IBM, CREDIT AGRICOLE & BNP PARIBAS bij AI for Finance door Artefact - Generatieve AI, een nieuwe hefboom voor operationele prestaties

De rondetafel begon met het bespreken van de rol van AI bij het verbeteren van de operationele efficiëntie, het creëren van waarde en het meten van de impact. Het doel was om strategieën, succesfactoren en uitdagingen bij het implementeren van AI te onderzoeken, waarbij de aandacht vooral uitging naar praktische use cases en de meetbare resultaten daarvan. Onder de sprekers bevonden zich leiders van BNP Paribas, IBM en andere financiële en technologische sectoren, die elk hun inzichten deelden.

Su Yang benadrukte dat AI centraal staat in de bedrijfsstrategie van de bank. Om de impact van AI te volgen, gebruikt de bank drie soorten meetgegevens: financiële (kostenbesparingen, ROI), perceptuele (gebruikerstevredenheid, net promoter score) en gebruiksgegevens (bijv. gebruiksfrequentie van AI-tools). Door alle relevante belanghebbenden, inclusief bedrijfseigenaren en IT-professionals, te betrekken bij het bijhouden van deze meetgegevens, krijgt u een grondig inzicht in de effecten van AI op de organisatie.

Een aanvullend perspectief benadrukte het belang van focus en leiderschapsbetrokkenheid. De bank heeft meer dan 30 use cases voor AI geprioriteerd, elk onder toezicht van een lid van het directiecomité. Dit zorgt ervoor dat het creëren van waarde wordt afgestemd op bedrijfsdoelstellingen, of het nu gaat om klantgerichte activiteiten, efficiëntieverbeteringen of omzetgroei. Leiderschap speelt een cruciale rol bij het handhaven van het momentum en het meten van succes.

Ondanks het feit dat IBM een techgigant is, gebruikt het bedrijf AI ook intern om de efficiëntie te verhogen, in lijn met zijn externe AI-aanbod. Het bedrijf hanteert een gestructureerde aanpak om zijn processen te verbeteren, te beginnen met benchmarking en het samenstellen van cross-functionele teams om workflows te stroomlijnen. Hun AI-gestuurde klantenservicesysteem handelt nu bijvoorbeeld 70% aan vragen zelfstandig af, terwijl hun AI-systeem voor inkoop jaarlijks 26.000 uur bespaart door snellere toegang tot kritieke informatie.

BNP Paribas deelde een opmerkelijke use case in fraudedetectie, een gebied waar AI aanzienlijke resultaten heeft opgeleverd. AI helpt de complexiteit van veranderende fraudetactieken aan te pakken, biedt oplossingen die zich snel aanpassen en de operationele efficiëntie verbeteren. Naast fraudepreventie wordt verwacht dat generatieve AI de efficiëntie verder zal verhogen door ontwikkelaars te helpen en de klantpersonalisatie in het bankwezen te verbeteren.

Belangrijke uitdagingen bij de invoering van AI zijn onder andere het vanaf het begin zorgen voor samenwerking tussen bedrijfs-, IT- en data wetenschapsteams. De juiste meetmethoden zijn essentieel voor het prioriteren van projecten en het meten van hun impact, terwijl voldoende investeringen en ambitie nodig zijn om succes te boeken. Het bijscholen van werknemers en het focussen op gebruikersadoptie zijn ook van cruciaal belang voor AI-projecten om echte waarde te leveren en om wegversperringen bij de implementatie te voorkomen.

De discussie werd afgesloten met beschouwingen over de bredere gevolgen van AI, waaronder duurzaamheid, vertrouwen, inclusiviteit en Europese soevereiniteit. Het verkleinen van de ecologische voetafdruk van AI, het waarborgen van ethische praktijken, het bevorderen van diversiteit en het afstemmen op Europese waarden werden benadrukt als cruciaal voor een verantwoorde inzet van AI. IBM's inzet om kleinere, energiezuinigere modellen te gebruiken is een voorbeeld van hoe techbedrijven deze zorgen aanpakken.