Wertschöpfung und der Wirkungsmessung geschaffen. Ziel war es, Strategien, Erfolgsfaktoren und Herausforderungen bei der Implementierung AI zu untersuchen, wobei der Schwerpunkt insbesondere auf praktischen Anwendungsfällen und deren messbaren Ergebnissen lag. Zu den Referenten gehörten Führungskräfte von BNP Paribas, IBM sowie aus anderen Bereichen der Finanz- und Technologiebranche, die jeweils ihre Erkenntnisse teilten.

Su Yang betonte, dass AI im Mittelpunkt der Geschäftsstrategie der Bank AI . Um die Auswirkungen AIzu erfassen, nutzt die Bank drei Arten von Kennzahlen: finanzielle (Kosteneinsparungen, ROI), wahrnehmungsbezogene (Nutzerzufriedenheit, Net Promoter Score) und nutzungsbezogene (z. B. Häufigkeit der Nutzung AI ). Die Einbeziehung aller relevanten Interessengruppen, einschließlich Geschäftsverantwortlicher und IT-Fachleute, in die Erfassung dieser Kennzahlen gewährleistet ein umfassendes Verständnis der Auswirkungen AIauf das Unternehmen.

Eine ergänzende Perspektive unterstrich die Bedeutung von Fokussierung und Engagement der Führungsebene. Die Bank hat mehr als 30 Anwendungsfälle für AI priorisiert, die jeweils von einem Mitglied des Vorstands betreut werden. Dadurch wird sichergestellt, dass die Wertschöpfung auf die Unternehmensziele abgestimmt ist, sei es im Bereich des Kundenkontakts, bei Effizienzsteigerungen oder beim Umsatzwachstum. Die Führungsebene spielt eine entscheidende Rolle dabei, die Dynamik aufrechtzuerhalten und den Erfolg zu messen.

Obwohl IBM ein Technologiegigant ist, nutzt das Unternehmen AI auch AI zur Steigerung der Effizienz, was im Einklang mit seinen externen AI steht. Das Unternehmen verfolgt einen strukturierten Ansatz zur Verbesserung seiner Prozesse, der mit Benchmarking beginnt und die Bildung funktionsübergreifender Teams zur Optimierung von Arbeitsabläufen umfasst. So bearbeitet beispielsweise das AI Kundensupport-System mittlerweile 70 % der Anfragen autonom, während das AI im Beschaffungswesen durch den schnelleren Zugriff auf wichtige Informationen jährlich 26.000 Stunden einsparte.

BNP Paribas stellte einen bemerkenswerten Anwendungsfall im Bereich der Betrugserkennung vor, einem Bereich, in dem AI bedeutende Ergebnisse erzielt AI . AI die Komplexität sich ständig weiterentwickelnder Betrugstaktiken zu bewältigen, indem sie Lösungen bietet, die sich schnell anpassen und die betriebliche Effizienz steigern. Über die Betrugsprävention hinaus AI erwartet, dass generative AI die Effizienz weiter steigern wird, indem sie Entwickler unterstützt und die Personalisierung im Bankwesen verbessert.

Zu den wichtigsten Herausforderungen bei AI gehört es, von Anfang an die Zusammenarbeit zwischen den Teams aus den Bereichen Business, IT und data sicherzustellen. Geeignete Kennzahlen sind unerlässlich, um Projekte zu priorisieren und ihre Wirkung zu messen, während ausreichende Investitionen und ehrgeizige Ziele für den Erfolg unerlässlich sind. Die Weiterbildung der Mitarbeiter und die Fokussierung auf die Akzeptanz durch die Nutzer sind ebenfalls entscheidend, damit AI einen echten Mehrwert liefern und Hindernisse bei der Umsetzung vermieden werden.

Die Diskussion endete mit Überlegungen zu den weiterreichenden Auswirkungen der AI, darunter Nachhaltigkeit, Vertrauen, Inklusion und europäische Souveränität. Die Verringerung des ökologischen Fußabdrucks der AI, die Gewährleistung ethischer Praktiken, die Förderung von Vielfalt und die Ausrichtung an europäischen Werten wurden als entscheidend für einen verantwortungsvollen Einsatz der AI hervorgehoben. Das Engagement von IBM für den Einsatz kleinerer, energieeffizienterer Modelle ist ein Beispiel dafür, wie Technologieunternehmen diesen Anliegen Rechnung tragen.