Usługi finansowe wyróżniają się na tle innych sektorów długą historią ustrukturyzowanych danych i ścisłej kontroli. Podczas gdy wiele organizacji musi jeszcze zacząć od porządkowania informacji, ten sektor często ma już dziesięciolecia doświadczenia z modelami danych, śladami audytowymi (audit trails) i zarządzaniem ryzykiem. To daje pozorną przewagę. Wymiar zarządzania danymi w praktyce często osiąga wyższe wyniki niż w innych sektorach, ale to nie znaczy, że organizacja jako całość jest gotowa na AI. Podczas gdy na przykład branża budowlana zmaga się z rozdrobnionymi danymi o projektach, sektor finansowy zmaga się raczej z silosami danych, które są tak dobrze zabezpieczone, że nie potrafią się już wzajemnie połączyć.
Relacja między fundamentalnymi wymiarami jest przez to zaburzona, ale w inny sposób niż gdzie indziej. Infrastruktura IT jest zazwyczaj solidna, ale też ciężka: duże, stare systemy, które nie dostosowują się szybko. Struktura organizacyjna jest często hierarchiczna i podzielona na sztywne linie odpowiedzialności, co może wydłużać podjęcie decyzji o nowej technologii. Wynikiem jest sektor, który na papierze dobrze wypada w zakresie podstaw, ale w praktyce jest powolny w przejściu od fundamentu do aktywacji.
Compliance i zarządzanie ryzykiem są wpisane w DNA tego sektora. Działa to w obie strony. Z jednej strony zapewnia to dyscyplinę w zakresie jakości danych oraz jasne rozgraniczenie odpowiedzialności, co inne sektory muszą jeszcze zbudować. Z drugiej strony przyzwyczajenie do wcześniejszego skalkulowania ryzyka powoduje powściągliwość we wdrażaniu nowej technologii, zanim jej wpływ zostanie w pełni oszacowany. Ta powściągliwość nie jest sama w sobie wadą, ale wyjaśnia, czemu piloty częściej pozostają na etapie testowej konfiguracji niż rozwijają się w stałe zastosowanie.
Wymiar podejmowania decyzji jest tu decydujący. W wielu organizacjach finansowych brakuje jasnego przeglądu, kto może podjąć jaką decyzję dotyczącą zastosowania AI i na podstawie jakich informacji. Ten przegląd, to, co powinno znaleźć się w inwentaryzacji decyzji, to właśnie miejsce, w którym wiele pomiarów dojrzałości ujawnia lukę: technika jest obecna, ale uprawnienie do pracy z nią nie.
Co dodatkowo wyróżnia ten sektor, to skala różnic między działami. Departament ryzyka pracuje już od lat z modelami i statystyką i widzi AI jako logiczne rozszerzenie tego, co już się dzieje. Dział back-office lub obsługi klienta postrzega AI głównie jako coś, co jest nakazane z góry, bez dostosowania do tego własnych procesów pracy. Kiedy kilka osób z tej samej organizacji odrębnie ocenia siedem wymiarów, to rozproszenie zwykle jest natychmiast widoczne. Wynik rzadko jest jednolitym obrazem, i to jest właśnie wartościowe: pokazuje, gdzie rozmowa o gotowości jeszcze się nie odbyła.
To rozproszenie jest mniej przypadkowe, niż się wydaje. Instytucje finansowe są często zbudowane z dywizji, które historycznie rozwijały się niezależnie od siebie, każda w swoim własnym tempie cyfryzacji. Jest to inny wzorzec niż na przykład w branży instalacyjnej, gdzie rozproszenie częściej powstaje między siedzibą główną a realizacją w terenie, lub w sektorze nieruchomości, gdzie różnica często dotyczy zarządzania i rozwoju.
Kuszące jest zaczęcie od widocznych, zależnych wymiarów w sektorze finansowym, ponieważ jest już wiele danych i wiele doświadczenia z modelami. Mimo to obowiązuje ta sama kolejność: struktura organizacyjna, infrastruktura IT i zarządzanie danymi tworzą fundament, na którym opiera się resztа. Organizacja, która na papierze wysoko wypada w zarządzaniu danymi, ale w której podejmowanie decyzji i odpowiedzialność nie zostały wypracowane, napotyka na tę samą ścianę, co organizacja, która musi jeszcze zacząć. Dlaczego fundamentalne wymiary muszą być pierwsze, to nie jest kwestia preferencji, lecz sposobu, w jaki zastosowania AI faktycznie działają: bez solidnego fundamentu wszystko pozostaje na poziomie pilotażu, niezależnie od tego, jak zaawansowany jest model.
Porównanie z innymi kapitałochłonnymi sektorami, takimi jak sektor energetyczny, pokazuje, że silny fundament techniczny nie prowadzi automatycznie do dojrzałości w innych wymiarach. Technika i dyscyplina są potrzebne, ale nie wystarczające.
Pomiar dojrzałości pokazuje, czy organizacja jako całość ma podstawy, by odpowiedzialnie wdrażać AI: strukturę, infrastrukturę, zarządzanie danymi i związane z tym podejmowanie decyzji. To inne pytanie niż to, która część pracy sama w sobie kwalifikuje się do przejęcia. Gdy ten fundament jest już rozpoznany, staje się istotne, by dla każdego zadania sprawdzić, co AI może przejąć, a co nie. To jest domena skanu pracy FTE TO AI, który dla każdego zadania oblicza, jaka część pracy może zostać przejęta przez AI, na podstawie charakteru samego zadania, a nie gotowości organizacji.
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.