Artikel veröffentlicht am 30. Januar 2025 im Choiseul Magazine - Joffrey Martinez, Partner & Global Financial Services Lead.
Zinssenkungen in Europa, geopolitische Unsicherheiten und steigende Kosten des Kreditrisikos... Die europäischen Privatkundenbanken stehen vor großen Herausforderungen.
Europäische Privatkundenbanken suchen nach neuen Hebeln der Effizienz, um dem wachsenden Kostendruck zu begegnen. In diesem Zusammenhang bietet KI, insbesondere generative KI, konkrete Möglichkeiten zur Zeitersparnis und Kostensenkung. Um die versprochenen Gewinne wirklich zu erzielen, müssen jedoch einige Herausforderungen bewältigt werden.
Entscheiden (und manchmal aufgeben).
Die Anwendungsfälle für KI in Banken sind zahllos: Prozessautomatisierung für Compliance, Betrugsmodelle, Analyse von Kreditakten und mehr. Die Herausforderung liegt nicht in der Vermehrung dieser Möglichkeiten, sondern in ihrer Auswahl. Jeder Anwendungsfall muss auf der Grundlage seines Gewinnpotenzials bewertet werden. Eine KI-Roadmap für die nächsten 2-3 Jahre, die auf die Gesamtstrategie abgestimmt ist und alle 6 Monate überarbeitet wird, sowie ein System zur Verfolgung des Wertes während der Ausführung sind für die Priorisierung und Verwaltung hochwertiger Projekte unerlässlich.
Verwandeln Sie sich, um zu gewinnen.
KI kann nicht einfach Lösungen auf bestehende Prozesse aufsetzen. Um einen signifikanten ROI zu erzielen, muss KI tief in die Prozesse integriert werden, indem diese vollständig umgestaltet und Aufgaben und Rollen neu definiert werden. Diese Transformation erfordert einen Multi-Agenten-Ansatz, um die Erledigung ganzer Aufgaben zu orchestrieren, anstatt eine Summe diffuser Gewinne zu erzielen.
Messung und Kontrolle sind der Schlüssel.
Die Zahl der KI/GenAI-Anwendungsfälle in der Produktion von Banken wird explodieren. Um die IT-Kosten unter Kontrolle zu halten, ist es wichtig, die Teams zu befähigen, einen Teil der Anwendungswartung für diese Lösungen zu übernehmen. Die wachsende Autonomie von KI-Lösungen, insbesondere von Agenten, erfordert eine verbesserte Governance, um sowohl Vertrauen als auch Effizienz zu gewährleisten, die auf drei Säulen beruht:
- Beobachtung: IT-Dienste analysieren Interaktionen, um Probleme zu erkennen.
- Bewertung: Verfeinern Sie die Modelle auf der Grundlage des Feedbacks von data-Wissenschaftlern.
- Beaufsichtigung: Identifizieren Sie wiederkehrende Probleme und implementieren Sie Korrekturen.
Hier spielen Messung und Kontrolle eine entscheidende Rolle, die sogar die des Modells selbst übertrifft.
Einbindung und Unterstützung.
Die Schulung der Teams und die Anpassung ihrer Fähigkeiten sind unerlässlich. Die reibungslose Einführung dieser Technologien wird letztlich davon abhängen, ob sie von den Mitarbeitern akzeptiert und mit den Unternehmenszielen in Einklang gebracht werden.
KI bietet den Banken einen mächtigen Hebel, um aktuelle Herausforderungen zu bewältigen und Zwänge in Chancen zu verwandeln. Es ist jedoch wichtig, die richtigen Hebel zu aktivieren, um Innovation und Effizienz zu kombinieren
Von Joffrey Martinez
