Finančné služby sa od iných sektorov odlišujú dlhou históriou štruktúrovaných dát a striktnej kontroly. Kde mnohé organizácie musia ešte začať s usporiadaním informácií, tento sektor má často už desiatky rokov skúseností s dátovými modelmi, audit trailmi a riadením rizík. To poskytuje zdanlivý náskok. Dimenzia manažment dát v praxi často dosahuje vyššie skóre než v iných sektoroch, ale to neznamená, že organizácia ako celok je pripravená na AI. Kde napríklad stavebný sektor bojuje s roztrieštenými dátami o projektoch, finančný sektor skôr bojuje s dátovými silami, ktoré sú tak dobre zabezpečené, že sa už navzájom nedostávajú.
Vzťah medzi fundamentálnymi dimenziami je preto skreslený, ale iným spôsobom než inde. IT infrastruktúra je zvyčajne robustná, ale zároveň ťažkopádna: veľké, staré systémy, ktoré sa nepohybujú rýchlo. Organizačná štruktúra je často hierarchická a rozdelená na striktné línie zodpovednosti, čo môže spomaľovať rozhodovanie o novej technológii. Výsledkom je sektor, ktorý na papieri dosahuje dobré skóre na základoch, ale v praxi je pomalý pri prechode z fundamentu na aktiváciu.
Compliance a riadenie rizík sú zabudované do DNA sektora. To pôsobí na obe strany. Na jednej strane to zabezpečuje disciplínu v kvalite dát a jasné vymedzenie zodpovedností, čo iné sektory ešte musia vybudovať. Na druhej strane zvyk najprv prepočítať riziká vytvára zdržanlivosť pri nasadzovaní novej technológie predtým, než je jej dopad úplne prepočítaný. Táto zdržanlivosť nie je nevyhnutne nevýhodou, ale vysvetľuje, prečo pilotné projekty častejšie zostávajú v skúšobnej fáze, než aby prerástli do štrukturálneho nasadenia.
Dimenzia rozhodovanie je tu rozhodujúca. V mnohých finančných organizáciách chýba jasný prehľad o tom, kto môže prijať aké rozhodnutie o AI-aplikácii a na základe akých informácií. Tento prehľad, čo patrí do inventára rozhodnutí, je presne to, kde mnohé meranie vyspelosti odhaľuje medzeru: technika je prítomná, oprávnenie na prácu s ňou nie.
Čo tento sektor ďalej odlišuje, je rozsah rozdielu medzi oddeleniami. Oddelenie riadenia rizík pracuje už roky s modelmi a štatistikou a vníma AI ako logické rozšírenie toho, čo sa už deje. Oddelenie backoffice alebo klientskeho kontaktu vníma AI hlavne ako niečo, čo je nariadené zhora, bez toho, aby na to boli prispôsobené vlastné pracovné procesy. Keď viacero ľudí z tej istej organizácie samostatne skóruje sedem dimenzií, tento rozptyl je zvyčajne okamžite viditeľný. Výsledok je len zriedka jednotný obraz, a to je presne to, čo je hodnotné: ukazuje to, kde sa ešte neuskutočnil rozhovor o pripravenosti.
Tento rozptyl je menej náhodný, než sa zdá. Finančné inštitúcie sú často zložené z divízií, ktoré historicky vyrástli oddelene, každá s vlastným tempom digitalizácie. To je iný vzor než napríklad v instalačnom odvetví, kde rozptyl vzniká častejšie medzi ústredím a výkonom v teréne, alebo v sektore nehnuteľností, kde rozdiel je často medzi správou a rozvojom.
Pokušenie začať s viditeľnými, závislými dimenziami je vo finančnom sektore veľké, pretože je tam už veľa dát a veľa skúseností s modelmi. Napriek tomu platí poradie: organizačná štruktúra, IT infrastruktúra a manažment dát tvoria základ, na ktorom stojí všetko ostatné. Organizácia, ktorá na papieri dosahuje vysoké skóre v manažmente dát, ale kde rozhodovanie a zodpovednosť nie sú vypracované, naráža na tú istú stenu ako organizácia, ktorá musí ešte začať. Prečo fundamentálne dimenzie musia prísť ako prvé, nie je otázkou preferencie, ale spôsobu, akým AI-aplikácie skutočne fungujú: bez pevného základu všetko zostáva na úrovni pilotného projektu, nech je model akokoľvek pokročilý.
Porovnanie s inými kapitálovo náročnými sektormi, ako je energetický sektor, ukazuje, že silný technický základ automaticky nevedie k vyspelosti v ostatných dimenziách. Technika a disciplína sú potrebné, ale nie sú dostatočné.
Meranie vyspelosti ukazuje, či má organizácia ako celok pripravený základ na to, aby zodpovedne nosila AI: štruktúru, infraštruktúru, manažment dát a rozhodovanie okolo toho. To je iná otázka než to, ktorá časť práce sama osebe prichádza do úvahy na prevzatie. Keď je tento základ zmapovaný, stáva sa relevantným pozrieť sa na jednotlivé úlohy, čo AI môže prevziať a čo nie. To je oblasť pracovného skenu FTE TO AI, ktorý pre každú úlohu vypočíta, akú časť práce je možné prenechať AI, na základe povahy samotnej úlohy, nie na základe pripravenosti organizácie.
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.