AI voor financiën top door Artefact - 17 september 2024 - Parijs
Belangrijkste lessen uit de keynote van Adrien Vesteghem, AI Program Director bij BNP Paribas.
Inleiding en focus op AI voor bedrijven
Adrien Vesteghem opende zijn keynote door te verduidelijken dat, in tegenstelling tot meer mainstream AI-toepassingen zoals zelfrijdende auto's of contentcreatie, zijn werk gericht is op het benutten van AI om waarde toe te voegen aan bedrijfsactiviteiten. Hij benadrukte dat het belangrijk is om de verwachte waarde van AI-initiatieven te bepalen op basis van het volwassenheidsniveau van een organisatie en dat zelfs niets doen nog steeds kan resulteren in een aantal passieve AI-gedreven voordelen. Het actief toepassen van AI kan echter aanzienlijke waarde opleveren, te beginnen met een “eenvoudige generatieve” benadering, die operationele efficiëntie kan opleveren en de marges met ongeveer 5% kan verhogen.
Data Wetenschap en MLOps
Naarmate BNP Paribas verder kwam in zijn AI-reis, omvatte de volgende fase de invoering van data wetenschappelijke en machine learning operationele (MLOps) vaardigheden. Vesteghem vergeleek deze fase met het worden van “goudzoekers”, op zoek naar hoogwaardige AI-gebruiksgevallen die de marges met nog eens 10% kunnen verhogen. Hij deelde mee dat BNP Paribas al enkele jaren op dit niveau zit en legde uit dat het er in deze fase om gaat om AI-oplossingen in het hele bedrijf in te zetten en waardevolle “gouden goudklompjes” te ontdekken. Vesteghem benadrukte dat het identificeren en implementeren van deze use cases van groot belang is geweest voor de vooruitgang van de AI-capaciteiten van BNP Paribas.
De wereldwijde AI-aanpak: Integratie en schaalvergroting
Het derde niveau van AI-volwassenheid, zoals Vesteghem beschrijft, is een “Global AI approach”, waarbij AI in alle bedrijfsgebieden wordt geïntegreerd om de waarde te verhogen en de marges mogelijk met wel 25% te verhogen. Vesteghem benadrukt echter dat het belangrijk is om van een use-case-driven benadering over te stappen op een productgerichte mindset. Hij geeft een voorbeeld van het verenigen van verschillende bedrijfsbehoeften onder één AI-product voor gepersonaliseerde klantencontent, het stroomlijnen van resources en het verlagen van kosten.
Voorbeeld van Smart Inbox: Van gebruikssituatie naar AI-product
Om de productgebaseerde aanpak verder uit te leggen, deelde Vesteghem het verhaal van een project met de naam “Smart Inbox”, dat in eerste instantie bedoeld was als een eenvoudige e-mail triaging oplossing. Hoewel het project aanvankelijk een negatieve ROI leek te hebben, realiseerde het team zich na verloop van tijd het potentieel als AI-product. Smart Inbox ontwikkelde zich tot een uitgebreidere oplossing met functies zoals geautomatiseerde e-mailreacties en documentbeheer. Deze transformatie toonde aan hoe waardevol het is om verder te kijken dan individuele use cases en te investeren in schaalbare AI-producten die aan bredere bedrijfsbehoeften voldoen.
Kijk ver voor waarde op lange termijn
Vesteghem's eerste belangrijke les was om “ver te kijken” en AI-projecten niet voortijdig op te geven. Hij benadrukte dat een langetermijnvisie de evolutie van eenvoudige oplossingen tot complexe producten mogelijk maakt, zoals het geval was met de Smart Inbox. Zijn tweede advies was om “diep te kijken” en bestaande oplossingen voortdurend uit te dagen. Hij deelde een les die hij geleerd had van een AI-project voor documentverwerking, waarbij de aanvankelijke resultaten van 50% nauwkeurigheid aanzienlijk verbeterd werden door de technologie opnieuw te evalueren en te kiezen voor effectievere open-source oplossingen, waardoor de nauwkeurigheid steeg naar 90-99%.
AI-effectiviteit meten en risico's beperken
Zijn derde en laatste les benadrukte het belang van het “meten” van de effectiviteit van AI-initiatieven, vooral bij het inzetten van generatieve AI. Vesteghem deelde hoe de angst voor de beperkingen van generatieve AI, zoals hallucinaties, hen ertoe bracht om samen te werken met externe entiteiten zoals J. Gard om de risico's te beoordelen en te meten. Dit hielp BNP Paribas om risico's in klantgerichte AI-toepassingen, zoals generatieve chatbots, beter te beperken, wat cruciaal is voor de risicogevoelige omgeving van de banksector.
Conclusie
Adrien Vesteghem sloot zijn keynote af door na te denken over de mogelijke toekomstige AI-volwassenheidsniveaus die BNP Paribas zou kunnen bereiken. Hoewel de toekomst onzeker is, sprak hij het vertrouwen uit dat voortdurend leren en aanpassen tot nieuwe inzichten zullen leiden. Hij sloot zijn toespraak af met een optimistische boodschap en een uitnodiging voor verdere discussie.

BLOG





