AI for Finance Summit by Artefact - 17 septembre 2024 - Paris

Les enseignements clés de la table ronde avec Laure Lesage, Chief Data & Digital Officer chez ODDO BHF, Lydie Percier, Chief Innovation Officer chez Indosuez Wealth Management, et Alexis Baufine-Ducrocq, Partner chez Artefact.

L'IA dans la banque privée, utilisations et stratégies actuelles

La banque privée est un aspect profondément personnel des services financiers, et les deux banques ont discuté de leurs parcours en matière d'IA. En commençant par l'IA en 2018, une banque a lancé un fonds d'investissement alimenté par l'IA et a utilisé des algorithmes pour le courtage ciblé. L'autre a commencé avec le NLP pour résumer des rapports pour les gestionnaires d'actifs et pilote maintenant des cas d'utilisation GenAI, tels que la traduction, le speech-to-text et la recherche sur data .

Cas d'utilisation prometteurs dans la banque privée

Les deux banques ont exploré diverses applications de l'IA. L'un des principaux objectifs est de donner au personnel du front office les moyens de rationaliser les réunions, de gérer les activités des clients et de fournir des listes de tâches personnalisées. L'IA aide les banquiers à passer au crible des procédures complexes, ce qui leur permet de consacrer plus de temps aux clients. Toutefois, le défi consiste à trouver un équilibre entre les cas d'utilisation à fort impact et la faisabilité opérationnelle, en garantissant un soutien significatif au personnel sans compliquer à l'excès les flux de travail quotidiens.

L'IA au service de la gestion des relations

La confiance et la personnalisation sont essentielles dans la gestion de patrimoine. Plutôt que de remplacer les interactions humaines, l'IA sert à améliorer les capacités des banquiers à soutenir efficacement les clients. En commençant par des outils internes - tels que les chatbots intégrés dans les CRM - les banquiers disposent d'informations exploitables sur les clients afin d'améliorer la prise de décision. Les deux banques considèrent l'IA comme un outil permettant d'améliorer et non de remplacer les relations personnalisées avec les clients, essentielles à la banque privée.

Équilibrer l'innovation et le retour sur investissement

Démontrer le retour sur investissement des projets d'IA est complexe, mais les deux banques mettent l'accent sur l'agilité. La stratégie consiste à réaliser rapidement de petits investissements avec une validation rapide, afin de minimiser les risques et d'instaurer la confiance avec les sponsors. L'une des banques a adopté des sprints de conception pour valider les concepts avant de procéder à des investissements importants, tandis que les deux sont convaincues que l'IA aura un impact significatif sur le secteur. Cependant, elles évitent de tirer des conclusions hâtives et se concentrent sur les gains à long terme.

Défis liés à l'élargissement et au développement des compétences

L'industrialisation et la mise à l'échelle des technologies de l'IA restent un défi. Les systèmes hérités, les piles technologiques en évolution et les nouvelles exigences en matière de compétences dans les domaines de l'analyse data et de l'IA constituent des obstacles. Les deux banques investissent dans l'embauche de talents spécialisés tels que les ingénieurs data et les experts en ML, tout en améliorant les compétences des employés actuels afin de maintenir la continuité. Malgré le soutien de la direction, il est essentiel de prouver que ces investissements sont judicieux pour obtenir un soutien plus large en faveur des initiatives axées sur l'IA.

Assurer l'adoption et la confiance des utilisateurs

Une banque encourage l'adoption de l'IA en créant des environnements sans stress pour que les banquiers puissent l'explorer, en commençant par des cas d'utilisation généraux avant de passer à des applications plus spécifiques. L'objectif est d'aider les banquiers à voir la valeur que l'IA apporte à leur vie professionnelle. Pour la formation, des scénarios sont mis en place pour montrer comment l'IA peut aider à l'acquisition de clients et à d'autres tâches. La deuxième banque met l'accent sur l'implication des dirigeants, en formant les cadres supérieurs à l'IA, en encourageant les communautés data et IA, et en organisant régulièrement des événements de sensibilisation pour partager les réussites et faciliter l'apprentissage. Les banques accordent la priorité à différents niveaux de formation, à la fois générale et spécialisée, afin d'instaurer la confiance et l'adoption par les employés.