Openingstoespraak: AI in financiële diensten: Belangrijke markttrends en inzichten voor 2024 door ARTEFACT

Zestien jaar geleden leken investeringen in traditionele financiële instellingen een zekerheid. De snelle opkomst van AI heeft echter bewezen dat technologie zelfs de meest gevestigde banken voorbij kan streven. In de afgelopen jaren heeft AI het financiële landschap aanzienlijk veranderd, van het verbeteren van fraudedetectie met machine learning tot het efficiënter maken van algoritmische handel. De meest opmerkelijke sprong is de afgelopen twee jaar gemaakt met generatieve AI (GenAI), waardoor technologieën nu empathie kunnen tonen in interacties met klanten - een mijlpaal die voorheen ondenkbaar was.

Ondanks de doorbraak in AI-mogelijkheden en de dalende kosten, slaagt slechts ongeveer 10% van de financiële bedrijven erin om hun AI-initiatieven op te schalen. De meeste toepassingen beperken zich tot het integreren van tools zoals ChatGPT of Copilot in bestaande processen, wat resulteert in moeilijkheden bij het meten van rendement op investering, kostenreductie of verhoogde klanttevredenheid. De vraag wordt: welke obstakels staan een succesvol gebruik van AI in de weg, en hoe kunnen deze worden overwonnen?

De oplossing voor AI-uitdagingen ligt in TIME, een acroniem voor Transformatie, Integratie, Meting en Empowerment.

Om tastbare resultaten te behalen, moet u zich richten op een volledige bedrijfstransformatie die is afgestemd op de strategie en prioriteiten van de groep. De transformatie moet end-to-end zijn, niet alleen het toevoegen van technologie aan bestaande processen. Het optimaliseren van de cost-to-serve kan bijvoorbeeld betekenen dat er aan de back-officeprocessen gewerkt moet worden, terwijl een op inkomsten gerichte transformatie gericht kan zijn op distributiemodellen en klantkanalen. De sleutel is om te beslissen waar de waarde ligt en u er volledig voor in te zetten.

Legacy-systemen in de financiële dienstverlening creëren vaak silo's, waardoor data toegang en kwaliteitscontrole complex zijn. De cloud en on-premises activiteiten zijn zelden volledig geïntegreerd. De focus moet verschuiven van infrastructuur naar modellen die volledig ingebed zijn in de data foundation en bedrijfsprocessen. Het gebruik van “LLMOps” - een concept dat verwant is aan DevOps, maar dan op maat gemaakt voor grote taalmodellen - is van cruciaal belang om AI effectief te integreren in het bestaande ecosysteem.

Het paradigma is verschoven van het trainen van modellen naar het meten van hun impact en drift. Modelontwikkeling wordt gemeengoed, maar het bewaken van de prestaties ervan op het gebied van fraudedetectie, kapitaalallocatie en klantinteracties is van het grootste belang. Een robuust meetkader omvat het observeren van problemen, het kwantificeren en begrijpen van problemen, en het bewaken van de zakelijke impact van het model, zodat continue verbetering gewaarborgd is.

De echte waarde van AI zit in mensen. Succes bij de inzet van AI is gekoppeld aan de empowerment en training van eerstelijnswerkers. Echte productiviteitswinsten kunnen alleen worden gerealiseerd als het personeel actief betrokken en opgeleid is en klaar is om AI-tools te gebruiken. Het is dus essentieel om ervoor te zorgen dat de mensen die het dichtst bij de operaties staan aan boord worden gehaald en begrijpen hoe AI hun rollen ten goede komt.

AI heeft tijd nodig om sterk gereguleerde omgevingen en processen te transformeren. Er moet echter snel worden gehandeld om een concurrentievoordeel te behalen. Zoals in elke race is snelheid belangrijk, maar dat geldt ook voor de garantie dat elke stap van de transformatie solide is. De conclusie is duidelijk: geef AI-initiatieven de tijd, maar handel snel om voorop te blijven in dit snel evoluerende landschap.