Eröffnungsrede: KI in Finanzdienstleistungen: Wichtige Markttrends und Einblicke für 2024 von ARTEFACT

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

Trotz des Durchbruchs bei den KI-Funktionen und der sinkenden Kosten skalieren nur etwa 10% der Finanzunternehmen ihre KI-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. Die Frage ist also: Welche Hindernisse stehen dem erfolgreichen Einsatz von KI im Wege und wie können diese überwunden werden?

Die Lösung für die KI-Herausforderungen liegt in TIME - ein Akronym für Transformation, Integration, Messung und Befähigung.

Um greifbare Ergebnisse zu erzielen, müssen Sie sich auf eine umfassende Umgestaltung des Unternehmens konzentrieren, die auf die Strategie und die Prioritäten des Konzerns abgestimmt ist. Die Umgestaltung muss durchgängig sein und darf sich nicht darauf beschränken, bestehende Prozesse durch neue Technologien zu ergänzen. Die Optimierung der Servicekosten könnte beispielsweise bedeuten, dass Sie an Back-Office-Prozessen arbeiten, während eine umsatzorientierte Umgestaltung auf Vertriebsmodelle und Kundenkanäle abzielen könnte. Der Schlüssel liegt darin, zu entscheiden, wo der Wert liegt und sich voll zu engagieren.

Altsysteme im Finanzdienstleistungsbereich bilden oft Silos, die den data-Zugang und die Qualitätskontrolle kompliziert machen. Das cloud und der Betrieb vor Ort sind selten vollständig integriert. Der Fokus sollte über die Infrastruktur hinausgehen und sicherstellen, dass die Modelle vollständig in das data foundation 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 KI in das bestehende Ökosystem.

Das Paradigma hat sich von der Ausbildung von Modellen hin zur Messung ihrer Wirkung und ihrer Abweichung verschoben. Die Entwicklung von Modellen wird zur Massenware, aber die Überwachung ihrer Leistung bei der Aufdeckung von Betrug, der Kapitalallokation und der Interaktion mit Kunden 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.

Der wahre Wert von KI liegt in den Menschen. Der Erfolg des Einsatzes von KI hängt von der Befähigung und Schulung der Mitarbeiter an vorderster Front ab. Echte Produktivitätsgewinne lassen sich nur erzielen, wenn die Mitarbeiter aktiv eingebunden, geschult und bereit sind, KI-Tools zu übernehmen. Daher ist es wichtig, dass die Mitarbeiter, die am nächsten an den Abläufen beteiligt sind, mit ins Boot geholt werden und verstehen, wie KI ihren Aufgaben zugute kommt.

KI 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 Wettlauf kommt es auf Geschwindigkeit an, aber auch darauf, dass jeder Schritt der Transformation solide ist. Die Schlussfolgerung ist klar: Geben Sie KI-Initiativen Zeit, aber handeln Sie schnell, um in dieser sich schnell entwickelnden Landschaft die Nase vorn zu haben.