ODDO BHF & INDOSUEZ WEALTH MANAGEMENT auf AI für Finanzen von Artefact - AI für Private Banking & Finanzdienstleistungen

Private Banking ist ein zutiefst persönlicher Aspekt von Finanzdienstleistungen, und beide Banken erörterten ihre AI -Entwicklung. Die eine Bank begann 2018 mit AI , legte einen AI-gestützten Investmentfonds auf und nutzte Algorithmen für gezieltes Brokerage. Die andere Bank begann mit NLP, um reports für Vermögensverwalter zusammenzufassen, und erprobt nun GenAI-Anwendungsfälle wie Übersetzung, Sprache-zu-Text und data Abfragen.

Beide Banken haben eine Vielzahl von AI Anwendungen erforscht. Ein Hauptaugenmerk liegt auf der Unterstützung der Mitarbeiter im Front Office, um Besprechungen zu rationalisieren, Kundenaktivitäten zu verwalten und personalisierte Aufgabenlisten bereitzustellen. AI hilft den Bankern, komplexe Verfahren zu durchschauen, damit sie mehr Zeit für die Kunden haben. Die Herausforderung besteht jedoch darin, ein Gleichgewicht zwischen hochwirksamen Anwendungsfällen und der betrieblichen Machbarkeit zu finden, um eine sinnvolle Unterstützung der Mitarbeiter zu gewährleisten, ohne die täglichen Arbeitsabläufe zu verkomplizieren.

Vertrauen und Personalisierung sind in der Vermögensverwaltung unerlässlich. Anstatt menschliche Interaktionen zu ersetzen, dient AI dazu, die Fähigkeiten der Banker zur effektiven Kundenbetreuung zu verbessern. Durch den Einsatz interner Tools - wie Chatbots, die in CRM-Systeme integriert sind - erhalten die Bankangestellten verwertbare Erkenntnisse über ihre Kunden und können so ihre Entscheidungsfindung verbessern. Beide Banken sehen AI als ein Werkzeug, das die persönlichen Kundenbeziehungen, die für das Private Banking so wichtig sind, ergänzt und nicht ersetzt.

Der Nachweis der Investitionsrentabilität für AI Projekte ist komplex, aber beide Banken legen Wert auf Flexibilität. Die Strategie beinhaltet schnelle, kleine Investitionen mit schneller Validierung, die das Risiko minimieren und das Vertrauen der Sponsoren stärken. Eine Bank hat Design-Sprints eingeführt, um Konzepte vor großen Investitionen zu validieren, und beide sind davon überzeugt, dass AI erhebliche Auswirkungen auf die Branche haben wird. Sie vermeiden es jedoch, vorschnelle Schlüsse zu ziehen und konzentrieren sich auf langfristige Gewinne.

Die Industrialisierung und Skalierung von AI Technologien bleibt eine Herausforderung. Veraltete Systeme, sich entwickelnde Technologiepakete und neue Qualifikationsanforderungen in data analytics und AI stellen Hürden dar. Beide Banken investieren in die Einstellung von Fachkräften wie data Ingenieuren und ML-Experten, während sie gleichzeitig ihre derzeitigen Mitarbeiter weiterbilden, um die Kontinuität zu wahren. Trotz der Unterstützung durch das Management ist der Nachweis, dass diese Investitionen richtig sind, von entscheidender Bedeutung, um eine breitere Unterstützung für AI-gesteuerte Initiativen zu gewinnen.

Eine Bank fördert die Akzeptanz, indem sie eine stressfreie Umgebung für Bankangestellte schafft, in der sie AI erkunden können, wobei sie mit allgemeinen Anwendungsfällen beginnt, bevor sie zu spezifischeren Anwendungen übergeht. Ziel ist es, den Bankern zu zeigen, welchen Wert AI für ihr Berufsleben hat. Für die Schulung werden Szenarien in Rollenspielen durchgespielt, um zu zeigen, wie AI bei der Kundenakquise und anderen Aufgaben helfen kann. Die zweite Bank legt den Schwerpunkt auf die Einbindung von Führungskräften, die Schulung des Top-Managements zu AI, die Förderung von data und AI Communities und die regelmäßige Veranstaltung von Sensibilisierungsveranstaltungen, um Erfolgsgeschichten zu teilen und das Lernen zu erleichtern. Die Banken setzen auf verschiedene Schulungsebenen - sowohl auf breiter Basis als auch mit Fokus auf Experten - um Vertrauen und Akzeptanz bei den Mitarbeitern zu schaffen.