Чтобы стимулировать внедрение ИИ в банковском секторе, вам необходимо понять навыки ваших сотрудников

Бернардо Нуньес — специалист по данным, специализирующийся на трансформации с помощью ИИ в Workera.

Откройте для себя лучшие новости и мероприятия в финтехе!

Подпишитесь на рассылку FinTech Weekly

Читают руководители в JP Morgan, Coinbase, Blackrock, Klarna и др.

ИИ больше не просто эксперимент. Согласно последнему Глобальному опросу McKinsey об ИИ, 78% организаций теперь используют ИИ хотя бы в одной функции бизнеса.

Банковская отрасль быстро догоняет. Недавний опрос EY-Parthenon показал, что 77% банков запустили или провели мягкий запуск приложений генеративного ИИ — по сравнению примерно с 61% в 2023 году. Однако только 31% продвинулись к полному внедрению.

Между тем, хотя в банковской отрасли широко идет инвестирование в ИИ, лишь немногие вплели эти возможности в свой стратегический план. Опрос BCG сообщил, что так поступили лишь 25% банков — а оставшиеся 75% застряли в разрозненных пилотах и проверках концепции, рискуя стать неактуальными, пока конкуренты, работающие с упором на цифровые каналы, уходят вперед.

Банковская отрасль определяется строгими регуляторными требованиями и продуманными стратегиями. Эта история привела как к рискам, так и к возможностям, связанным с ИИ. Пока другие отрасли мчались вперед, банки, которые действуют уже сейчас, все еще имеют шанс получить преимущество первопроходца. Успешное внедрение ИИ требует инфраструктуры, моделей, конвейеров данных и стратегий комплаенса. Однако самый важный аспект в превращении обещания ИИ в бизнес-ценность лежит в человеческом капитале.

Победят финансовые организации, которые дадут своим сотрудникам возможность использовать инструменты ИИ не только по ad hoc, но и как часть их ежедневного рабочего процесса. Это означает развитие реальных, проверенных навыков, чтобы люди могли понимать, применять и возглавлять инновации в области ИИ.

Почему сотрудники двигают инновации в ИИ

У ИИ есть потенциал обеспечивать невероятный прирост производительности, качества клиентского опыта и управления рисками. Но по своей сути ИИ — это просто инструмент, который требует человеческого креативного подхода и экспертности в предметной области, чтобы создавать реальную бизнес-ценность. Одна лишь технология не создает инновации; их создают люди. В банковском деле, где ключевыми являются доверие, регулирование и суждение, это взаимодействие человека и машины становится еще более важным.

Сегодня каждый сотрудник в той или иной степени должен стать сотрудником, ориентированным на ИИ. Одни будут глубоко техническими — специалисты по данным, инженеры и создатели моделей, отвечающие за проектирование и сопровождение систем, на которых основана эксплуатация ИИ. Другие, например кассиры, андеррайтеры или представители клиентской службы, могут никогда не прикоснуться к строке кода, но при этом все равно смогут использовать инструменты, основанные на ИИ, чтобы оптимизировать рабочие процессы и принимать более качественные решения. Между этими крайностями находятся сотрудники уровня «ИИ+X». Это люди, которые обладают глубокой экспертностью в таких областях, как кредитный риск, комплаенс или выявление мошенничества, и сочетают ее с достаточной грамотностью в ИИ, чтобы использовать технологию для усиления этой экспертности.

Сотрудники уровня «ИИ+X» будут теми, кто двигает истинные инновации. Они могут помочь сократить разрыв между потребностями бизнеса и техническими возможностями, переводя сложные банковские задачи в возможности, чтобы ИИ мог давать измеримые результаты. Например, специалист по комплаенсу с навыками работы с ИИ может сотрудничать с командами данных, чтобы проектировать более справедливые и прозрачные модели для процессов KYC и AML. Менеджер по продукту, создающий прототипы с помощью генеративного ИИ, может по-новому представить взаимодействие с клиентами, создавая персонализированные финансовые рекомендации или улучшая сценарии онбординга. Во всех этих случаях ИИ усиливает человеческое понимание, а не заменяет его.

В секторе, столь же строго регулируемом и склонном к минимизации рисков, как банковское дело, этот человеческий слой крайне важен. Технология может выявлять аномалии или генерировать рекомендации, но именно люди будут интерпретировать, контекстуализировать и обеспечивать, чтобы решения соответствовали этическим, юридическим и репутационным стандартам. Поэтому банки, лидирующие в принятии ИИ, инвестируют не только в системы и модели, но и в навыки и понимание своей рабочей силы.

Развитие с опорой на проверенные навыки

Построение рабочей силы, ориентированной на ИИ, начинается с понимания текущих навыков и разрывов. Чтобы успешно масштабировать ИИ, банкам нужны больше, чем энтузиазм и бюджеты на обучение. Им нужна основа данных о проверенных, измеримых навыках. Без четкого представления о возможностях сотрудников руководители не могут принимать обоснованные решения о том, как развивать людей, или где наиболее эффективно применять ИИ.

Самооценка в одиночку ненадежна. Сотрудники склонны либо переоценивать, либо недооценивать свою компетентность, что приводит к неэффективности обучения. Проверенные навыки — измеряемые через объективные оценки — позволяют организациям точно картировать текущие сильные и слабые стороны. Имея эту информацию, банки могут проектировать траектории обучения под конкретные процессы и цели — будь то вводная грамотность в ИИ для команд на передовой, глубокие технические знания для специалистов по данным или экспертиза по управлению (governance) для специалистов по комплаенсу.

Когда сотрудники понимают, где они находятся, они могут заниматься целенаправленным повышением квалификации и проверять навыки в периодических циклах, чтобы измерять прогресс и делать подотчетные инвестиции в людей. Этот цикл обучения и валидации создает культуру непрерывного совершенствования, гарантируя, что навыки остаются актуальными по мере развития области. Это особенно важно в ИИ, где «полужизнь» навыка короче, чем когда-либо. То, что сегодня считается передовым, может устареть уже через год, поэтому способность сотрудника быстро учиться становится более ценной, чем любая отдельная конкретная техническая компетенция.

Для банков это означает необходимость приоритезировать скорость роста навыков — то есть темп, с которым сотрудники могут приобретать и применять новые навыки. Учреждения, которые развивают эту адаптивность, сохранят конкурентное преимущество, реагируя быстрее на новые регуляторные требования, ожидания клиентов и технологии. Проверенные навыки также усиливают governance: гарантируют, что сотрудники понимают не только то, как использовать ИИ, но и то, как использовать его ответственно, с вниманием к справедливости, прозрачности и рискам.

Конечная цель — согласованность. Когда аналитика по навыкам формирует стратегию обучения — и стратегия обучения поддерживает приоритеты бизнеса — банки могут ускорить свою трансформацию с помощью ИИ с уверенностью. Данные о проверенных навыках позволяют руководителям видеть, куда инвестировать, как мобилизовать таланты и когда масштабировать инновации безопасно.

Создание рабочей силы, которая побеждает

Это поворотный момент для банковской отрасли. Те организации, которые создадут основу для инноваций, уйдут вперед, а те, кто будет колебаться, рискуют остаться позади. Путь вперед ясен: банки, которые формируют широкие базовые возможности ИИ среди своих сотрудников — особенно проверенные навыки, сочетающие техническую экспертность и знания предметной области — окажутся в наиболее сильной позиции, чтобы процветать.

Когда каждый сотрудник получает полномочия использовать ИИ — будь то в роли создателя, продвинутого пользователя или эксперта в предметной области — в целом банк приобретает гибкость, устойчивость и способность обеспечивать стратегическую ценность, а не просто постепенное повышение эффективности. Сейчас время перейти от экспериментов к обеспечению возможности применения. В ИИ то, что отличает лидеров от догоняющих, — это не только модели, которые вы создаете, или R&D, которое вы финансируете, но и навыки, которые вы развиваете.