I servizi finanziari si distinguono da altri settori per una lunga storia di dati strutturati e controllo rigoroso. Mentre molte organizzazioni devono ancora iniziare a ordinare le informazioni, questo settore ha spesso già decenni di esperienza con modelli di dati, audit trail e gestione del rischio. Questo dà un falso vantaggio. La dimensione gestione dei dati ottiene nella pratica spesso un punteggio più alto rispetto ad altri settori, ma ciò non significa che l'organizzazione nel suo insieme sia pronta per l'IA. Mentre ad esempio il settore delle costruzioni lotta con dati frammentati sui progetti, il settore finanziario lotta piuttosto con silos di dati talmente ben protetti che non si raggiungono più a vicenda.
Il rapporto tra le dimensioni fondamentali è quindi sbilanciato, ma in modo diverso rispetto ad altrove. L'infrastruttura IT è generalmente robusta, ma anche pesante: sistemi grandi e vecchi che non si adattano rapidamente. La struttura organizzativa è spesso gerarchica e divisa in rigide linee di responsabilità, il che può ritardare le decisioni su nuove tecnologie. Il risultato è un settore che sulla carta ottiene buoni punteggi sulla base, ma nella pratica è lento nel passaggio dalla foundation all'activation.
La compliance e la gestione del rischio sono radicate nel DNA del settore. Questo funziona in entrambe le direzioni. Da un lato garantisce disciplina nella qualità dei dati e una chiara delimitazione delle responsabilità, cosa che altri settori devono ancora costruire. Dall'altro lato, l'abitudine di calcolare prima i rischi genera cautela nell'implementare nuove tecnologie prima che l'impatto sia stato completamente calcolato. Questa cautela non è necessariamente uno svantaggio, ma spiega perché i progetti pilota rimangono più spesso bloccati in una fase di prova piuttosto che evolvere in un'applicazione strutturale.
La dimensione processo decisionale qui è determinante. In molte organizzazioni finanziarie manca una chiara panoramica di chi possa prendere quale decisione su un'applicazione IA, e sulla base di quali informazioni. Questa panoramica, ciò che appartiene a un inventario delle decisioni, è esattamente dove molte misurazioni della maturità rivelano una lacuna: la tecnica è presente, l'autorità per lavorarci non lo è.
Ciò che distingue ulteriormente questo settore è l'ampiezza della differenza tra i reparti. Un reparto rischi lavora già da anni con modelli e statistiche, e vede l'IA come un'estensione logica di ciò che già avviene. Un reparto back-office o contatto clienti vede l'IA principalmente come qualcosa imposto dall'alto, senza che i propri processi di lavoro siano adeguati a ciò. Quando più persone della stessa organizzazione valutano separatamente le sette dimensioni, questa dispersione emerge spesso immediatamente. Il risultato è raramente un quadro uniforme, e questo è esattamente ciò che ha valore: mostra dove il dialogo sulla prontezza non ha ancora avuto luogo.
Questa dispersione è meno casuale di quanto sembri. Le istituzioni finanziarie sono spesso costituite da divisioni che storicamente sono crescite separatamente, ognuna con un proprio ritmo di digitalizzazione. Questo è un pattern diverso rispetto, ad esempio, a il settore degli impianti, dove la dispersione nasce più spesso tra la sede centrale e l'esecuzione sul campo, o il settore immobiliare, dove la differenza si trova spesso tra gestione e sviluppo.
La tentazione di iniziare dalle dimensioni visibili e dipendenti è grande nel settore finanziario, perché ci sono già molti dati e molta esperienza con i modelli. Tuttavia, l'ordine resta valido: struttura organizzativa, infrastruttura IT e gestione dei dati costituiscono la base su cui si fonda il resto. Un'organizzazione che sulla carta ottiene un punteggio alto sulla gestione dei dati, ma dove il processo decisionale e la responsabilità non sono stati elaborati, si scontra contro lo stesso muro di un'organizzazione che deve ancora iniziare. Perché le dimensioni fondamentali debbano venire prima non è quindi una questione di preferenza, ma del modo in cui le applicazioni IA funzionano effettivamente: senza una base solida, tutto resta al livello di un progetto pilota, per quanto avanzato sia il modello.
Il confronto con altri settori a forte intensità di capitale, come il settore energetico, mostra che una solida base tecnica non porta automaticamente alla maturità sulle altre dimensioni. Tecnica e disciplina sono necessarie, ma non sufficienti.
La misurazione della maturità mostra se l'organizzazione nel suo insieme ha la base per sostenere l'IA in modo responsabile: la struttura, l'infrastruttura, la gestione dei dati e il processo decisionale che li circonda. Questa è una domanda diversa da quale parte del lavoro stesso sia idonea per essere ripresa. Non appena questa base è chiara, diventa rilevante esaminare per ogni compito cosa l'IA può assumere e cosa no. Questo è il dominio della scansione del lavoro di FTE TO AI, che calcola per compito quale parte del lavoro può essere ripresa dall'IA, basandosi sulla natura del compito stesso piuttosto che sulla prontezza dell'organizzazione.
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.