Rabobank investeerib tehisintellekti tulevikku 2 miljardit eurot

Rabobanki ümberkujundamine: tehisintellekt kui konkurentsivõime võti

Tehisintellekt pankades: teooriast praktilise rakenduseni

Hollandi üks juhtivaid panku Rabobank plaanib järgmise kolme aasta jooksul investeerida kuni 2 miljardit eurot andmetesse, infotehnoloogiasse ja tehisintellekti (AI). See otsus langetati ajal, mil panga puhaskasum peaks 2026. aasta esimesel poolel jääma 2,694 miljardi euro juurde. Lühiajalise kasumi maksimeerimise asemel peab Rabobank oma digitaalse infrastruktuuri kaasajastamist tulevase konkurentsivõime seisukohalt oluliseks.

See ambitsioonikas projekt ulatub kaugemale pelgast investeerimisest tehisintellekti; see hõlmab ka andmete kvaliteedi parandamist, digitaalsete kliendikogemuste arendamist ja kaasaegsete tehnoloogiate integreerimist olemasolevatesse süsteemidesse. Üha digitaalsemas maailmas on pankade jaoks oluline tehnoloogiliselt areneda, et rahuldada kasvavaid klientide nõudmisi ja turuväljakutseid. Selle sammuga näitab Rabobank oma arusaama vajadusest end ümber positsioneerida väga konkurentsitihedas keskkonnas, keskendudes lisaks uuenduslikele tehnoloogiatele ka tugevale andme- ja IT-alusele, et tagada pikaajaline edu.

Rabobanki kahe miljardi dollari suurune panus tehisintellektile

Euroopa pangad ei saa enam endale tehnoloogilist stagnatsiooni lubada

Rabobank plaanib kolme aasta jooksul investeerida kuni 2 miljardit eurot andmetesse, infotehnoloogiasse ja tehisintellekti. See investeering tuleb ajal, mil puhaskasum püsis 2026. aasta esimesel poolel võrreldes eelmise aasta sama perioodiga muutumatuna 2,694 miljardi euro juures. See kombinatsioon muudab otsuse majanduslikult tähelepanuväärseks: pank suurendab oma tehnoloogilisi võimekusi mitte lühiajalise kasumi kasvu nimel, vaid vaatamata seisvale tulule. Seega ei käsitle pank oma digitaalse infrastruktuuri moderniseerimist vabatahtliku innovatsiooniprogrammina, vaid tulevase konkurentsivõime vajaliku eeltingimusena.

Levinud eksiarvamus, et tegemist on ainult tehisintellekti investeeringuga, on eksitav. Eelarve hõlmab otseselt andme- ja IT-taristut, digitaalseid kliendikogemusi ja tehisintellekti skaleerimist. Seetõttu ei investeerita märkimisväärset osa tõenäoliselt suurejoonelistesse keelemudelitesse või nähtavatesse assistentidesse, vaid pigem andmekvaliteeti, liidestesse, pilvearhitektuuridesse, küberturvalisusse, mudeli valideerimisse ja kaasaegsete rakenduste integreerimisse olemasolevatesse põhisüsteemidesse. See ongi täpselt majanduslik loogika: ilma usaldusväärsete andmete ja tugeva tehnilise aluseta saab tehisintellekti demonstreerida suurpangas, kuid seda ei saa ohutult ja kasumlikult skaleerida.

Seega ei ole strateegiline panus see, et tehisintellekt üksi kohe miljardeid kokku hoiab. Pigem on see, et moodsa andme- ja tehnoloogiaarhitektuuriga pank suudab protsesse kiiremini muuta, riske täpsemalt tuvastada, regulatiivseid nõudeid tõhusamalt täita ja kliente kulutõhusamalt teenindada. Samal ajal on tekkimas uus kulu- ja sõltuvusstruktuur. Arvutusvõimsus, pilveteenused, spetsialiseeritud tarkvara, väline konsultatsioon, kõrgelt kvalifitseeritud personal ja pidev jälgimine tekitavad pidevalt suuri kulusid. Seega saab ühekordsest investeeringust ärimudeli mitmeaastane ümberkujundamine.

Mitme miljardi dollari suurune programm, millel on tulemustele märkimisväärne mõju

Kuni 2 miljardit eurot kolme aasta jooksul võrdub keskmiselt ligikaudu 667 miljoni euroga aastas. Kui poolaasta kasum 2,694 miljardit eurot ekstrapoleerida mastaabi mõttes tervele aastale, oleks tulemuseks umbes 5,388 miljardit eurot. Keskmine aastane tehnoloogiaeelarve moodustaks seega ligikaudu 12,4 protsenti sellest arvutatud aastakasumist. Võrreldes teatatud poolaasta kasumiga ulatub kolme aasta kogueelarve isegi 74 protsendini. Need arvud näitavad, et tegemist ei ole organisatsiooni äärealadel asuva täiendava digitaalse eelarvega.

Arvet ei tohiks segi ajada otsese kasumi mahaarvamisega. Pole selge, milline osa kapitaliseeritakse, amortiseeritakse mitme aasta jooksul või kantakse otse kuludesse. Samuti puudub avalikult jaotus selle kohta, kui suur osa sellest moodustab vajalikke uuendusinvesteeringuid ja milline osa on tegelikult täiendav. Samuti on oluline fraas "kuni": see määratleb maksimaalse summa, mitte tingimata summa, mida täielikult ära kasutatakse. Seetõttu on majandusliku hindamise seisukohast kogusumma vähem oluline kui vahendite koosseis, nende väljamaksmise ajastus ja iga konkreetse kasutusjuhu mõõdetavad tulemused.

Rabobank alustab oma ümberkorraldamist finantsiliselt tugevast positsioonist. 2026. aasta esimesel poolel saavutas pank esimese taseme omavahendite (CET1) suhtarvu 20,2 protsenti ja omakapitali tootluse 9,5 protsenti. Kulude ja tulude suhe paranes 50,2 protsendini. Samal ajal suurenesid finantsvarade väärtuse langused eelmise aasta sama perioodi 136 miljonilt eurolt 562 miljoni euroni, peamiselt tänu mõnele suurele eraldisele ettevõtete panganduses. See areng rõhutab, et tehnoloogiakulutused ei toimu riskivabas keskkonnas. Kuigi tugev kapital pakub paindlikkust, ei kõrvalda see krediidiriske ega majanduslikku ebakindlust.

Ka tegevusalane alus on märkimisväärne. Hollandi jae- ja äripanganduses ulatusid hoiused 375,1 miljardi euroni ja laenud 293 miljardi euroni. Selle segmendi puhas intressitulu kasvas 6 protsenti 3,951 miljardi euroni. Rahvusvahelises äri- ja põllumajanduspanganduses kasvas laenuportfell püsiva vahetuskursi juures 7,8 miljardi euro võrra 142,7 miljardi euroni. Erapanganduses hallatavate varade maht oli 83,1 miljardit eurot. Isegi väikesed protsentuaalsed täiustused tehnoloogilistes muudatustes, mis mõjutavad seda bilanssi ja protsessi mõõdikut, võivad avaldada olulist absoluutset mõju. Vastupidi, vead, ebaõnnestumised või valed otsused võivad samuti põhjustada olulist kahju.

Tegelik kitsaskoht peitub tehisintellekti pinna all

Avalikus diskursuses käsitletakse tehisintellekti sageli eraldiseisva tarkvarana, mida saab paigaldada olemasolevate süsteemide kõrvale. Suures pangas on aga vastupidi. Tehisintellekt pääseb ligi andmetele kontodelt, tehingutelt, kliendisuhetelt, laenufailidelt, dokumendiarhiividelt, riskijuhtimissüsteemidelt ja suhtluskanalitelt. See teave on sageli saadaval erinevates vormingutes, erinevate kvaliteedistandardite ja mõnikord vastuoluliste definitsioonidega. Mudel saab usaldusväärselt toimida ainult siis, kui andmete päritolu, tähendus, valuuta ja juurdepääsuõigused on selgelt määratletud.

Seega on vajalik suur investeering peamiselt keerukuse hind. Aastakümnete jooksul arenenud põhipangandussüsteemid sisaldavad kriitilist äriloogikat, kuid neid on keeruline tänapäevaste platvormidega integreerida. Andmeid tuleb puhastada, kategoriseerida ja metaandmetega rikastada. Liidesed vajavad ühtseid standardeid. Identiteete ja õigusi tuleb kontrollida mitme süsteemi ulatuses. Iga oluline mudel vajab jälgitavaid versioone, dokumenteeritud koolitus- ja testimisandmeid, määratletud vastutusalasid ja pidevat jälgimist. See töö annab harva kõrgetasemelisi tooteid, kuid see määrab, kas tehisintellekt liigub demonstratsioonist tavapäraste pangatoiminguteni.

Rabobank on juba lihtsustanud osa oma põhiarhitektuurist. Ettevõtte panganduses on tuhanded portfellid, krediidiliinid, laenud, kauplemispositsioonid ja kontod enam kui 35-st pärandpanganduse põhisüsteemist üle viidud kesksele platvormile. Sellised konsolideerimised on majanduslikult olulised, kuna need võivad vähendada paralleelsete andmemudelite, liideste ja hooldusteede arvu. Lühiajaliselt ei vähenda need aga automaatselt kulusid. Üleminekufaasis töötavad vanad ja uued süsteemid sageli kõrvuti, vaja on täiendavaid spetsialiste ja migratsiooniriske tuleb maandada.

See selgitab ulatuslike digitaliseerimisprogrammide peamist paradoksi: esialgu suureneb pingutus, kuigi strateegia eesmärk on pikas perspektiivis kulusid vähendada. Vanu süsteeme saab dekomisjoneerida alles siis, kui andmed on täielikult edastatud, protsessid ümber kujundatud, kontrollid valideeritud ja hädaolukorra protseduurid testitud. Kokkuhoidu tehakse liiga vara, mis suurendab tegevusriski. Süsteemide liiga pikk paralleelne käitamine takistab kokkuhoiu realiseerumist. Seetõttu sõltub majanduslik edu mitte ainult tehnilisest rakendamisest, vaid ka järjepidevast lihtsustamisest. Kaasaegse tehisintellekti kihi lisamine olemasolevale keerukale protsessistruktuurile lisaks vanadele lihtsalt uusi kulusid.

Pilootprojektist tööstuslikuks laiendamiseks

Euroopa pangandussektor on suures osas eksperimentaalfaasist edasi liikunud. Üle 85 protsendi Euroopa pangandusjärelevalve jälgitavatest suurematest institutsioonidest kasutab tehisintellekti mingil kujul. Euroopa Pangandusjärelevalve läbiviidud uuringud näitavad isegi üle 90 protsendi suurust näitajat laiema turu puhul. Sellised arvud ei tähenda aga, et tehisintellekt juba kõikjal produktiivselt toimib. Piiratud dokumentide klassifitseerimise mudeli ja sügavalt integreeritud, ärikriitilise tehisintellekti platvormi vahel on küpsuses oluline erinevus.

Majanduslik väljakutse seisneb arvukate individuaalsete lahenduste muutmises korduvkasutatavateks võimalusteks. Vestlusrobot, pettuste avastamise mudel või programmeerimisassistent võivad kiiresti pakkuda kohalikke eeliseid. Kui aga igaühe jaoks luuakse eraldi andmekanalid, turvakontrollid ja tegutsemismudelid, siis kulud ja riskid mitmekordistuvad. Skaleerimiseks on vaja ühiseid tehnilisi komponente, standardiseeritud kvaliteedikriteeriume ja keskset raamistikku, mille raames osakonnad saavad rakendusi arendada.

Just see ongi Rabobanki loodud Agendikeskuse eesmärk. Selle eesmärk on koondada teadmised, tehniline arendus, rakenduskogemus ja tehisintellekti agentide korduvkasutatavad ehitusplokid. See on väga oluline, arvestades pangas tarkvaraarendusega tegelevaid enam kui 1100 meeskonda. Ilma keskse arhitektuurita saaks iga meeskond korduvalt lahendada sarnaseid probleeme, valida erinevaid tööriistu ja luua oma juhtimismehhanismid. Keskus aitab vähendada töö dubleerimist ja kiirendada edukate lahenduste levitamist.

Tsentraliseerimine ei tohi aga muutuda kohmakaks kontrollimehhanismiks. Kui iga muudatus nõuab kuude kaupa kinnitamist, lähevad osakonnad üle kinnitamata tööriistadele või jäävad digitaalsetest konkurentidest maha. Seevastu liiga avatud platvorm viib kontrollimatute mudelite, andmelekke ja vastuoluliste tulemusteni. Produktiivne kesktee koosneb standardiseeritud, eelnevalt kinnitatud komponentidest, selgetest riskiklassidest ja astmelistest kinnitamisprotsessidest. Sisemine teadmusassistent vajab teistsuguseid kontrolle kui süsteem, mis valmistab ette krediidiotsuseid või blokeerib kahtlaseid makseid.

Kus võib tekkida majanduslik kasu

Kõige atraktiivsemad rakendusvaldkonnad on esialgu seal, kus suured juhtumimahud kohtuvad standardiseeritud teadmustööga. Nende hulka kuuluvad klientide tuvastamine, dokumentide kontrollimine, pettuste avastamine, rahapesu tõkestamise jälgimine, teenusetaotluste töötlemine, tarkvaraarendus ja siseuuringud. Nendes valdkondades ei pea tehisintellekt kohe täiesti autonoomselt tegutsema. Isegi täiustatud eelsorteerimine, kokkuvõtete tegemine või prioriseerimine võib lühendada töötlemisaegu ja vabastada kvalifitseeritud töötajad rutiinsetest ülesannetest.

Rabobank töötleb pettuste avastamiseks juba praegu miljoneid tehinguid päevas väga lühikese aja jooksul. Reeglipõhised protseduurid on kombineeritud riskihindamiste ja masinõppega. Sellise hübriidse lähenemisviisi eeliseks on läbipaistvuse ja mustrituvastuse kombinatsioon. Reeglid kaardistavad läbipaistvalt teadaolevaid pettusestsenaariume, samas kui statistilised mudelid suudavad tuvastada ebatavalisi koosseise, mida ei olnud eelnevalt täielikult kirjeldatud. Majanduslikku väärtust luuakse välditud kahjude, vähemate valehäirete ja käsitsi läbivaatamise pingutuse vähendamise kaudu.

Sama kehtib ka rahapesu ja muude finantskuritegude vastase võitluse kohta. Pangad peavad analüüsima tohutul hulgal sõnumeid, dokumente ja tehinguteavet. Traditsioonilised süsteemid genereerivad sageli arvukalt teateid, millest paljud osutuvad alusetuks. Kui tehisintellekt parandab prioriseerimist, saavad uurijad pühendada rohkem aega keerukatele juhtumitele. Seega ulatuvad eelised kaugemale lihtsalt madalamatest kuludest. Kiirem ja täpsem tuvastamine vähendab regulatiivseid, õiguslikke ja mainega seotud riske, mille potentsiaalne kahju ületab tunduvalt käimasolevaid personalikulusid.

Klienditeeninduses saab genereeriv tehisintellekt koondada teavet sisemistest teadmushoidlatest, ette valmistada vestlusi ja teha dokumente kokkuvõtteid. Töötajad saavad kiirema ülevaate, samas kui klientide reageerimisajad on lühemad. Täisautomaatne suhtlus on endiselt riskantsem, kuna valedel või mittetäielikel vastustel on kohesed välised tagajärjed. Seetõttu on etapiviisiline lähenemine sageli majanduslikult tasuvam: tehisintellekt valmistab ette sisu, inimene vaatab selle tundlike küsimuste osas üle ja ainult selgelt määratletud standardjuhtumid automatiseeritakse täielikult.

Tarkvaraarendus pakub samuti märkimisväärset potentsiaali. Tehisintellekti agendid saavad ette valmistada koodi, genereerida teste, leida vigu, luua dokumentatsiooni ja toetada ülevaateid. Valdkonna näited näitavad tootlikkuse 20–30-protsendilist paranemist, kui seda järjepidevalt rakendada kogu arendusprotsessi vältel. Sellised arvud ei garanteeri aga kulude kokkuhoidu. Suurem väljund arendaja kohta vähendab personalikulusid ainult siis, kui võimsust tegelikult vähendatakse. Sagedamini tulenevad eelised esialgu kiirematest projektidest, väiksemast mahajäämusest ja suuremast kohanemisvõimest.

Kasumit ei genereerita ainult säästetud minutitest

Paljud tehisintellekti ärimudelid hindavad väikese ajakokkuhoiu väärtust üle. Kui assistent säästab igale töötajale paar minutit päevas, ei tähenda see vastavat kasumit. Vabanenud aega saab jaotada paljude lühikeste intervallide vahel, mille jooksul ei tehta lisaväärtust loovat tööd. Ainult protsesside ja vastutuse ümberkorraldamisega saab tootlikkust kajastuda madalamates kuludes, suurenenud võimsuses või lisatuludes.

Rabobanki puhul tuleks seega majanduslik hindamine läbi viia protsessi tasandil. Laenude töötlemisel oleksid asjakohased näitajad töötlemisaeg, veamäär, lõpule viidud juhtumite arv ja riskiga korrigeeritud tootlus. Pettuste ennetamisel on võtmetähtsusega ära hoitud kahjud, avastamise määr, valehäirete määr ja töötlemiskulud juhtumi kohta. Klienditeeninduses on esimese kontakti lahendamise määr, ooteaeg, klientide rahulolu ja päringu maksumus olulisemad kui lihtsalt tehisintellekti loodud vastuste arv. Tarkvaraarenduses tuleks mõõta juurutamisaega, käivitamisjärgseid vigu, taaskasutamist ja tegelikult deaktiveeritud pärandsüsteemide protsenti.

Investeeringutasuvust tuleb arvutada ka kogukulude suhtes. Lisaks litsentsidele ja arvutusvõimsusele hõlmavad need andmete ettevalmistamist, integreerimist, küberturvalisust, juriidilisi ülevaateid, mudeli valideerimist, töötajate koolitamist, jälgimist ja varulahendusi. Kasutamise suurenemine võib kulusid samuti suurendada, kui arveldamine põhineb arvutusmahul või mudelikõnedel. Algselt odav pilootprojekt võib miljonite igapäevaste tehingute tõttu muutuda kulukaks. Seetõttu nõuab iga kasutusjuhtum usaldusväärset ühikuhinna arvutust ja selgeid piire, et teha kindlaks, millal alternatiivne tehniline lähenemisviis muutub säästlikumaks.

Suurepärasest üldsummast olulisem on mitmekesine investeerimisportfell. Väiksema riskiga ja kiiremini mõõdetava kasuga rakendused võivad tuua varajast tulu. Kõrge riskiga põhiprotsessid vajavad pikemat valideerimist, kuid võivad lubada suuremaid strateegilisi eeliseid. Taristuinvesteeringud ei tekita sageli otsest individuaalset tulu, kuid võimaldavad paljusid hilisemaid rakendusi. Peamine juhtimisviga oleks platvormikulude täielik omistamine üksikutele varajastele projektidele või vastupidi, iga tulevase lubaduse aktsepteerimine kontrollimatute kulutuste õigustusena.

Siit saate teada, kuidas teie ettevõte saab kiiresti, turvaliselt ja ilma kõrgete sisenemisbarjäärideta rakendada kohandatud tehisintellekti lahendusi.

Hallatud tehisintellekti platvorm on teie kõikehõlmav ja muretu tehisintellekti lahendus. Keerulise tehnoloogia, kalli infrastruktuuri ja pikkade arendusprotsessidega tegelemise asemel saate spetsialiseerunud partnerilt teie vajadustele vastava valmislahenduse – sageli vaid mõne päeva jooksul.

Peamised eelised lühidalt:

⚡ Kiire teostus: Ideest kasutusvalmis rakenduseni päevade, mitte kuude jooksul. Pakume praktilisi lahendusi, mis loovad kohest lisaväärtust.

🔒 Maksimaalne andmeturve: Teie tundlikud andmed jäävad teie kätte. Garanteerime turvalise ja nõuetele vastava töötlemise ilma andmeid kolmandate osapooltega jagamata.

💸 Finantsriski pole: maksate ainult tulemuste eest. Suured esialgsed investeeringud riist- ja tarkvarasse või personali jäävad täielikult ära.

🎯 Keskendu oma põhitegevusele: Keskendu sellele, mida sa kõige paremini oskad. Meie hoolitseme sinu tehisintellekti lahenduse kogu tehnilise juurutamise, käitamise ja hoolduse eest.

📈 Tulevikukindel ja skaleeritav: teie tehisintellekt kasvab koos teiega. Tagame pideva optimeerimise ja skaleeritavuse ning kohandame mudeleid paindlikult uutele nõuetele.

Lisateavet leiate siit:

• Hallatud tehisintellekti lahendus - tööstuslikud tehisintellekti teenused: konkurentsivõime võti teenuste, tööstuse ja masinaehituse sektoris

Stagneeruv kasum suurendab survet edu saavutamiseks

Muutumatu puhaskasum ei ole automaatselt hoiatusmärk tugeva panga kohta. See võib peegeldada stabiilset teenimisvõimet keerulisemas keskkonnas. Rabobankis kompenseerisid suuremad tulud ja kulude kontrolli märkimisväärselt suurenenud kahjud. Sellest hoolimata muudab stagneerunud kasumikasv arusaamu tehnoloogiaprogrammist. Seni kuni tulemused ei kasva dünaamiliselt, uurivad investorid, liikmed ja regulaatorid tähelepanelikumalt, millal ja kuidas kulud end ära tasuvad.

Paranenud kulude ja tulude suhe 50,2 protsendini annab kindla lähtepunkti. See näitab, et igast tulueurost kulub umbes pool tegevuskuludele. Traditsioonilise universaalpanga jaoks on see konkurentsivõimeline, kuid mitte põhjust rahuloluks. Digitaalsed pangad ja spetsialiseerunud pakkujad keskenduvad väärtusahela kasumlikele osadele, pakkudes sujuvamaid struktuure. Samal ajal seisavad väljakujunenud institutsioonid silmitsi suurenevate kulutustega regulatsioonidele, küberturvalisusele, kvalifitseeritud personalile ja tehnoloogilisele moderniseerimisele. Tehisintellekti eesmärk on neid koormusi osaliselt kompenseerida, kuid esialgu tekitab see ka kulusid.

See tekitab ajalise asümmeetria. Investeeringukulud ja organisatsiooniline koormus tekivad varakult; kokkuhoid ja tulude suurenemine järgnevad hiljem ja jäävad ebakindlaks. Kui sisemised ootused seatakse liiga agressiivselt, on oht kiirustades personalimeetmete võtmiseks või tõestamata süsteemide enneaegseks laiendamiseks. Kui eesmärgid sõnastatakse liiga ettevaatlikult, võib miljardi dollari suurune eelarve ilma piisava distsipliinita raisata. Seetõttu on vaja vahe-eesmärke, mis seovad tehnoloogilise progressi majanduslike tulemustega. Tähelepanu keskmes ei tohiks olla mudelite või kasutajate arv, vaid tervete väärtusvoogude parandamine.

Pank peab samuti takistama efektiivsuse kasvu lihtsalt uue nõudluse tekitamist organisatsioonis. Kui iga osakond tellib tehisintellekti abil rohkem analüüse, aruandeid ja tarkvaramuudatusi, suureneb aktiivsus, kuid mitte tingimata ettevõtte väärtus. Hea juhtimistava seab kasutusjuhtumid prioriteediks riski, majandusliku panuse ja strateegilise olulisuse alusel. See lõpetab projektid, mille kasu ei ole võimalik tõestada, isegi kui aluseks olev tehnoloogia tundub muljetavaldav.

Regulatsioonist saab toote osa

Euroopa finantssektoris ei saa tehisintellekti regulatsioonist lahutada. Euroopa õigusraamistik liigitab füüsiliste isikute krediidivõime hindamise süsteemid üldiselt kõrge riskiga rakendusteks. See toob kaasa nõuded riskijuhtimisele, andmete kvaliteedile, tehnilisele dokumentatsioonile, logimisele, läbipaistvusele, inimjärelevalvele ja rakendamisejärgsele järelevalvele. Samal ajal kehtivad juba pangandusjärelevalve eeskirjad mudeliriskide, tarbijakaitse, andmekaitse ja nõuetekohase ärikorralduse kohta.

Lisaks on olemas finantssektori digitaalse operatiivse vastupidavuse määrus, mis on kehtinud alates jaanuarist 2025. See nõuab IT-riskide, intsidentide aruandluse, testimise ja väliste tehnoloogiateenuste pakkujate kontrollimise jaoks tugevaid protseduure. Rabobanki jaoks tähendab see, et tehisintellekti rakendus ei pea mitte ainult õigesti arvutama. Pank peab ka teadma, millised pakkujad, alltöövõtjad, andmekeskused ja andmevood on kaasatud, kuidas häireid lahendatakse ja kuidas pakkuja vahetamine oleks tehniliselt teostatav.

Seega ei ole vastavus järelmõte, vaid süsteemi arhitektuuri lahutamatu osa. Dokumentatsiooni, andmete päritolu, juurdepääsuõiguste ja jälgimise lisamine alles pärast arendust toob kaasa märkimisväärseid ümbertöid. Kulutõhus platvorm integreerib need funktsioonid algusest peale. Standardiseeritud protokollid, mudelregistrid, automatiseeritud testid ja selged vastutusvaldkonnad võivad küll esialgseid kulusid suurendada, kuid vähendavad iga järgneva rakenduse piirkulusid.

Inimesepoolse järelevalve küsimus on eriti keeruline. Töötajate ametlikust heakskiidust ei piisa, kui neil puudub aeg ja teave soovituse kriitiliseks läbivaatamiseks. Tõhus järelevalve eeldab arusaadavaid põhjendusi, kõrvalekaldumise võimalust ja selgeid eskalatsiooniprotseduure. Krediidiotsuste või kliendikaebuste korral peavad mõjutatud isikud saama läbipaistvad ja arusaadavad vastused. Mida rohkem süsteem sekkub õigustesse ja majanduslikesse võimalustesse, seda vähem peaks inimese roll taandus pelgalt automatiseeritud tulemuste sümboolseks kinnitamiseks.

Lühiajaliselt võib regulatsioon tunduda kulutegurina, kuid pikas perspektiivis võib see luua konkurentsieelise. Pank, mis valdab usaldusväärseid, auditeeritavaid ja õiglasi tehisintellekti protsesse, saab uusi rakendusi kiiremini välja anda ning tugevdada klientide ja regulaatorite usaldust. Institutsioonid, mis käsitlevad juhtimist vaid takistusena, seevastu riskivad hilisemate piirangute, trahvide, mudelite sulgemise ja mainekahjuga. Panganduses on usaldus ise majanduslik vara.

Pilvesõltuvus on muutumas strateegiliseks bilansiriskiks

Täiustatud tehisintellekt nõuab suure jõudlusega andmekeskusi, spetsiaalseid kiipe, skaleeritavat salvestusruumi ja keerukaid tarkvaraplatvorme. Vaid vähesed globaalsed pakkujad suudavad seda infrastruktuuri suures mahus pakkuda. See loob pankadele uue konsolideerimise vormi. Isegi kui lepingud on seaduslikult sisseostetud, jääb vastutus kriitiliste funktsioonide eest institutsioonile.

Suurte pilve- ja tehisintellekti pakkujate otsene eelis seisneb kiiruses ja mastaabisäästus. Nad pakuvad turvatööriistu, mudeleid ja arvutusvõimsust, mida üks Euroopa pank saaks ise arendada vaid tohutu pingutusega. Täiesti ettevõttesisene tegevus oleks sageli kallim, aeglasem ja tehniliselt vähem võimas. Seega ei saa tehnoloogiline suveräänsus sisuliselt tähendada iga komponendi ettevõttesisese ehitamist.

Pigem tähendab see kriitiliste sõltuvuste mõistmist ja haldamist. See hõlmab kaasaskantavaid andmevorminguid, dokumenteeritud liideseid, eraldi varukoopiaid, testitud väljumisstrateegiaid ja alternatiivseid töömeetodeid eriti oluliste funktsioonide jaoks. Lepingud peavad sisaldama juurdepääsu-, auditeerimis- ja lõpetamisõigusi. Lisaks peaks pank vältima patenteeritud teenuste nii sügavale protsessidesse integreerimist, et vahetamine muutub praktiliselt võimatuks.

Mitme tarnija strateegiaid esitletakse sageli lihtsa lahendusena, kuid need tekitavad oma kulusid. Kaks pilvekeskkonda tähendavad täiendavat ekspertiisi, turvakonfiguratsioone, liideseid ja testimist. Seetõttu ei pea iga rakendus töötama samaaegselt mitmel platvormil. Riskipõhine arhitektuur on mõistlikum: eriti kriitiliste teenuste jaoks on vaja ehtsaid alternatiive ja varuvariante, samas kui vähem kriitilisi rakendusi saab valikuliselt käitada ühe pakkuja juures. Oluline on see, et pank ei tohiks segi ajada kontsentratsiooniriske pelgalt lepingute mitmekesisusega.

Samuti on muutumas oluliseks geopoliitilised küsimused. Paljud juhtivad pilve- ja mudelipakkujad asuvad väljaspool Euroopa Liitu. Kaubandusõiguse muutused, sanktsioonid, territoriaalse juurdepääsu nõuded või suure jõudlusega kiipide tarneprobleemid võivad mõjutada nende kättesaadavust. Seetõttu peab Euroopa pank ühiselt hindama tehnilist jõudlust, andmekaitset, õigusraamistikku ja varustuskindlust. Odavaim teenus ei ole tingimata majanduslikult kõige mõistlikum valik, kui selle seisakuaega või ümberlülituskulusid ei ole piisavalt arvesse võetud.

Tööjõudu hinnatakse uuesti

Tehisintellekt muudab pankades esmalt ülesandeid ja alles seejärel töökohti. Eriti mõjutatud on korduvad ülesanded dokumentide töötlemises, klienditeeninduses, vastavuskontrollis, riskianalüüsis ja tarkvaraarenduses. Mudelid saavad otsida teavet, juhtumeid eelsorteerida, mustandeid genereerida ja standardkontrolle teha. Selle tulemusel nihkub inimtöö jälgimise, erandite käsitlemise, konteksti hindamise ja klientidega suhtlemise poole.

See nihe ei ole mingil juhul automaatselt sotsiaalselt vastuvõetav. Kui tootlikkuse eesmärgid on peamiselt sõnastatud töötajate arvu vähendamisena, võivad töötajad teadmisi varjata, uusi süsteeme tagasi lükata või probleemidest avalikult teatamata jätta. Edukas rakendamine sõltub aga kogemuslikest teadmistest. Eksperdid peavad selgitama, millised erandid on asjakohased, kuidas tuvastada valesid tulemusi ja millal tuleb juhtumit eskaleerida. Seega suureneb majanduslik kasu, kui töötajad on protsesside kavandamisse ja kvaliteedi mõõtmisse kaasatud juba varases etapis.

Samal ajal oleks ebareaalne tööhõive mõju alahinnata. Kui pank suudab sama või väiksema arvu töötajatega püsivalt töödelda rohkem tehinguid ja klientide päringuid, väheneb vajadus teatud ülesannete järele. See vähenemine võib toimuda loomuliku lahkumise, vähemate uute töötajate palkamise, ümberpaigutamise ja sihipäraste koondamiste kaudu. Eriti suure surve all on rollid, mille väärtus seisneb peamiselt teabe kogumises, standarddokumentatsioonis või reeglipõhises töötlemises.

Andmetehnika, mudeliohutuse, protsesside disaini, küberkaitse, tootevastutuse ja sõltumatu valideerimise valdkonnas tekivad uued nõuded. Uued spetsialistide ametikohad ei pruugi aga kompenseerida korduva töö vähenemist. Lisaks ei saa kogenud administratiivtöötajaid üleöö tehisintellekti arhitektideks ümber õpetada. Seetõttu peab usaldusväärne kvalifikatsiooniprogramm eristama: mõned töötajad vajavad turvaliste rakenduste oskusi, teised põhjalikke andmealaseid teadmisi ja väiksem rühm vajab kõrgelt spetsialiseerunud tehnilisi oskusi.

Eesmärk ei tohiks olla inimeste võimalikult kiire protsessidest eemaldamine. Teadlik ülesannete jagamine on majanduslikult mõistlikum. Masinad töötlevad suuri andmemahtusid, korduvaid ülesandeid ja mustrituvastust; inimesed vastutavad mitmetähenduslike juhtumite, eetiliste kaalutluste, suhete ja kaugeleulatuvate otsuste eest. Ainult siis, kui on tõestatud kvaliteet, ohutus ja vastutus, saab automatiseerimise taset tõsta.

Kliendi kasu määrab õiguspärasuse

Tehnoloogiline moderniseerimine muutub klientide jaoks oluliseks alles siis, kui see on märgatav nende igapäevaelus. Lühemad töötlemisajad, parem pettuste ennetamine, selgem suhtlus ja parem kättesaadavus on selged eelised. Isikupärastatud nõustamine aitab klientidel finantsriske varem tuvastada või sobivaid tooteid leida. Samal ajal võib sama isikupärastamist pidada pealetükkivaks või manipuleerivaks, kui pank kasutab andmeid ilma selge eesmärgita.

Laenamine on eriti tundlik valdkond. Täpsemad mudelid võiksid riske paremini eristada ja avada juurdepääsu rahastamisele klientidele, keda oli varem raske hinnata. Samas võivad need taastoota ka olemasolevat ebavõrdsust, kui ajaloolised andmed sisaldavad kallutatud otsuseid. Isegi näiliselt neutraalsed muutujad võivad kaudselt kajastada päritolu, elukohta või sotsiaalset staatust. Seetõttu on regulaarne diskrimineerimise kontroll mitte ainult seadusega nõutav, vaid kaitseb ka ärimudelit vale riskivaliku eest.

Digiassistentidega kaasneb veel üks probleem: keelelist enesekindlust võib kergesti faktikindlusega segi ajada. Ladusalt sõnastatud, kuid vale nõuanne võib põhjustada rahalist kahju. Kliendid peavad suutma ära tunda, millal nad suhtlevad automatiseeritud süsteemiga ja kuidas inimesega ühendust võtta. Keeruliste finantsotsuste puhul ei tohi mugavus asendada usaldusväärset nõu.

Rabobanki ühistuline olemus tekitab ootusi, et tehnoloogiline efektiivsus ei kajastu ainult sisekulude vähendamises. Liikmed ja kliendid ootavad ka paremaid teenuseid, õiglast hinnakujundust ja vastutustundlikku andmetöötlust. Kui automatiseerimine pikendab ooteaegu ainult isiklike kontaktide arvu vähendamise kaudu, kaotab ümberkujundamine avalikkuse heakskiidu. Vastupidiselt, kui kiire digitaalse töötlemise ja hõlpsasti kättesaadava inimtoe kombinatsioon rakendatakse edukalt, saab tehnoloogia tugevdada klientide lojaalsust.

Konkurentsieelis või kulukas kohustus?

Sellise ulatusega investeering ei taga konkurentsieelist, sest ka teised suurpangad suurendavad oma tehnoloogiakulutusi. Lisaks muutuvad tehisintellekti tööriistad üha standardiseeritumaks ja on konkurentidele kättesaadavad samade pakkujate kaudu. Seega ei tulene püsiv eristumine ainult mudelile juurdepääsust. See tugineb omandiõigusega kaitstud andmetele, parematele protsessidele, kiiremale juurutamisele, usaldusväärsele juhtimisele ja võimele muuta teadmisi konkreetseteks kliendipakkumisteks.

Oma tugeva positsiooniga Hollandi jae- ja äripanganduse sektoris ning rahvusvahelise põllumajandus- ja toiduainetööstuse eksperditeadmistega omab Rabobank väärtuslikke valdkonnapõhiseid andmeid ja suhteid. See võib viia rakendusteni, mida üldised tehnoloogiaettevõtted ei suuda kergesti kopeerida. Näideteks on täpsemad riskianalüüsid põllumajanduses ja tarneahelates, paremad likviidsusprognoosid keskmise suurusega ettevõtetele ning varasemad hoiatused ilmastiku ja kaubaga seotud häirete kohta. Strateegiline väärtus seisneb üldise tehisintellekti võimekuse ühendamises põhjalike valdkonnaalaste teadmistega.

Suurus võib aga olla ka puuduseks. Rohkem äriüksusi, riike, regulatsioone ja pärandsüsteeme suurendab koordineerimispingutusi. Väiksemad digitaalsed pakkujad saavad uusi tooteid ühtsel platvormil kiiremini testida. Seetõttu peab Rabobank oma ulatuse muutma mastaabisäästuks, ilma et sisemine keerukus seda takistaks. Agentuurikeskus ja jagatud andmebaasid on selleks vajalikud, kuid mitte piisavad tingimused.

See, kas programm loob konkurentsieelise, sõltub kolmest küsimusest. Esiteks: kas pank suudab edukaid rakendusi juurutada kiiremini, kui kulud ja riskid kasvavad? Teiseks: kas see sulgeb vanad süsteemid ja protsesside etapid, selle asemel et lihtsalt uusi kihte lisada? Kolmandaks: kas see viib paremate otsuste ja kliendikogemusteni, mis tähendavad väiksemaid kahjusid, suuremat klientide lojaalsust või täiendavat äri? Kui need küsimused jäävad vastuseta, oleks programm kulukas moderniseerimiskohustus ilma keskmisest suurema tuluta.

Usaldusväärne võrdlusalus järgmiseks kolmeks aastaks

Edu esimene mõõdupuu on tehnilise maastiku lihtsustamine. Kasutuselt kõrvaldatud pärandsüsteemide arv, vähendatud liideste arv ja konsolideeritud andmekogumid näitavad, kas pank kõrvaldab pikaajalisi kulusid. Pelgalt migratsioon ilma süsteemide tegevuse lõpetamiseta seevastu pakub vähe struktuurilist kasu. Sama olulised on ka andmekvaliteedi näitajad, näiteks vigaste andmekirjete sagedus, andmete päritolu jälgitavus ja kontrollitud teabe esitamiseks kuluv aeg.

Teine mõõdik puudutab operatiivset tulemuslikkust. Töötlemisajad, automatiseerimise määrad, veamäärad, pettusekaod ja käsitsi läbivaatamise mahud peaksid olema võrreldavad enne ja pärast juurutamist. Keskmisest väärtusest ei piisa. Süsteem suudab kiirendada standardjuhtumeid, samal ajal keerulisi juhtumeid halvendades. Seetõttu tuleb tulemusi hinnata kliendirühma, toote ja riskiklassi järgi.

Kolmas mõõt on neto finantsmõju. Kokkuhoidu ja lisatulu tuleb võrrelda tegevuskulude kogusummaga. Nende hulka kuuluvad amortisatsioon, välisteenused, kontrollifunktsioonid ja koolitus. Nihutatud kulud ei tohi kokkuhoiuna kajastuda. Kui äriüksus vähendab personali, samal ajal kui kesksed IT- ja vastavuskulud suurenevad oluliselt, ei pruugi ettevõte tervikuna paraneda.

Neljas mõõt on risk. Tehniliste tõrgete, andmetega seotud rikkumiste, mudeli kõrvalekallete, klientide kaebuste ja regulatiivsete vastuväidete arv ja raskusaste peavad olema nähtavad. Kõrge tootlikkusega, kuid kasvava vea- või kaebuste määraga projekt ei ole edukas. Samamoodi tuleks väljumis- ja varuplaane regulaarselt praktikas testida, mitte ainult dokumentatsioonis eksisteerida.

Viies mõõdupuu on organisatsiooni kohanemisvõime. Kui kiiresti suudab pank eduka rakenduse ühest valdkonnast teistesse üle kanda? Kui kaua võtab aega uue mudeli kinnitamine? Mitu meeskonda kasutab ühiseid komponente? Milline protsent töötajatest suudab tööriistu enesekindlalt ja tõhusalt kasutada? Need mõõdikud näitavad, kas üksikud projektid viivad püsiva võimekuseni.

Miljardidollarilise panuse taga peituv selge perspektiiv

Rabobanki otsus on majanduslikult mõistetav, kuid mitte automaatselt väärtust loov. Investeerimata jätmine oleks samuti kulukas. Vananenud süsteemid, killustatud andmed ja aeglased protsessid suurendavad tegevusriske ja takistavad konkurentsi digitaalselt arenenumate pakkujate poolt. Samal ajal oleks ohtlik õigustada programmi ainult üldise viitega tehisintellekti transformatiivsele jõule. Miljardidollarilised eelarved nõuavad veenvamaid tõendeid kui demonstratsioone.

Projekti suurim tugevus seisneb laiaulatuslikus lähenemisviisis. Pank mõistab selgelt, et tehisintellekt saab skaleeruda ainult tugevale andme- ja IT-vundamendile. Agendipõhiste rakenduste keskplatvormi, pideva põhisüsteemi moderniseerimise ja juba väljakujunenud pettuste avastamise ja finantskuritegude rakenduste kombinatsioon räägib selle vastu, et tegemist pole pelgalt mööduva moehullusega. Lisaks tagab kindel kapitalibaas vajalikud rahalised vahendid.

Suurim nõrkus seisneb endiselt määratlemata majanduslikes üksikasjades. Maksimaalne eelarve on teada, kuid selle jaotus ja siduvad tootluse eesmärgid mitte. Ilma läbipaistvate vahe-eesmärkideta on oht, et vajalikud baasinvesteeringud, eksperimentaalsed tehisintellekti projektid ja rutiinsed IT-uuendused koondatakse üheks suureks summaks. Siis oleks raske eristada, milline osa tegelikult lisaväärtust loob.

Seetõttu ei tohiks Rabobank oma edu defineerida üheainsa tähelepanuväärse mõõdiku järgi. Oluline on tasakaalustatud tulemus, mis hõlmab madalamaid ühikuhindu, kiiremat kohanemisvõimet, paremat riskikontrolli ja suuremat kliendi väärtust. Töötajate arvu vähendamine võib sellele kaasa aidata, kuid see ei tohi muutuda ainsaks ärimudeliks. Samuti ei tohiks tehnoloogilist suveräänsust segi ajada ebareaalse ettevõttesisese arendusega. Hallatavad sõltuvused, selge vastutus ja tõestatud alternatiivid on olulisemad kui sümboolne sõltumatus.

Lõppkokkuvõttes on see programm proovikiviks kogu Euroopa pangandussektorile. Kui Rabobankil õnnestub oma tugev bilanss muuta produktiivsemaks, lihtsamaks ja usaldusväärsemaks digitaalseks organisatsiooniks, saab investeeringust tegevuskava. Kui see ebaõnnestub pärandsüsteemide, tarnijatega seotuse või tegevuses rakendamise puudumise tõttu, näitab see, et suured tehisintellekti kulutused ilma protsesside ümberkujundamiseta lisavad olemasolevatele protsessidele vaid uue keerukuskihi. Seega pole oluline küsimus mitte see, kas 2 miljardit eurot on palju. Küsimus on selles, kas kolme aasta pärast on pangal mõõdetavalt vähem keerukust kui varem. Alles siis avaldub tehnoloogiline moderniseerimine majanduslikus progressis.

Xpert.Digital on Konrad Wolfenstein juhitav andmepõhine B2B tööstuskeskus. Ettevõte tegutseb tööstuspartneritele välise, peaaegu sisemise lahendusena, täites turunduse, sisu ja müügi operatiivseid lünki – ilma kliendipoolsete lisaressurssideta.

Lisateavet leiate siit:

• Peaaegu ettevõttesisene lahendus: kuidas Xpert.Digital täidab B2B turunduse ja müügi operatiivseid lünki – Smart Content-Driven Business

☑️ Meie ärikeel on inglise või saksa keel

☑️ UUS: Kirjavahetus teie emakeeles!

 

Mina ja minu meeskond oleme hea meelega teie käsutuses teie isikliku nõustajana.

Võite minuga ühendust võtta, täites siinse kontaktvormi wolfenstein@xpert.digital:või helistades mulle numbril +49 7348 4088 965. Minu e-posti aadress on

Ootan põnevusega meie ühist projekti.

 

 

☑️ VKEde tugi strateegia, konsultatsioonide, planeerimise ja rakendamise alal

☑️ Digitaalse strateegia loomine või ümberkorraldamine ja digitaliseerimine

☑️ Rahvusvaheliste müügiprotsesside laiendamine ja optimeerimine

☑️ Globaalsed ja digitaalsed B2B kauplemisplatvormid

☑️ Pioneer Äriarendus / Turundus / PR / Messid