Kennisbank

Zrelost AI pri bankah, zavarovalnicah in finančnih ponudnikih storitev

Sektor, ki je že vajen pravil, ne pa prilagodljivosti

Finančne storitve se od drugih sektorjev razlikujejo po dolgi zgodovini strukturiranih podatkov in strogega nadzora. Kjer se morajo številne organizacije šele lotiti urejanja informacij, ima ta sektor pogosto že desetletja izkušenj z podatkovnimi modeli, revizijskimi sledmi in obvladovanjem tveganj. To ustvarja navidezno prednost. Dimenzija upravljanja podatkov v praksi pogosto dosega višje ocene kot v drugih sektorjih, kar pa ne pomeni, da je organizacija kot celota pripravljena na AI. Kjer se na primer gradbeništvo spopada z razdrobljenimi podatki o projektih, se finančni sektor prej spopada s podatkovnimi silosi, ki so tako dobro zaščiteni, da med seboj ne komunicirajo več.

Razmerje med temeljnimi dimenzijami je zato izkrivljeno, vendar na drugačen način kot drugod. IT-infrastruktura je običajno robustna, a tudi počasna: velike, stare sisteme, ki se ne prilagajajo hitro. Organizacijska struktura je pogosto hierarhična in razdeljena po strogih linijah odgovornosti, kar lahko upočasni odločanje o novi tehnologiji. Rezultat je sektor, ki na papirju dobro ocenjuje osnove, v praksi pa je počasen pri korakih od temelja (foundation) do aktivacije (activation).

Zakaj skladnost hkrati pomaga in zavira

Skladnost in obvladovanje tveganj sta vgrajena v DNA sektorja. To deluje v obe smeri. Na eni strani zagotavlja disciplino pri kakovosti podatkov in jasno razmejitev odgovornosti, kar morajo drugi sektorji šele vzpostaviti. Na drugi strani navada, da je treba tveganja najprej temeljito preračunati, ustvarja zadržanost pri uvajanju novih tehnologij, preden je vpliv v celoti izračunan. Ta zadržanost ni nujno slabost, vendar pojasnjuje, zakaj pilotni projekti pogosteje obtičijo v poskusni postavitvi, kot da bi zrasli v strukturno uporabo.

Dimenzija odločanja je tu ključna. V številnih finančnih organizacijah manjka jasen pregled, kdo lahko sprejme kakšno odločitev o uporabi AI in na podlagi katerih informacij. Ta pregled, torej kaj sodi v inventar odločitev, je natanko tisto, kjer številne meritve zrelosti razkrijejo vrzel: tehnika je prisotna, pooblastilo za delo z njo pa ni.

Razpršenost med oddelki je pogosto večja kot v drugih sektorjih

Kar ta sektor dodatno razlikuje, je obseg razlik med oddelki. Oddelek za tveganja že vrsto let dela z modeli in statistiko ter vidi AI kot logično razširitev tega, kar se že dogaja. Oddelek za podporne funkcije ali stike s strankami pa AI pogosto vidi predvsem kot nekaj, kar je vsiljeno od zgoraj, brez da bi bili lastni delovni procesi temu prilagojeni. Kadar več oseb iz iste organizacije ločeno oceni sedem dimenzij, ta razpršenost pogosto takoj izstopi. Rezultat je redko enoten, in prav to je vredno: pokaže, kje pogovor o pripravljenosti še ni potekal.

Ta razpršenost je manj naključna, kot se zdi. Finančne institucije so pogosto sestavljene iz divizij, ki so se zgodovinsko razvijale ločeno, vsaka s svojim tempom digitalizacije. To je drugačen vzorec kot na primer v inštalacijski panogi, kjer se razpršenost pogosteje pojavlja med sedežem podjetja in izvajanjem na terenu, ali v nepremičninskem sektorju, kjer je razlika pogosto med upravljanjem in razvojem.

Zakaj vrstnega reda dimenzij tu ni dovoljeno preskočiti

Skušnjava, da bi se začelo pri vidnih, odvisnih dimenzijah, je v finančnem sektorju velika, saj je na voljo že veliko podatkov in izkušenj z modeli. Vendar vrstni red še vedno velja: organizacijska struktura, IT-infrastruktura in upravljanje podatkov predstavljajo temelj, na katerem sloni preostalo. Organizacija, ki na papirju visoko ocenjuje upravljanje podatkov, kjer pa odločanje in odgovornost nista izdelana, naleti na isti zid kot organizacija, ki mora šele začeti. Zakaj morajo temeljne dimenzije priti najprej, torej ni stvar preference, temveč načina, kako uporabe AI dejansko delujejo: brez trdnega temelja vse ostane na ravni pilotnega projekta, ne glede na to, kako napreden je model.

Primerjava z drugimi kapitalsko intenzivnimi sektorji, kot je energetski sektor, kaže, da močna tehnična osnova ne vodi samodejno do zrelosti na drugih dimenzijah. Tehnika in disciplina sta potrebni, vendar ne zadostni.

Od pripravljenosti do konkretnih nalog

Meritev zrelosti pokaže, ali ima organizacija kot celota vzpostavljen temelj za odgovorno uvajanje AI: strukturo, infrastrukturo, upravljanje podatkov in odločanje, ki jih obdaja. To je drugačno vprašanje od tega, kateri del dela je sam po sebi primeren za prevzem. Ko je ta temelj enkrat viden, postane pomembno po posameznih nalogah preučiti, kaj lahko AI prevzame in kaj ne. To je področje delovne analize (werkscan) FTE TO AI, ki za vsako nalogo posebej izračuna, kateri del dela lahko prevzame AI, na podlagi narave same naloge in ne pripravljenosti organizacije.