Auteur
Athena Sharma sprak op 20 september tijdens de AI for Finance 2022 Summit over de toename van het aantal Artificial Intelligence projecten in het bank- en verzekeringswezen, de moeilijkheden die sommige financiële instellingen ondervinden bij de realisatie ervan en de manieren waarop deze barrières kunnen worden overwonnen.
Volgens The Economist had zo'n 54% van de grote financiële instellingen (FI's) in 2020 al artificial intelligence geïmplementeerd. Om die toename nog te vergroten, zegt 86% van de financiële executives dat ze van plan zijn om de investeringen op AI te verhogen tot 2025. En in een ander onderzoek zei 81% dat het ontsluiten van waarde uit AI de belangrijkste onderscheidende factor zou zijn tussen winnaars en verliezers in de banksector.
"Er is duidelijk een zeer sterke value case te maken voor AI in financiële instellingen", aldus Athena. "Investeringsbanken zijn misschien wel de eerste gebruikers en begunstigden van machine learning-technologie in de algoritmische handelsruimte. Per slot van rekening gebruikt 70% van de FI's nu machine learning voor fraudedetectie, kredietscores of het voorspellen van cashflowgebeurtenissen, en wordt conversational AI veel gebruikt in retail banking en verzekeringen. Desondanks schieten veel FI's tekort als het gaat om het produceren van hun AI projecten om concrete, bedrijfsbrede waarde te leveren."
Athena legde uit wat de belangrijkste uitdagingen zijn voor het succes van AI projecten en hoe deze overwonnen kunnen worden:
Investeren in kerntechnologie en data beheer
Voor Athena is een van de grootste problemen voor FI's dat hun kerntechnologie is gebouwd voor traditionele activiteiten, zoals betalingen, leningen en schadebeheer. "Legacy IT-stacks hebben niet de flexibiliteit om AI vaardigheden in te zetten. De rekencapaciteit voor data beheer en analyse die je nodig hebt in een gesloten VR-applicatie is er gewoon niet en het testen en ontwikkelen van AI technologieën kan dagen of zelfs maanden duren - onbetaalbaar als je innovatief wilt zijn. De oplossing? Verander de kerntechnologieën: stap over op cloud computing.
"Een cloudomgeving kan de tijd die nodig is om AI oplossingen te testen en te ontwikkelen terugbrengen tot een paar minuten, dankzij managed services", verzekert Athena. "Een bank waar ik mee heb samengewerkt is twee jaar geleden begonnen met de overstap naar de cloud en volgens hun eigen KPI's is hun innovatiegraad met ongeveer 49% gestegen. Dat lijkt misschien weinig, maar voor een gevestigde, monolithische instelling is het behoorlijk revolutionair."
Een ander facet van deze uitdaging is investeren in data beheer - zowel in termen van data kwaliteit als data toegang. In FI's is data verspreid over verschillende bedrijfseenheden en divisies. Als gevolg daarvan is data niet gestandaardiseerd, is de kwaliteit moeilijk te beheren en is er niet één enkele bron van waarheid, zodat belanghebbenden niet zeker weten of de onderliggende data van voorgestelde projecten betrouwbaar is. "Investeren in moderne data governance en data managementpraktijken is cruciaal voor FI's", benadrukt Athena. "En een belangrijk onderdeel daarvan is wat wij een Enterprise Data Model noemen, of EDM. Het is geen IT-concept, maar een manier om je data - al je data - te beschrijven en logisch te organiseren in bedrijfsrelevante taal - een soort bedrijfswoordenboek, zo je wilt, dat data kwaliteitsbeheer stroomlijnt voor alle gecertificeerde gebruikers."
Het laatste onderdeel van deze uitdaging is data toegang.
"Data is de meest waardevolle grondstof die een organisatie bezit; de sleutel tot het benutten van de waarde ervan is toegang tot analyses op schaal, op het punt waar de beslissing wordt genomen. Dit is vooral moeilijk in banken vanwege data vertrouwelijkheid. Een innovatieve oplossing is het creëren van databases met API's voor effectievere en veiligere toegang tot data , maar dan op schaal en in realtime om aan je bedrijfsdoelstellingen te voldoen."
Een toekomstgericht bedrijfsmodel implementeren
De tweede uitdaging voor financiële instellingen ligt in het bedrijfsmodel dat ze gebruiken. De meeste zijn georganiseerd volgens bedrijfsdivisies, vaak met gecentraliseerde IT-functies, wat hun vermogen om te innoveren belemmert. Zakelijke leiders bepalen hun eigen agenda's en AI strategieën, wat resulteert in gefragmenteerde teams en een watervalaanpak die leidt tot vertragingen, kostenoverschrijdingen, suboptimale prestaties en een totaal gebrek aan een test- en leermentaliteit. FI's moeten in staat zijn om op een iteratieve manier te werken om voortdurend te innoveren en te verbeteren - een noodzaak om te kunnen schalen AI, omdat niemand het ooit in één keer goed doet.
"In plaats daarvan stellen we bij Artefact een flexibeler en flexibeler toekomstgericht bedrijfsmodel voor dat gebaseerd is op data producten. Een data product is in wezen een reeks data oplossingen die rechtstreeks een zakelijke uitdaging of een zakelijk resultaat aanpakken. Elk data product wordt ontwikkeld door een toegewijd team dat zijn eigen budget, middelen en KPI's heeft."
"Stel bijvoorbeeld dat je een klant 360-team hebt van zakelijke, IT- en data belanghebbenden. Ze kunnen verschillende data producten leveren aan de business, maar ook aan externe klanten, dus je krijgt een customer 360 analytics layer. Data wetenschappers en ingenieurs kunnen deze analytics layer gebruiken om AI ML-oplossingen te testen en te leren. Je zou ook een klant 360 dashboard met relevante KPI's voor je frontline sales collega's kunnen hebben en dit gebruiken om de customer lifetime value te verbeteren. Je zou ook data aan je marketingteam kunnen geven over optimalisatie en personalisatie om hen te helpen hun budgetten beter te besteden."
De mogelijkheden zijn eindeloos, maar in wezen stelt een modulair bedrijfsmodel uw teams in staat om beter samen te werken en naar een gemeenschappelijk strategisch doel toe te werken, in plaats van in de silo's die FI's momenteel verdelen - net als talloze bedrijven in alle sectoren waar productteams nog geen realiteit zijn.
Proactief nadenken over AI ethiek en regelgeving
Investeren in AI ethiek en regelgeving is op dit moment cruciaal voor financiële instellingen. Data Bij de beoordeling van het voorstel van de Europese Commissie voor de wetArtificial Intelligence is de Europese Toezichthouder voor gegevensbescherming(EDPS) van mening dat een betere bescherming van de grondrechten noodzakelijk is, met inbegrip van een betere bescherming van de grondrechten van personen, waaronder het recht op privacy en het recht op bescherming van persoonsgegevens data.
Er zullen wettelijke beperkingen worden opgelegd aan iedereen die software gebruikt die verband houdt met biometrische technologie in financiële instellingen, human capital management of kredietbeoordeling van personen. Zoals de zaken er nu voorstaan, zal dit bijna alle financiële instellingen treffen. Hoewel de volledige omvang van de toekomstige regelgeving op AI nog voor niemand duidelijk is, is het wel duidelijk dat de regelgeving op ethiek gebaseerd zal zijn. Maar veel leiders in de financiële dienstverlening hebben het gevoel dat hun bedrijven de ethische kwesties die gepaard gaan met AI niet begrijpen.
Artefact stelt voor om een ethisch intern AI bestuurskader te ontwikkelen dat alle aspecten van AI ethiek omvat, inclusief inkopers, inclusief data management, modeltraining en herscholing AI uitlegbaarheid. Hiervoor kan deskundig advies nuttig zijn, maar wat echt nodig is, is een tweedelige mentaliteitsverandering die alle aspecten van AI ethiek omvat, inclusief inkopers, data management, modeltraining en herscholing AI uitlegbaarheid.
De eerste verschuiving vereist grootschalige buy-in van belanghebbenden, door hen te verplichten de silo mentaliteit, divisie en werkingsmodellen los te laten die u ervan weerhouden AI te produceren. De tweede is de overgang van een risicomijdende naar een pioniersmentaliteit. Dit vereist een diepgaande culturele verandering waarbij de hele organisatie een hoge mate van kennis verwerft over de impact van AI, de toepassingen en de ethiek ervan, om innovatief te zijn zonder onverantwoordelijk te zijn.
"Het is niet gemakkelijk, vooral niet in een sector waar risicovermijding diep geworteld is. Maar uiteindelijk, als het gaat om de adoptie van AI , denk ik niet dat financiële instellingen veel keuzevrijheid hebben, het gaat er niet om hoe of AI waarde kan toevoegen aan je bedrijf. Het gaat erom hoe je AI kunt integreren in je dagelijkse activiteiten om relevant en concurrerend te blijven in een snel veranderende wereldmarkt."
