Искусственный интеллект: новые одежды императора? Внедрение в финансовых услугах

Кэтрин Вуллер — главный стратег в сфере финансовых услуг, Softcat plc, IT-компании, котирующейся на FTSE.

Узнайте о главных новостях и мероприятиях в финтехе!

Подпишитесь на рассылку FinTech Weekly

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

Немногие темы так поляризуют, как ИИ; оценки варьируются от, в более позитивном конце, следующего рубежа прогресса человечества, до технологического решения в поисках проблем, которые нужно исправить, или, что хуже, до потенциальной возможности положить конец человеческому роду.

Как главный стратег Softcat, который поддерживает 2 500 компаний в сфере финансовых услуг с помощью ИТ-услуг и инфраструктуры, я имею привилегированное место наблюдать, как разворачиваются инновации во всём спектре FS&I-компаний.

С самого начала наблюдается сильное внедрение в количественных хедж-фондах, которые вкладываются в ИИ ради улучшения доходности, а также в страховании, которое выигрывает от огромных массивов данных — обе сферы легко обосновывают понятные сценарии использования с высокой окупаемостью (ROI).
 
Компании финансового сектора занимались математическим моделированием и машинным обучением почти за десять лет до того, как ИИ начали продвигать в его нынешнем виде, но в последнее время впечатляющая производительность инфраструктуры ИИ подстегнула активное внедрение со стороны количественных трейдинговых фондов, а также страховых и управляющих капиталом компаний — все они стремятся извлечь выгоду из огромного объёма данных, который теперь им доступен.

Кроме того, многое из того, что продают как ИИ, — это просто следующая инкарнация автоматизации.

Хотя мы видим огромный интерес к ИИ во всех типах компаний финансовых услуг, исходя из огромного потенциала этой технологии, в конечном счёте мы только у подножия этапа внедрения. К тому же сценарии использования сильно различаются — банк первого уровня внедрит ИИ совершенно иначе, чем, скажем, десятифилиальная локальная сберегательная организация.

Я часто вижу разный уровень заинтересованности внутри одной и той же организации: советы директоров, более молодые и более цифрово подкованные поколения и операционные/финансовые подразделения нередко относятся к идее более благосклонно, чем, например, коллеги из комплаенса.  Чаще всего обеспокоенность включает «чёрный ящик» этой технологии, тревоги по поводу этичного внедрения ИИ и отсутствие ясности в регулировании.

Однако отчётливо проявляются определённые закономерности в том, что способствует раннему внедрению и высокому уровню использования.  Успешные компании имеют чёткую стратегию внедрения ИИ, создают центры передового опыта и гарантируют, что их данные находятся в соответствующем состоянии с самого начала; это выглядят как небольшие усилия, но именно они — фундамент успешных инноваций.

Мы часто видим, что первый сценарий использования разворачивают в продуктивных инструментах, таких как ChatGPT, Co-pilot или Claude; они часто становятся точкой входа для многих коллег, когда те начинают воспринимать идею ИИ, и иногда сухо называют «вводным наркотиком»!
 
С точки зрения культуры внедрение ИИ может стать большим отклонением от статус-кво, и особенно эффективные руководящие команды будут стремиться подготовить свои организации к будущему.  Стратегия по управлению персоналом с дальним прицелом имеет первостепенное значение: формировать внутренние возможности и экспертизу в области ИИ, сосредотачиваться на применимых навыках и компетенциях и поощрять обмен знаниями.  Также потребуется долгосрочный взгляд на то, как переобучать коллег, чьи роли будут вытеснены эффективностью, основанной на ИИ.

Разумеется, большое внимание уделяется добавленной стоимости от ИИ; есть банки, у которых потенциальных сценариев использования — сотни, и выбор того, во что именно стоит войти с proof of concept, а затем масштабировать более широко, может быть сложной задачей.  Лучшие практики для такой новой технологии только начинают складываться.  На первом этапе переход от огромного числа потенциальных сценариев использования к приоритизации тех, что создают наибольшую ценность, может быть подавляющим, а жёсткий triage можно выстроить на основе влияния, стоимости, реализуемости и соответствия более широким целям бизнеса, чтобы оценить потенциальный ROI.

Необходима хорошо продуманная система измерений для оценки проектов по ИИ: релевантные KPI, надёжные методологии сбора данных и чётко определённые механизмы отчётности.  После того как проект по ИИ становится частью BAU, должна действовать политика непрерывного итеративного развития со временем, чтобы максимизировать отдачу и обеспечить согласование со стратегическими приоритетами — и снова: это часто культурная особенность высокоэффективных команд.

Недавно меня пригласили поговорить об ИИ с регулятором.  Во время отраслевого круглого стола был задан блестяще озадачивающий вопрос: «Какая одна проблема решается с помощью ИИ лучше, чем любая другая?»  Неудивительно, что у каждой организации был совершенно разный ответ, и я ожидаю, что компании ещё долго будут сталкиваться с этим вопросом.

Те, кто не может выстраивать стратегию в отношении ИИ и внедряет его надлежащим и своевременным образом, окажутся в существенном проигрыше.