Ailleron i Ab Initio Software o sztucznej inteligencji: monetyzacja danych i transformacja organizacyjna
Generatywna sztuczna inteligencja ma ogromny potencjał dla branży finansowej, ale jej wdrożenie wymaga przemyślanego podejścia, opartego na realistycznych oczekiwaniach, silnym zarządzaniu danymi i dostosowaniu procesów biznesowych. Banki, które zdają sobie sprawę z tych wyzwań i przyjmują sztuczną inteligencję ze strategicznym i elastycznym nastawieniem, będą w stanie uzyskać znaczącą przewagę konkurencyjną. Kluczem do sukcesu są zdolności gotowe na przyszłość, takie jak zwinność, zaangażowanie oraz chęć ciągłego uczenia się i dostosowywania do pojawiających się wyzwań.
Spis treści
- Monetyzacja danych a jakość i zarządzanie
- Dane: Paliwo napędzające organizacje - od transakcji do interakcji
- Strategia wdrażania: Agile, zmiana organizacyjna, kultura innowacji
- Produkty danych i rola metadanych
Monetyzacja danych a jakość i zarządzanie
Instytucje finansowe codziennie gromadzą i przetwarzają ogromne ilości danych, ale często nie potrafią w pełni wykorzystać ich potencjału na dużą skalę. Istnieje wiele możliwych przyczyn takiego stanu rzeczy. Według Michała Walerowskiego, AI & Data Solutions Manager w Ailleron, jednym z kluczowych problemów jest brak ujednoliconego widoku danych. Stephen Brobst, Chief Technology Officer w Ab Initio Software, dodaje, że jakość danych - szczególnie tych pochodzących z back-office'u, np. danych przetwarzanych podczas rozpatrywania wniosków kredytowych - jest często niewystarczająca do efektywnej monetyzacji. Aby zmienić tę tendencję, banki musiałyby wdrożyć bardziej rygorystyczne systemy zarządzania danymi i zautomatyzować procesy w celu poprawy ich jakości.
Warto podkreślić, że dane przetwarzane przez banki nie są zasobem wyczerpywalnym - wręcz przeciwnie: im więcej się z nich korzysta, tym cenniejsze się stają i tym więcej spostrzeżeń mogą generować. W tym kontekście generatywna sztuczna inteligencja może wspierać banki poprzez automatyzację tworzenia reguł jakości danych, umożliwiając bardziej efektywne zarządzanie danymi i torując drogę do ich monetyzacji.
Dane: Paliwo napędzające organizacje - od transakcji do interakcji
Ekonomiści określili kiedyś dane jako ropę XXI wieku, ale w przeciwieństwie do ropy, dane są zasobem wielokrotnego użytku. W rzeczywistości ich wartość rośnie, im więcej z nich korzystamy. Aby uwolnić tę rosnącą wartość, banki muszą wprowadzić większą dyscyplinę w sposobie gromadzenia, zarządzania i monitorowania danych, zapewniając, że ich pochodzenie jest identyfikowalne, a ich jakość stale doskonalona. Pomiar jakości danych powinien również sięgać jak najgłębiej w łańcuch dostaw danych.
Stephen Brobst
Chief Technology Officer, Ab Initio Software
Według Brobst, większość defektów danych nie jest wynikiem transformacji IT lub kwestii technicznych - zazwyczaj powodują je nieefektywne procesy biznesowe. Dlatego też tak ważna jest ocena jakości danych na jak najwcześniejszym etapie. Na rynku rośnie zapotrzebowanie na narzędzia, które mogą zautomatyzować zarządzanie jakością danych, identyfikować defekty, a nawet przeprowadzać automatyczną korektę danych. Automatyzacja tych działań ma kluczowe znaczenie, ponieważ ręczne mierzenie i poprawianie jakości danych jest bardzo trudne do skalowania w dużym środowisku bankowym.
W rzeczywistości możemy używać sztucznej inteligencji generatywnej do tworzenia reguł jakości danych, tak jak możemy pisać kod lub komunikować się w dowolnym języku obcym. Jeśli chodzi o tworzenie reguł jakości danych, w Ab Initio jest to po prostu kwestia zdefiniowania zestawu metadanych.
Stephen Brobst
Chief Technology Officer, Ab Initio Software
Strategia wdrażania: Agile, zmiana organizacyjna, kultura innowacji
W bankowości wdrożenie projektu wykorzystującego możliwości GenAI to nie tylko wyzwanie technologiczne - to przede wszystkim istotne wyzwanie organizacyjne. Brobst zwraca uwagę, że często wybór odpowiedniej technologii okazuje się najłatwiejszą częścią procesu. Prawdziwe wyzwanie zaczyna się po uruchomieniu rozwiązania i polega na skutecznym zarządzaniu zmianą organizacyjną. Bez przemyślanej transformacji procesów biznesowych i aktywnego zaangażowania zespołów z różnych działów, projekt może nie osiągnąć swoich celów.
Zwinność jest zatem kluczową umiejętnością, którą organizacje powinny kultywować, aby realizować udane projekty. Brobst podkreśla znaczenie przyjęcia strategii krok po kroku, która stopniowo przybliża organizację do jej szerszej wizji. Zwinny model, oparty na dostarczaniu przyrostowej wartości, nie tylko przyspiesza wyniki, ale także umożliwia lepszą adaptację do zmieniającego się krajobrazu biznesowego.
Według Walerowskiego, projekty związane z danymi są często postrzegane przez interesariuszy biznesowych jako inicjatywy czysto techniczne. W rezultacie zespoły biznesowe niechętnie angażują się w takie projekty i wolą skupić się na swoich codziennych obowiązkach. Rzeczywistość jest jednak taka, że bez własności biznesowej i aktywnego zaangażowania, takie projekty raczej nie odniosą sukcesu.
Aby w pełni zrozumieć intencje klienta i uwolnić pełny potencjał danych do monetyzacji, konieczne jest wyjście poza analizę podstawowych danych bankowych. Podstawowe dane bankowe odnoszą się do danych transakcyjnych, które reprezentują najbardziej szczegółowy poziom szczegółowości w tradycyjnej bankowości.
Produkty danych i rola metadanych
Liczy się więc nie tylko sama transakcja finansowa, ale także wszystkie interakcje z bankiem, które ją poprzedzały - wyszukiwanie na stronie internetowej i w bankowości mobilnej, wymiana zdań z doradcami bankowymi, wizyty w oddziale i wszystkie działania, które doprowadziły do otwarcia konta lub wypłaty depozytu. Przed skorzystaniem z płatności, pożyczki lub innego produktu bankowego klient podejmuje ważną decyzję. Dlatego wiodące banki zapewniają, że ich centra kontaktowe i kanały są w pełni wyposażone do monitorowania i wspierania całej podróży klienta prowadzącej do tej decyzji.
Niezbędne jest połączenie wszystkich tych działań w łańcuchu interakcji między klientem a bankiem, aby integracja danych zapewniła znacznie lepszy wgląd w zachowania konsumentów i ostatecznie umożliwiła monetyzację. Rozważając monetyzację danych, naturalnie prowadzi nas to do dyskusji na temat produktów opartych na danych.
Stephen Brobst
Chief Technology Officer, Ab Initio Software
Tworzenie produktów danych, które są interoperacyjne - a tym samym zdolne do oferowania pełniejszego obrazu z perspektywy ryzyka, marketingu, finansowania, zgodności i nie tylko. Brobst podkreśla kluczowe znaczenie koncepcji produktu danych. Sercem silnego produktu danych są solidne metadane, które otaczają i kontekstualizują podstawowe dane. Organizacje powinny dołożyć starań, aby wyeksponować te metadane i zapewnić ich dostępność, tak aby każda osoba w firmie, niezależnie od pełnionej roli, mogła przeglądać i interpretować dane przez swój pryzmat.