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 kan voorbijstreven. 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 werd de afgelopen twee jaar gemaakt met generative 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 dalende kosten, schaalt slechts ongeveer 10% van de financiële bedrijven hun AI initiatieven met succes. 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?

Om de uitdagingen op AI aan te pakken, ligt de oplossing in TIME, een acroniem voor Transformatie, Integratie, Meting en Empowerment.

Om tastbare resultaten te behalen, moet je je 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 gewerkt moet worden aan back-office processen, terwijl omzetgerichte transformatie gericht kan zijn op distributiemodellen en klantkanalen. De sleutel is om te beslissen waar de waarde ligt en je er volledig voor in te zetten.

Legacy-systemen in de financiële dienstverlening creëren vaak silo's, waardoor data en kwaliteitscontrole complex zijn. De cloud en on-premise activiteiten zijn zelden volledig geïntegreerd. De focus moet niet alleen op de infrastructuur liggen, maar ook op modellen die volledig zijn ingebed in het data en de bedrijfsprocessen. Het gebruik van "LLMOps" - een concept dat verwant is aan DevOps, maar dan toegesneden op grote taalmodellen - is cruciaal voor een effectieve integratie van AI 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 bij 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, waarbij continue verbetering wordt gewaarborgd.

AIDe echte waarde zit in mensen. Succes bij de inzet van AI is gekoppeld aan de empowerment en training van frontliniewerknemers. Echte productiviteitswinst kan alleen worden gerealiseerd als het personeel actief betrokken en getraind 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 tijd nodig heeft om sterk gereguleerde omgevingen en processen te transformeren. De roep om actie is echter om snel te handelen om een concurrentievoordeel te behalen. Zoals in elke race is snelheid belangrijk, maar het is ook belangrijk om ervoor te zorgen 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.