Eröffnungsvortrag: AI in Financial Services: Wichtige Markttrends und Einblicke für 2024 von ARTEFACT

Vor sechzehn Jahren schienen Investitionen in traditionelle Finanzinstitute eine sichere Sache zu sein. Der rasante Aufstieg von AI hat jedoch bewiesen, dass die Technologie selbst die etabliertesten Banken überflügeln kann. In den letzten Jahren hat AI die Finanzlandschaft erheblich verändert, von der Verbesserung der Betrugserkennung durch maschinelles Lernen bis hin zur Effizienzsteigerung des algorithmischen Handels. Der bemerkenswerteste Sprung erfolgte in den letzten zwei Jahren mit der generativen AI (GenAI), die es nun Technologien ermöglicht, bei Kundeninteraktionen Empathie zu zeigen - ein zuvor unvorstellbarer Meilenstein.

Trotz des Durchbruchs bei den Möglichkeiten von AI und der sinkenden Kosten skalieren nur etwa 10 % der Finanzunternehmen ihre AI Initiativen erfolgreich. Die meisten Anwendungen beschränken sich auf die Integration von Tools wie ChatGPT oder Copilot in bestehende Prozesse, was zu Schwierigkeiten bei der Messung der Investitionsrendite, der Kostensenkung oder der Steigerung der Kundenzufriedenheit führt. Es stellt sich die Frage: Welche Hindernisse stehen dem erfolgreichen Einsatz von AI im Wege, und wie können diese überwunden werden?

Die Lösung für die Herausforderungen von AI liegt in TIME - ein Akronym für Transformation, Integration, Messung und Empowerment.

Um greifbare Ergebnisse zu erzielen, muss man sich auf eine umfassende Umgestaltung des Unternehmens konzentrieren, die auf die Strategie und die Prioritäten der Gruppe abgestimmt ist. Die Umgestaltung muss durchgängig sein und darf sich nicht auf das Hinzufügen von Technologien zu bestehenden Prozessen beschränken. Die Optimierung der Servicekosten könnte beispielsweise bedeuten, dass an den Back-Office-Prozessen gearbeitet wird, während eine umsatzorientierte Transformation auf Vertriebsmodelle und Kundenkanäle abzielen könnte. Der Schlüssel liegt darin, zu entscheiden, wo der Wert liegt, und sich voll zu engagieren.

Altsysteme im Finanzdienstleistungssektor bilden häufig Silos, was den data und die Qualitätskontrolle erschwert. Die cloud und der Betrieb vor Ort sind selten vollständig integriert. Der Fokus sollte über die Infrastruktur hinausgehen und sicherstellen, dass die Modelle vollständig in die data und die Geschäftsprozesse eingebettet sind. Die Nutzung von "LLMOps" - ein Konzept, das mit DevOps vergleichbar ist, aber auf große Sprachmodelle zugeschnitten ist - ist entscheidend für die effektive Integration von AI in das bestehende Ökosystem.

Das Paradigma hat sich von der Ausbildung von Modellen hin zur Messung ihrer Auswirkungen und ihrer Abweichung verschoben. Die Modellentwicklung wird immer mehr zur Massenware, aber die Überwachung ihrer Leistung bei der Betrugserkennung, der Kapitalzuweisung und der Kundeninteraktion ist von größter Bedeutung. Ein robuster Messrahmen umfasst die Beobachtung von Problemen, die Quantifizierung und das Verständnis von Problemen sowie die Überwachung der Auswirkungen des Modells auf das Geschäft, um eine kontinuierliche Verbesserung zu gewährleisten.

AIDer wahre Wert des Programms liegt in den Menschen. Der Erfolg der Einführung von AI hängt von der Befähigung und Schulung der Mitarbeiter an der Front ab. Echte Produktivitätssteigerungen können nur erzielt werden, wenn die Mitarbeiter aktiv einbezogen und geschult werden und bereit sind, die Tools von AI zu übernehmen. Daher muss sichergestellt werden, dass die Mitarbeiter, die am nächsten an den Abläufen beteiligt sind, mit ins Boot geholt werden und verstehen, wie AI ihre Aufgaben unterstützt.

AI braucht Zeit, um stark regulierte Umgebungen und Prozesse zu verändern. Der Aufruf zum Handeln lautet jedoch, schnell zu handeln, um einen Wettbewerbsvorteil zu erlangen. Wie in jedem Rennen kommt es auf Geschwindigkeit an, aber auch darauf, dass jeder Schritt der Umstellung solide ist. Die Schlussfolgerung ist klar: Geben Sie den Initiativen von AI Zeit, aber handeln Sie schnell, um in diesem sich schnell entwickelnden Umfeld die Nase vorn zu haben.