Financijske usluge razlikuju se od drugih sektora dugom povijesti strukturiranih podataka i strogog nadzora. Dok mnoge organizacije još moraju započeti s uređivanjem informacija, ovaj sektor često već desetljećima ima iskustva s modelima podataka, revizijskim tragovima (audit trails) i upravljanjem rizicima. To daje privid prednosti. Dimenzija upravljanja podacima u praksi često postiže veći rezultat nego u drugim sektorima, ali to ne znači da je organizacija kao cjelina spremna za AI. Dok se, na primjer, građevinski sektor bori s fragmentiranim podacima o projektima, financijski sektor se pak bori s podatkovnim silosima koji su tako dobro osigurani da više ne mogu doprijeti jedan do drugog.
Odnos između temeljnih dimenzija je zbog toga neravnomjeran, ali na drugačiji način nego drugdje. IT infrastruktura je obično robusna, ali i glomazna: veliki, stari sustavi koji se ne prilagođavaju brzo. Organizacijska struktura je često hijerarhijska i podijeljena po strogim linijama odgovornosti, što može odgoditi donošenje odluka o novoj tehnologiji. Rezultat je sektor koji na papiru dobro postiže rezultate u osnovama, ali je u praksi spor s korakom od temelja (foundation) do aktivacije (activation).
Usklađenost i upravljanje rizicima ugrađeni su u DNK sektora. To djeluje na dvije strane. S jedne strane osigurava disciplinu u kvaliteti podataka i jasno razgraničenje odgovornosti, nešto što drugi sektori još moraju izgraditi. S druge strane, navika da se rizici prvo temeljito proračunaju uzrokuje suzdržanost u primjeni nove tehnologije prije nego što je učinak potpuno proračunat. Ta suzdržanost nije nužno nedostatak, ali objašnjava zašto pilot-projekti češće ostaju u fazi testne postavke nego što prerastaju u strukturnu primjenu.
Dimenzija donošenja odluka je ovdje odlučujuća. U mnogim financijskim organizacijama nedostaje jasan pregled tko može donijeti koju odluku o primjeni AI-a, i na temelju kojih informacija. Taj pregled, ono što spada u inventar odluka, upravo je mjesto gdje mnoga mjerenja zrelosti otkrivaju rupu: tehnika je prisutna, ovlast za rad s njom nije.
Ono što ovaj sektor dodatno razlikuje je veličina razlike između odjela. Odjel rizika već godinama radi s modelima i statistikom te AI vidi kao logičnu proširenje onoga što se već događa. Odjel pozadinskog uredovanja (backoffice) ili kontakta s klijentima AI uglavnom vidi kao nešto što se nameće odozgo, bez da su vlastiti radni procesi na to prilagođeni. Kada više osoba iz iste organizacije zasebno ocijeni sedam dimenzija, ta razlika često odmah upada u oči. Ishod je rijetko jednoobrazna slika, i baš to je vrijedno: pokazuje gdje razgovor o spremnosti još nije održan.
Ova razlika manje je slučajna nego što se čini. Financijske institucije često su izgrađene od divizija koje su se povijesno razvijale odvojeno jedna od druge, svaka svojim tempom digitalizacije. To je drugačiji obrazac nego, primjerice, u instalacijskom sektoru, gdje razlika češće nastaje između sjedišta i izvedbe na terenu, ili u sektoru nekretnina, gdje se razlika često nalazi između upravljanja i razvoja.
Iskušenje da se počne od vidljivih, ovisnih dimenzija veliko je u financijskom sektoru, jer već postoji mnogo podataka i modelskog iskustva. Ipak, redoslijed i dalje vrijedi: organizacijska struktura, IT infrastruktura i upravljanje podacima čine temelj na kojem se oslanja ostalo. Organizacija koja na papiru postiže visok rezultat u upravljanju podacima, ali gdje donošenje odluka i odgovornost nisu razrađeni, nailazi na istu prepreku kao organizacija koja još treba početi. Zašto temeljne dimenzije prvo moraju doći na red, tada nije stvar preferencije, nego načina na koji AI-primjene stvarno funkcioniraju: bez čvrstog temelja sve ostaje na razini pilot-projekta, koliko god napredan model bio.
Usporedba s drugim kapitalno intenzivnim sektorima, kao što je energetski sektor, pokazuje da jaka tehnička osnova ne dovodi automatski do zrelosti u drugim dimenzijama. Tehnika i disciplina su potrebni, ali nisu dovoljni.
Mjerenje zrelosti pokazuje ima li organizacija kao cjelina temelje za odgovorno nošenje AI-a: strukturu, infrastrukturu, upravljanje podacima i donošenje odluka koje ih okružuje. To je drugo pitanje od toga koji dio posla sam po sebi dolazi u obzir za preuzimanje. Čim je taj temelj poznat, postaje relevantno po zadatku razmotriti što AI može preuzeti a što ne. To je područje werkscan-a (radne analize) tvrtke FTE TO AI, koja po zadatku izračunava koji dio posla AI može preuzeti, na temelju prirode samog zadatka, a ne spremnosti organizacije.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.