IBM, CREDIT AGRICOLE y BNP PARIBAS en AI Finance» de Artefact AI generativa, una nueva palanca para el rendimiento operativo

La mesa redonda comenzó sentando las bases para debatir el papel AIen la mejora de la eficiencia operativa, la creación de valor y la medición del impacto. El objetivo era analizar las estrategias, los factores de éxito y los retos que plantea la implementación AI, centrándose especialmente en casos de uso prácticos y en sus resultados cuantificables. Entre los ponentes se encontraban líderes de BNP Paribas, IBM y otros sectores financieros y tecnológicos, quienes compartieron sus puntos de vista.

Su Yang destacó que AI un elemento central de la estrategia empresarial del banco. Para hacer un seguimiento del impacto AI, el banco utiliza tres tipos de indicadores: financieros (ahorro de costes, retorno de la inversión), de percepción (satisfacción del usuario, índice de recomendación neta) y de uso (por ejemplo, la frecuencia de uso AI ). La participación de todas las partes interesadas pertinentes, incluidos los responsables de negocio y los profesionales de TI, en el seguimiento de estos indicadores garantiza una comprensión exhaustiva de los efectos AIen la organización.

Una perspectiva complementaria puso de relieve la importancia de la concentración y el compromiso de la dirección. El banco ha dado prioridad a más de 30 casos de uso de AI, cada uno de ellos supervisado por un miembro del comité ejecutivo. Esto garantiza que la generación de valor esté en consonancia con los objetivos empresariales, ya sea en lo que se refiere a las operaciones de atención al cliente, a las mejoras en la eficiencia o al crecimiento de los ingresos. La dirección desempeña un papel crucial a la hora de mantener el impulso y evaluar el éxito.

IBM, a pesar de ser un gigante tecnológico, también utiliza AI para impulsar la eficiencia, en consonancia con su AI externa AI . La Compañia un enfoque estructurado para mejorar sus procesos, que comienza con la realización de análisis comparativos y la creación de equipos multifuncionales para optimizar los flujos de trabajo. Por ejemplo, su sistema de atención al cliente AI gestiona ahora el 70 % de las consultas de forma autónoma, mientras que su AI de compras AI ha permitido ahorrar 26 000 horas al año al facilitar un acceso más rápido a la información esencial.

BNP Paribas ha compartido un caso práctico destacado en materia de detección de fraudes, un ámbito en el que AI dado resultados significativos. AI hacer frente a la complejidad de las tácticas de fraude en constante evolución, ofreciendo soluciones que se adaptan rápidamente y mejoran la eficiencia operativa. Más allá de la prevención del fraude, AI espera que AI generativa impulse aún más la eficiencia al ayudar a los desarrolladores y mejorar la personalización de la experiencia del cliente en el sector bancario.

Entre los principales retos de AI se encuentra garantizar la colaboración entre los equipos de negocio, de TI y data desde el principio. Es fundamental contar con métricas adecuadas para priorizar los proyectos y medir su impacto, mientras que una inversión y una ambición suficientes son necesarias para alcanzar el éxito. La mejora de las competencias de los empleados y el enfoque en la aceptación por parte de los usuarios también son fundamentales para que AI aporten un valor real y se eviten obstáculos en la implementación.

El debate concluyó con una reflexión sobre las repercusiones generales de AI, entre las que se incluyen la sostenibilidad, la confianza, la inclusividad y la soberanía europea. Se hizo hincapié en que reducir la huella medioambiental de AI, garantizar prácticas éticas, promover la diversidad y alinearse con los valores europeos son aspectos fundamentales para un despliegue responsable de AI. El compromiso de IBM de utilizar modelos más pequeños y eficientes desde el punto de vista energético es un ejemplo de cómo las empresas tecnológicas están abordando estas cuestiones.