BNP PARIBAS & ARTEFACT bij AI for Finance by Artefact - Transformatie van commercieel bankieren met AI

Pierre Ruhlmann lichtte toe hoe de bank haar AI-initiatieven rond waarde structureert. Het programma is gebouwd op drie pijlers: stammen die customer journeys leveren, een AI Factory voor het opschalen van oplossingen en een expertisecentrum voor het beoordelen van bedrijfswaarde en het bevorderen van AI-geletterdheid. Dit organisatorische kader is de afgelopen vier jaar geïmplementeerd en markeert het einde van de eerste fase.

Pierre benadrukte dat BNP Paribas waarde in meerdere dimensies meet, niet alleen in financieel rendement. Hoewel kostenbesparingen en efficiëntie cruciaal zijn, geeft de bank ook prioriteit aan klanttevredenheid en betrokkenheid van medewerkers. De bank gebruikt Net Promoter Scores (NPS) om bij te houden hoe AI-functies de ervaringen van klanten beïnvloeden. Betrokkenheid van medewerkers is net zo belangrijk om ervoor te zorgen dat het personeel de voordelen van AI voelt, wat aansluit bij de tweeledige focus van de bank op klanten en medewerkers.

Pierre deelde voorbeelden van hoe de bank haar AI-oplossingen schaalt, met name in machine learning voor scoring en intelligente documentverwerking. Hoewel BNP Paribas op deze gebieden aanzienlijk heeft geïnvesteerd, zijn ze minder volwassen op het gebied van generatieve AI-projecten. Twee MVP's, “Gary” en “Genius Bar”, zijn in ontwikkeling en richten zich op intern kennisbeheer en verbeteringen in de klantenservice. Beide projecten moeten verder geoptimaliseerd worden voordat ze volledig geïndustrialiseerd kunnen worden.

Het Gary-systeem is ontworpen om werknemers te helpen bij productcontroles en procedures. Hoewel 90% van het personeel het systeem heeft overgenomen, zijn er implementatieproblemen ontstaan, zoals inconsistenties in de kennisbank bij verschillende procedures. Het aanpakken van deze inconsistenties is essentieel voordat de oplossing verder opgeschaald kan worden. Gary vertegenwoordigt een cruciale stap in de richting van het verbeteren van interne processen met AI.

Genius Bar, de tweede belangrijke MVP, wil de klantenservice verbeteren door verouderde chatbots te vervangen door een generatieve AI-oplossing. Met meer dan een miljoen verwachte interacties in de komende twee jaar, vereist het industrialiseren van deze oplossing een voorzichtige aanpak. Red-teaming oefeningen zijn van cruciaal belang geweest bij het identificeren van beveiligings- en betrouwbaarheidsproblemen, die gepatcht zijn om een soepele opschaling van het systeem te garanderen.

Pierre legde de nadruk op AI-adoptie en gebruikte Microsoft Copilot als voorbeeld. Een proef met 20 werknemers toonde aan dat ondanks de aanvankelijke interesse, de helft stopte met het gebruik van de tool. Dit leidde tot een Champion Program en gerichte training. De bank is Copilot nu voorzichtig aan het opschalen om een goed rendement op de investering te garanderen.

De uitdagingen bij de adoptie omvatten ook het stimuleren van een kritische houding bij werknemers om ervoor te zorgen dat AI-resultaten correct worden geïnterpreteerd. Gezien de gereguleerde aard van het bankwezen moeten werknemers voorzichtig zijn met het vertrouwen op uitsluitend door AI gegenereerde oplossingen. Pierre ging ook in op de angst dat AI banen zou kunnen wegnemen en stelde werknemers gerust dat AI hun werk zal uitbreiden, niet vervangen. Hij benadrukte het gebruik van AB-tests om de waarde van taken met en zonder AI te vergelijken, om zo het vertrouwen in en het begrip voor het potentieel van AI binnen de organisatie te bevorderen.