Kennisbank

Maturitatea AI la bănci, asigurători și furnizori de servicii financiare

Un sector deja obișnuit cu regulile, dar nu cu flexibilitatea

Serviciile financiare se distinge de alte sectoare printr-o istorie lungă de date structurate și control strict. Acolo unde multe organizații trebuie încă să înceapă cu ordonarea informațiilor, acest sector are adesea deja decenii de experiență cu modele de date, piste de audit și gestionarea riscurilor. Asta oferă un avans aparent. Dimensiunea managementul datelor obține în practică adesea un scor mai ridicat decât în alte sectoare, dar asta nu înseamnă că organizația în ansamblu este pregătită pentru AI. Acolo unde, de exemplu, construcțiile se confruntă cu date fragmentate despre proiecte, sectorul financiar se confruntă mai degrabă cu silozuri de date care sunt atât de bine securizate încât nu mai comunică între ele.

Relația dintre dimensiunile fundamentale este astfel dezechilibrată, dar într-un mod diferit față de alte sectoare. Infrastructura IT este de regulă robustă, dar și greoaie: sisteme mari, vechi, care nu se adaptează rapid. Structura organizatorică este adesea hierarhică și împărțită pe linii de responsabilitate stricte, ceea ce poate încetini luarea deciziilor privind tehnologii noi. Rezultatul este un sector care pe hârtie obține scoruri bune la bază, dar în practică este lent în trecerea de la foundation la activation.

De ce conformitatea ajută, dar și frânează

Conformitatea și gestionarea riscurilor sunt înscrise în ADN-ul sectorului. Asta funcționează în două direcții. Pe de o parte, asigură disciplină în calitatea datelor și o delimitare clară a responsabilităților, ceva ce alte sectoare trebuie încă să construiască. Pe de altă parte, obiceiul de a calcula riscurile în avans generează reticență în implementarea de tehnologii noi înainte ca impactul să fie calculat complet. Această reticență nu este neapărat un dezavantaj, dar explică de ce proiectele pilot rămân mai des blocate într-un stadiu experimental decât să evolueze într-o aplicație structurală.

Dimensiunea luare a deciziilor este determinantă aici. În multe organizații financiare lipsește o imagine clară despre cine poate lua ce decizie privind o aplicație AI și pe baza căror informații. Acea imagine, ceea ce ar trebui să conțină un inventar al deciziilor, este exact locul unde multe măsurări ale maturității dezvăluie un gol: tehnologia este prezentă, autoritatea de a lucra cu ea nu.

Dispersia dintre departamente este adesea mai mare decât în alte sectoare

Ceea ce mai distinge acest sector este amploarea diferenței dintre departamente. Un departament de risc lucrează de ani de zile cu modele și statistică și vede AI ca o extensie logică a ceea ce se face deja. Un departament de back-office sau de contact cu clienții vede AI mai ales ca ceva impus de sus, fără ca propriile procese de lucru să fie adaptate pentru asta. Când mai multe persoane din aceeași organizație notează separat cele șapte dimensiuni, această dispersie se observă adesea imediat. Rezultatul este rareori o imagine uniformă, și exact asta este valoros: arată unde discuția despre pregătire nu a avut încă loc.

Această dispersie este mai puțin întâmplătoare decât pare. Instituțiile financiare sunt adesea construite din divizii care s-au dezvoltat istoric separat, fiecare cu propriul ritm de digitalizare. Acesta este un tipar diferit față de, de exemplu, sectorul de instalații, unde dispersia apare mai des între sediul central și execuția pe teren, sau sectorul imobiliar, unde diferența se situează adesea între administrare și dezvoltare.

De ce ordinea dimensiunilor nu poate fi omisă aici

Tentația de a începe cu dimensiunile vizibile, dependente este mare în sectorul financiar, pentru că există deja multe date și multă experiență cu modele. Cu toate acestea, ordinea rămâne valabilă: structura organizatorică, infrastructura IT și managementul datelor formează baza pe care se sprijină restul. O organizație care obține pe hârtie un scor ridicat la managementul datelor, dar unde luarea deciziilor și responsabilitatea nu sunt elaborate, se ciocnește de același zid ca o organizație care trebuie încă să înceapă. De ce dimensiunile fundamentale trebuie să vină primele nu este deci o chestiune de preferință, ci de modul în care aplicațiile AI funcționează efectiv: fără o bază solidă, totul rămâne la nivelul unui proiect pilot, indiferent cât de avansat este modelul.

Comparația cu alte sectoare intensive în capital, precum sectorul energetic, arată că o bază tehnică solidă nu conduce automat la maturitate pe celelalte dimensiuni. Tehnica și disciplina sunt necesare, dar nu suficiente.

De la pregătire la sarcini concrete

Măsurarea maturității arată dacă organizația în ansamblu are baza necesară pentru a susține AI în mod responsabil: structura, infrastructura, managementul datelor și luarea deciziilor din jurul acestora. Aceasta este o întrebare diferită de care parte a muncii se califică efectiv pentru a fi preluată. Odată ce această bază este cunoscută, devine relevant să se analizeze pe sarcină ce poate prelua AI și ce nu. Acesta este domeniul scanării muncii de la FTE TO AI, care calculează pe sarcină ce parte din muncă poate fi preluată de AI, pe baza naturii sarcinii înseși, și nu pe baza pregătirii organizației.