ODDO BHF & INDOSUEZ WEALTH MANAGEMENT en AI para Finanzas por Artefact - AI para Banca privada y servicios financieros

La banca privada es un aspecto profundamente personal de los servicios financieros, y ambos bancos hablaron de sus viajes a AI . Comenzando con AI en 2018, un banco lanzó un fondo de inversión impulsado por AI y utilizó algoritmos para la intermediación dirigida. El otro comenzó con PNL para resumir reports para gestores de activos y ahora está probando casos de uso de GenAI, como traducción, conversión de voz a texto y consultas data .

Ambos bancos han explorado diversas aplicaciones de AI . Un objetivo clave es capacitar al personal de atención al público para agilizar las reuniones, gestionar las actividades de los clientes y proporcionar listas de tareas personalizadas. AI ayuda a los banqueros a filtrar procedimientos complejos, liberándoles para dedicar más tiempo a los clientes. Sin embargo, el reto consiste en equilibrar los casos de uso de gran impacto con la viabilidad operativa, garantizando un apoyo significativo al personal sin complicar en exceso los flujos de trabajo diarios.

La confianza y la personalización son vitales en la gestión de patrimonios. En lugar de sustituir a las interacciones humanas, AI sirve para mejorar la capacidad de los banqueros para prestar un apoyo eficaz a los clientes. Partiendo de herramientas internas, como los chatbots integrados en los CRM, los banqueros obtienen información práctica sobre los clientes para mejorar la toma de decisiones. Ambos bancos ven AI como una herramienta para aumentar, y no sustituir, las relaciones personalizadas con los clientes, cruciales para la banca privada.

Mostrar el rendimiento de la inversión en los proyectos de AI es complejo, pero ambos bancos hacen hincapié en la agilidad. La estrategia consiste en pequeñas inversiones rápidas con una rápida validación, lo que minimiza el riesgo y genera confianza entre los patrocinadores. Un banco adoptó sprints de diseño para validar conceptos antes de realizar grandes inversiones, mientras que ambos están convencidos de que AI tendrá un impacto significativo en el sector. Sin embargo, evitan sacar conclusiones rápidas, centrándose en los beneficios a largo plazo.

Industrializar y ampliar las tecnologías de AI sigue siendo un reto. Los sistemas heredados, la evolución de las pilas tecnológicas y los nuevos requisitos de cualificación en data analytics y AI presentan obstáculos. Ambos bancos invierten en la contratación de talento especializado, como ingenieros de data y expertos en ML, al tiempo que mejoran las cualificaciones de los empleados actuales para mantener la continuidad. A pesar del respaldo de la dirección, demostrar que estas inversiones son correctas es vital para desbloquear un apoyo más amplio a las iniciativas impulsadas por AI.

Un banco promueve la adopción creando entornos libres de estrés para que los banqueros exploren AI, empezando por casos de uso general antes de pasar a aplicaciones más específicas. El objetivo es ayudar a los banqueros a ver el valor que aporta AI a su vida profesional. Para la formación, se representan escenarios que muestran cómo AI puede ayudar en la captación de clientes y otras tareas. El segundo banco hace hincapié en la implicación de los líderes, formando a los altos directivos en AI, fomentando las comunidades data y AI y organizando periódicamente actos de sensibilización para compartir historias de éxito y facilitar el aprendizaje. Los bancos dan prioridad a distintos niveles de formación, tanto general como especializada, para generar confianza y adopción entre los empleados.