IBM, CREDIT AGRICOLE & BNP PARIBAS op AI Finance by Artefact Generatieve AI, een nieuwe hefboom voor operationele prestaties

De rondetafelbijeenkomst begon met het schetsen van het kader voor een discussie over de rol AIbij 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 de implementatie AI te verkennen, met bijzondere aandacht voor praktische toepassingen en de meetbare resultaten daarvan. Onder de sprekers bevonden zich leidinggevenden van BNP Paribas, IBM en andere financiële en technologische sectoren, die elk hun inzichten deelden.

Su Yang benadrukte dat AI centraal AI in de bedrijfsstrategie van de bank. Om de impact AIte meten, maakt de bank gebruik van drie soorten indicatoren: financiële (kostenbesparingen, ROI), perceptuele (gebruikerstevredenheid, Net Promoter Score) en gebruiksgerelateerde (bijvoorbeeld de frequentie waarmee AI worden gebruikt). Door alle relevante belanghebbenden, waaronder bedrijfsverantwoordelijken en IT-professionals, te betrekken bij het meten van deze indicatoren, wordt een grondig inzicht verkregen in de effecten AIop de organisatie.

Een aanvullend perspectief benadrukte het belang van focus en betrokkenheid van het management. De bank heeft prioriteit gegeven aan meer dan 30 toepassingsgebieden voor AI, die elk onder toezicht staan van een lid van het directiecomité. Dit zorgt ervoor dat het realiseren van toegevoegde waarde aansluit bij de bedrijfsdoelstellingen, of het nu gaat om klantgerichte activiteiten, efficiëntieverbeteringen of omzetgroei. Het management speelt een cruciale rol bij het vasthouden van het momentum en het meten van het succes.

Hoewel IBM een techgigant is, maakt het bedrijf AI ook gebruik van AI om de efficiëntie te verhogen, in lijn met zijn externe AI . De organisatie een gestructureerde aanpak om haar processen te verbeteren, te beginnen met benchmarking en het samenstellen van functieoverschrijdende teams om werkprocessen te stroomlijnen. Zo verwerkt hun AI klantenservicesysteem nu 70% van de vragen zelfstandig, terwijl hun AI voor inkoop jaarlijks 26.000 uur bespaarde door snellere toegang tot cruciale informatie te bieden.

BNP Paribas deelde een opvallend praktijkvoorbeeld op het gebied van fraudedetectie, een domein waar AI aanzienlijke resultaten AI opgeleverd. AI de complexiteit van steeds veranderende fraudetactieken het hoofd te bieden door oplossingen te bieden die zich snel aanpassen en de operationele efficiëntie verhogen. Naast fraudepreventie AI generatieve AI naar verwachting de efficiëntie verder verhogen door ontwikkelaars te ondersteunen en de personalisatie voor klanten in het bankwezen te verbeteren.

Een van de belangrijkste uitdagingen bij AI is het vanaf het begin waarborgen van samenwerking tussen de bedrijfs-, IT- en data . De juiste meetcriteria zijn essentieel om prioriteiten te stellen bij projecten en de impact ervan te meten, terwijl voldoende investeringen en ambitie noodzakelijk zijn om succes te boeken. Het bijscholen van medewerkers en het focussen op gebruikersacceptatie zijn eveneens cruciaal om ervoor te zorgen dat AI daadwerkelijke waarde opleveren en implementatieproblemen worden voorkomen.

De discussie werd afgesloten met overwegingen 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 cruciale factoren voor een verantwoorde inzet van AI. Het streven van IBM om kleinere, energiezuinigere modellen te gebruiken, is een voorbeeld van hoe technologiebedrijven deze kwesties aanpakken.