Keine Lösung für alle Probleme: Wie künstliche Intelligenz in belarussischen Banken eingeführt wird

Die Transformation des Bankensektors mit Hilfe von künstlicher Intelligenz wurde am 7. Oktober auf der IV-Wirtschaftskonferenz „Digitale Transformation von Unternehmen und Industrien in der Republik Belarus in Minsk diskutiert, berichtet der Korrespondent der Agentur Minsk-Novosti.

Künstliche Intelligenz und digitale Transformation sind zu wichtigen Treibern für die Entwicklung des modernen Bankensektors geworden, aber die gezielte Einführung von Technologien ohne tiefgreifende Restrukturierung von Prozessen führt oft zur Bildung neuer operativer Plug-ins und unnötiger finanzieller Kosten. Um die betriebliche Effizienz erfolgreich zu verbessern, sind Unternehmen gezwungen, von chaotischen Piloten zu einer systematischen Bewertung der technologischen Reife jedes End-to-End-Prozesses überzugehen.

- Als Ergebnis all unserer großen Experimente, Versuche und verschiedenen Projekte haben wir erkannt, dass künstliche Intelligenz immer noch die beste und korrekteste ist, um sie nicht auf eine einzelne Aufgabe oder Technologie anzuwenden, sondern auf den Prozess selbst von Anfang bis Ende , sagte Allina Dashuk, Direktorin des Prozessmanagementzentrums einer der belarussischen Banken. Punktreliefs und kleine Verbindungen einiger Assistenten sehen im Moment gut aus, aber in großem Maßstab geben sie nicht die Gesamtwirkung, die wir alle anstreben.

Die Organisation verfügt über 209 große End-to-End-Prozesse mit mehreren Teilnehmern und Dokumentation. Die Bank hat sich das ehrgeizige Ziel gesetzt, KI bis Ende des Jahres in mehr als 40% ihrer Prozesse zu integrieren. Dies bedeutet, dass ein neuronales Netzwerk in einer Phase verwendet werden muss.

- Zuerst haben wir versucht, lokale Werkzeuge einzuführen, sagte der Sprecher. Zum Beispiel wurde in der Phase des Sammelns und Analysierens von Dokumenten ein Assistent angeschlossen. Es scheint, dass die Mitarbeiter befreit sind und alles mit neuen Farben spielen sollte. Aber was passierte, war, dass die Analysephase schneller begann, und vor der Abschlussvorbereitungsphase gab es einen Stau, weil wir dort immer noch manuell arbeiten. Wir haben das Problem nicht beseitigt, wir haben es einfach entfernt.

Um solche Ungleichgewichte zu vermeiden, hat die Bank ein spezielles digitales Prozessmanagementsystem eingeführt. Es digitalisiert Prozesskarten, behebt Metriken, baut Datenarchitektur auf und berechnet den Grad der digitalen Reife. Die erste bedeutet, dass sie von Menschen durchgeführt werden, und es gibt nur wenige digitale Fußabdrücke. Und im letzten, fünften führt die KI selbstständig eine Operation von Anfang bis Ende durch, eine Person arbeitet nur mit Ausnahmen.

- Wir hören oft die Frage: "Gibt es Technologie, wo sollten wir sie anwenden?" - fuhr der Experte fort. Aber Sie müssen nicht schauen, wo Sie das Modell verschrauben können, sondern wo wir Probleme haben und was genau wir herausholen wollen: Ist es wichtig für uns, Zeit zu reduzieren, Defekte zu reduzieren, Conversions zu erhöhen oder die Anzahl der Register zu reduzieren.

Unabhängig davon ging der Sprecher auf das weit verbreitete Missverständnis ein, dass künstliche Intelligenz notwendig ist, um absolut alle operativen Aufgaben zu erfüllen. In den meisten Fällen bewältigen Standardalgorithmen oder die klassische Automatisierung die Last viel effizienter und billiger.

- Es gibt Fälle, in denen KI zusätzliche Arbeit generiert: Sie erledigt einen Teil der Aufgaben, danach muss der Manager noch das Ergebnis überprüfen und Verantwortung übernehmen, betonte der Leiter des Zentrums. Darüber hinaus ist es mit hohen Kosten verbunden: Zuerst bezahlen Sie für die Infrastruktur und den Kauf von Servern, dann für Token und dann jahrelange Unterstützung und Umschulung von Modellen.

Eine unzureichende Datenverfügbarkeit ist ein weiteres großes Hindernis für die Transformation. Dies ist das Fehlen einer digitalisierten Beschreibung der Aufgabe, nicht zugewiesene Verantwortungsbereiche oder die Speicherung von Informationen in unterschiedlichen Tabellen. Ohne vorherige Rationalisierungsarbeiten macht die Einführung anspruchsvoller KI-Assistenten keinen Sinn.

- Bevor wir eine große Idee umsetzen, müssen wir eine riesige organisatorische Arbeit leisten und erst dann die Automatisierung wieder angehen, erklärte Dashuk. Jetzt konzentrieren wir uns auf Lösungen, die das Maximum der typischen Aufgaben abdecken: Erkennung und Vorlage von Dokumenten, Spracheingabe sowie die Schaffung einer einheitlichen Wissensbasis für Mitarbeiter.

Derzeit enthalten etwa 30% der Prozesse eines Unternehmens bereits eingebettete intelligente Lösungen. Als erfolgreiches Beispiel nannte der Sprecher die Richtung der Autokreditvergabe, bei der der Prozess vollständig neu zusammengesetzt, ein digitales Kundenprofil erstellt und intelligente Assistenten in allen wichtigen Phasen eingesetzt wurden.

- Künstliche Intelligenz ist nicht die Lösung für alle Probleme, schloss der Sprecher. Es kann Ihre Anzahl von Aufgaben leicht um das 20-fache erhöhen. Daher der wichtigste Rat: Wählen Sie einen prioritären Prozess, bewerten Sie ihn, erreichen Sie eine gute Automatisierung und verbinden Sie erst dann nach und nach künstliche Intelligenz.

Foto vom Autor