Искусственный интеллект: новые одежды императора? Внедрение в финансовых услугах

Кэтрин Вуллер — главный специалист по стратегии (Chief Strategist) в сфере финансовых услуг компании Softcat plc, компании из списка FTSE.

Узнайте о главных новостях и событиях в финтехе!

Подпишитесь на рассылку FinTech Weekly

Читают руководители в JP Morgan, Coinbase, Blackrock, Klarna и не только

Немногие темы столь поляризуют, как ИИ; вердикты варьируются от, в более позитивной части спектра, следующей границы прогресса человечества, до технологического решения, ищущего проблемы, которые нужно исправить, или, в худшем случае, до потенциала положить конец человечеству.

Как главный специалист по стратегии в Softcat, которая поддерживает 2 500 компаний в сфере финансовых услуг с помощью ИТ-услуг и инфраструктуры, я с привилегированной точки сижу в первом ряду, наблюдая, как разворачиваются инновации по всему спектру FS&I-компаний.

Сначала на старт вышли количественные хедж-фонды, которые охотно принимают существенные инвестиции в ИИ ради улучшения доходности, а также страховые компании, которые выигрывают от огромных массивов данных — обе категории легко обосновывают понятные сценарии использования с высокой окупаемостью инвестиций (ROI).
 
Финансовые компании уже почти десятилетие занимались математическим моделированием и машинным обучением до того, как ИИ начали продавать в нынешнем виде, но в последнее время «колоссальная» производительность инфраструктуры ИИ подстегнула сильное внедрение со стороны фондов количественной торговли и страховых, а также компаний в сфере управления капиталом — все они стремятся получить выгоду из огромного объема данных, который теперь им доступен.

Кроме того, многое из того, что продается как ИИ, по сути является следующим воплощением автоматизации.

Хотя мы видим огромный интерес к ИИ во всех типах компаний финансового сектора, исходя из огромного потенциала этой технологии, в конечном счете мы находимся у подножия процесса внедрения. Кроме того, существует множество существенно различающихся сценариев использования — банк первого эшелона развернет ИИ совершенно иначе, скажем, чем локализованное товарищество с десятью отделениями.

Я часто вижу разный уровень склонности к внедрению внутри одной и той же организации: советы директоров, более молодые, более цифровые поколения и операционные/финансовые подразделения нередко настроены к идее более благосклонно, чем, например, коллеги из комплаенса.  Часто поднимаемые опасения включают «черный ящик» природы этой технологии, беспокойство по поводу этичного развертывания ИИ и отсутствие четкости в регулировании.

Однако проявляются четкие закономерности того, что способствует раннему внедрению и высоким уровням использования.  Успешные компании имеют сильную стратегию внедрения ИИ, создают центры передового опыта и следят за тем, чтобы их данные были в надлежащем состоянии уже с самого начала; это звучит как небольшие начинания, но именно они — фундамент успешных инноваций.

Мы часто видим, что первый сценарий использования для развертывания приходится на инструменты повышения продуктивности, такие как ChatGPT, Co-pilot или Claude — они часто служат точкой входа для многих коллег в принятие идеи ИИ и иногда сухо именуются «воротной наркотиком»!
 
Культурно внедрение ИИ может стать большим отходом от текущего статус-кво, и крайне эффективные команды руководителей будут смотреть на то, чтобы «подготовить» свои организации к будущему.  Стратегия HR с дальновидностью имеет первостепенное значение: она предполагает развитие внутренних возможностей и компетенций в области ИИ, фокус на применимых навыках и экспертизе и поощрение обмена знаниями.  В долгосрочной перспективе придется подходить к вопросу о перераспределении коллег, чьи роли оказываются вытеснены эффективностями, которых добиваются благодаря ИИ.

Должно быть много внимания добавочной ценности от ИИ; есть банки, у которых сотни потенциальных сценариев использования, и выбор того, в какой из них войти в рамках proof of concept, а затем расширить развертывание более широко, может быть сложным.  Лучшие практики для такой новой технологии лишь начинают формироваться.  В первую очередь, переход от огромного числа потенциальных сценариев использования к приоритизации тех, которые дают наибольшее создание ценности, может оказаться непосильным, и жесткий триаж можно провести, опираясь на влияние, стоимость, реализуемость и согласованность с более широкими целями бизнеса, чтобы оценить потенциальную окупаемость инвестиций (ROI).

Нужна хорошо продуманная система измерений для оценки проектов ИИ — с релевантными KPI, надежными методологиями сбора данных и четко определенными механизмами отчетности.  Когда проект ИИ становится частью BAU, должна быть политика непрерывного итеративного развития со временем, чтобы максимизировать отдачу и обеспечить согласование со стратегическими приоритетами — и снова это часто является культурной особенностью высокоэффективных команд.

Недавно меня пригласили рассказать об ИИ регулятору.  Во время отраслевого круглого стола был задан блестяще озадачивающий вопрос: «Какую одну проблему ИИ решает лучше всего на свете?»  Неудивительно, что у каждой организации был совершенно разный ответ, и я ожидаю, что компании будут разбираться с этим вопросом еще долгие годы.

Те, кто не способен выстраивать стратегию по ИИ и внедряет его в соответствующее и своевременное время, окажутся в существенном проигрыше.