Рабобанк улаже 2 милијарде евра у будућност вештачке интелигенције

Трансформација Рабобанке: Вештачка интелигенција као кључ конкурентности

Вештачка интелигенција у банкама: Од теорије до практичне примене

Рабобанк, једна од водећих банака у Холандији, планира велику инвестицију до 2 милијарде евра у податке, информационе технологије и вештачку интелигенцију (ВИ) током наредне три године. Ова одлука долази у тренутку када се очекује да ће нето профит банке стагнирати на 2,694 милијарде евра у првој половини 2026. године. Уместо максимизирања краткорочног профита, Рабобанк сматра модернизацију своје дигиталне инфраструктуре неопходном за будућу конкурентност.

Овај амбициозни пројекат иде даље од пуког улагања у вештачку интелигенцију; он такође обухвата побољшање квалитета података, развој дигиталних искустава купаца и интеграцију модерних технологија у постојеће системе. У све дигиталнијем свету, неопходно је да се банке технолошки развијају како би задовољиле растуће захтеве купаца и тржишне изазове. Овим кораком, Рабобанк показује своје препознавање потребе за репозиционирањем у веома конкурентном окружењу, фокусирајући се не само на иновативне технологије већ и на робусну основу података и ИТ-а како би се осигурао дугорочни успех.

Рабобанка улаже две милијарде долара у вештачку интелигенцију

Европске банке више не могу себи да приуште технолошку стагнацију

Рабобанк планира да инвестира до 2 милијарде евра у податке, информационе технологије и вештачку интелигенцију у року од три године. Ова инвестиција долази у време када је нето профит остао непромењен на 2,694 милијарде евра у првој половини 2026. године у поређењу са истим периодом прошле године. Ова комбинација чини одлуку економски изванредном: банка повећава своје технолошке капацитете не због краткорочног раста профита, већ упркос стагнирајућој заради. Стога, банка третира модернизацију своје дигиталне инфраструктуре не као добровољни иновациони програм, већ као неопходан предуслов за будућу конкурентност.

Уобичајена заблуда да је ово искључиво инвестиција у вештачку интелигенцију је обмањујућа. Буџет експлицитно укључује инфраструктуру података и ИТ-а, дигитална искуства купаца и скалирање вештачке интелигенције. Значајан део стога вероватно неће бити уложен у спектакуларне језичке моделе или видљиве асистенте, већ у квалитет података, интерфејсе, архитектуре облака, сајбер безбедност, валидацију модела и интеграцију модерних апликација у постојеће основне системе. Управо је то економска логика: без поузданих података и робусних техничких основа, вештачка интелигенција се може демонстрирати у великој банци, али се не може безбедно и профитабилно скалирати.

Стратешка опклада, дакле, није да ће сама вештачка интелигенција одмах уштедети милијарде. Већ је у томе да ће банка са модерном архитектуром података и технологије моћи брже да мења процесе, прецизније идентификује ризике, ефикасније испуњава регулаторне захтеве и исплативије служи клијентима. Истовремено, појављује се нова структура трошкова и зависности. Рачунарска снага, услуге у облаку, специјализовани софтвер, екстерно консултовање, висококвалификовано особље и континуирано праћење генеришу константно високе трошкове. Тако једнократна инвестиција постаје вишегодишња трансформација пословног модела.

Програм вредан више милијарди долара са значајним утицајем на резултате

До 2 милијарде евра током три године једнако је просеку од приближно 667 милиона евра годишње. Ако се полугодишњи профит од 2,694 милијарде евра екстраполира на целу годину ради обима, резултујућа цифра би била око 5,388 милијарди евра. Просечан годишњи буџет за технологију би тада представљао приближно 12,4 процента овог израчунатог годишњег профита. У односу на пријављени полугодишњи профит, укупни трогодишњи буџет достиже чак добрих 74 процента. Ове бројке показују да ово није додатни дигитални буџет на периферији организације.

Фактура не треба да се меша са директним одбитком добити. Није јасно који део ће бити капитализован, амортизован током неколико година или директно књижен као трошак. Слично томе, не постоји јавно доступан преглед колики део представља неопходна улагања у обнову, а који део је заправо додатни. Фраза „до“ је такође релевантна: она дефинише максимални износ, не нужно суму која ће бити у потпуности искоришћена. Стога је за економску процену укупан износ мање важан од састава средстава, времена њихове исплате и мерљивих резултата за сваки конкретан случај употребе.

Рабобанк започиње реструктурирање из финансијски снажне позиције. У првој половини 2026. године, остварила је коефицијент заједничког капитала Tier 1 (CET1) од 20,2 процента и повраћај на капитал од 9,5 процената. Однос трошкова и прихода побољшан је на 50,2 процента. Истовремено, отписивања финансијске имовине повећана су са 136 милиона евра у истом периоду претходне године на 562 милиона евра, првенствено због неколико великих резервисања у пословању корпоративног банкарства. Овај развој догађаја наглашава да се издаци за технологију не дешавају у окружењу без ризика. Иако снажан капитал пружа флексибилност, он не елиминише кредитне ризике или економску неизвесност.

Оперативна основа је такође значајна. У холандском пословању са малопродајом и корпоративним банкарством, депозити су достигли 375,1 милијарду евра, а кредити 293 милијарде евра. Нето приход од камата у овом сегменту порастао је за 6 процената на 3,951 милијарду евра. У међународном пословању са корпоративним и пољопривредним банкарством, портфолио кредита порастао је за 7,8 милијарди евра на 142,7 милијарди евра по константним курсевима. Имовина под управљањем у приватном банкарству износила је 83,1 милијарду евра. Чак и мала процентуална побољшања у технолошким променама које утичу на ову метрику биланса стања и процеса могу имати значајне апсолутне ефекте. С друге стране, грешке, кварови или погрешне одлуке такође могу проузроковати значајну штету.

Право уско грло лежи испод површине вештачке интелигенције

У јавном дискурсу, вештачка интелигенција се често третира као самостални софтвер који се може инсталирати уз постојеће системе. Међутим, у великој банци важи супротно. Вештачка интелигенција приступа подацима са рачуна, трансакција, односа са клијентима, датотека о кредитима, архива докумената, система за управљање ризицима и комуникационих канала. Ове информације су често доступне у различитим форматима, са различитим стандардима квалитета и понекад контрадикторним дефиницијама. Модел може поуздано функционисати само ако су порекло, значење, валута и права приступа подацима јасно дефинисани.

Висока потребна улагања су стога првенствено цена сложености. Основни банкарски системи који су се развијали деценијама садрже критичну пословну логику, али их је тешко интегрисати са модерним платформама. Подаци морају бити очишћени, категоризовани и обогаћени метаподацима. Интерфејси захтевају јединствене стандарде. Идентитети и дозволе морају бити контролисани у више система. Сваком важном моделу су потребне следљиве верзије, документовани подаци за обуку и тестирање, дефинисане одговорности и континуирано праћење. Овај рад ретко производи производе високог профила, али одређује да ли ће вештачка интелигенција прећи са демонстрације на редовне банкарске операције.

Рабобанк је већ поједноставила део своје основне архитектуре. У свом корпоративном банкарском пословању, хиљаде портфолија, кредитних линија, кредита, трговачких позиција и рачуна из више од 35 старих основних банкарских система мигрирани су на централну платформу. Такве консолидације су економски значајне јер могу смањити број паралелних модела података, интерфејса и путања одржавања. Међутим, оне не смањују аутоматски трошкове у кратком року. Током фазе транзиције, стари и нови системи често раде један поред другог, потребни су додатни стручњаци, а ризици миграције морају се ублажити.

Ово објашњава кључни парадокс великих програма дигитализације: у почетку се напор повећава, иако стратегија има за циљ смањење трошкова на дужи рок. Стари системи могу бити деактивирани тек када се подаци у потпуности пренесу, процеси редизајнирају, контроле валидирају и процедуре за ванредне ситуације тестирају. Уштеде се остварују прерано, што повећава оперативни ризик. Паралелно покретање система предуго спречава остваривање уштеда. Стога, економски успех не зависи само од техничке имплементације већ и од доследног поједностављивања. Додавање модерног слоја вештачке интелигенције постојећој, сложеној структури процеса једноставно би додало нове трошкове старим.

Од пилот пројекта до индустријског скалирања

Европски банкарски сектор је у великој мери превазишао експерименталну фазу. Више од 85 процената већих институција које прате европски банкарски супервизори користе вештачку интелигенцију у неком облику. Анкете које је спровео Европски банкарски орган чак указују на бројку од преко 90 процената за шире тржиште. Међутим, такве бројке не значе да вештачка интелигенција већ продуктивно функционише на свим нивоима. Постоји значајна разлика у зрелости између ограниченог модела класификације докумената и дубоко интегрисане, пословно критичне платформе вештачке интелигенције.

Економски изазов лежи у трансформацији бројних појединачних решења у могућности за вишекратну употребу. Четбот, модел за откривање превара или асистент за програмирање могу брзо да донесу локалне користи. Међутим, ако се за сваки од њих изграде одвојени канали за пренос података, безбедносне провере и оперативни модели, трошкови и ризици се множе. Скалирање захтева заједничке техничке компоненте, стандардизоване критеријуме квалитета и централни оквир унутар којег одељења могу да развијају апликације.

Управо је то сврха Агентског центра који је основала Рабобанка. Циљ му је да обједини знање, технички развој, искуство у примени и поново употребљиве градивне блокове за АИ агенте. Ово је од значајног значаја с обзиром на више од 1.100 тимова који су укључени у развој софтвера унутар банке. Без централне архитектуре, сваки тим би могао више пута да решава сличне проблеме, бира различите алате и креира сопствене механизме контроле. Централни центар може смањити дуплирање напора и убрзати ширење успешних решења.

Централизација, међутим, не сме да се претвори у гломазан механизам контроле. Ако свака промена захтева месеце одобравања, одељења ће мигрирати на неодобрене алате или заостајати за дигиталним конкурентима. С друге стране, превише отворена платформа доводи до неконтролисаних модела, цурења података и недоследних резултата. Продуктивна средња тачка састоји се од стандардизованих, претходно одобрених компоненти, јасних класа ризика и вишеслојних процеса одобравања. Интерном асистенту знања потребне су другачије контроле од система који припрема кредитне одлуке или блокира сумњива плаћања.

Где могу настати економске користи

Најатрактивније области примене у почетку леже тамо где се велики обим случајева сусреће са стандардизованим радом знања. То укључује идентификацију купаца, верификацију докумената, откривање превара, праћење спречавања прања новца, обраду захтева за услуге, развој софтвера и интерна истраживања. У овим областима, вештачка интелигенција не мора одмах да делује потпуно аутономно. Чак и побољшано претходно сортирање, сумирање или одређивање приоритета може скратити време обраде и ослободити квалификоване запослене рутинских задатака.

Рабобанк већ обрађује милионе трансакција дневно за веома кратко време ради откривања превара. Поступци засновани на правилима комбиновани су са проценама ризика и машинским учењем. Предност оваквог хибридног приступа лежи у комбинацији транспарентности и препознавања образаца. Правила транспарентно мапирају познате сценарије превара, док статистички модели могу да открију необичне констелације које нису унапред у потпуности описане. Економска вредност се генерише кроз избегнуте губитке, мање лажних узбуна и смањен напор ручног прегледа.

Исто важи и за борбу против прања новца и других финансијских криминала. Банке морају да анализирају огромне количине порука, докумената и информација о трансакцијама. Традиционални системи често генеришу бројна упозорења, од којих се многа испоставе неоснованим. Када вештачка интелигенција побољша одређивање приоритета, истражитељи могу да посвете више времена сложеним случајевима. Користи се тада протежу даље од пуких нижих трошкова. Брже и прецизније откривање смањује регулаторне, правне и репутационе ризике, чија потенцијална штета далеко превазилази текуће трошкове за особље.

У корисничкој служби, генеративна вештачка интелигенција може да агрегира информације из интерних складишта знања, припрема разговоре и сумира документе. Запослени добијају бржи преглед, док купци доживљавају краће време одзива. Потпуно аутоматизована комуникација остаје ризичнија јер нетачни или непотпуни одговори имају непосредне спољне последице. Стога је фазни приступ често економски исплативији: вештачка интелигенција припрема садржај, човек га прегледа на осетљива питања, а само јасно дефинисани стандардни случајеви су потпуно аутоматизовани.

Развој софтвера такође нуди значајан потенцијал. Агенти вештачке интелигенције могу да припреме код, генеришу тестове, проналазе грешке, креирају документацију и подржавају прегледе. Примери из индустрије указују на побољшања продуктивности од 20 до 30 процената када се доследно примењују током целог процеса развоја. Међутим, такве бројке не гарантују уштеду трошкова. Повећани учинак по програмеру смањује трошкове особља само ако се капацитет заправо смањи. Чешће, користи у почетку произилазе из бржих пројеката, мањег заостатка и веће прилагодљивости.

Профит се не генерише искључиво уштеђеним минутима

Многи пословни модели вештачке интелигенције прецењују вредност малих уштеда времена. Ако асистент уштеди сваком запосленом неколико минута дневно, то се не претвара у одговарајући профит. Ослобођено време може се распоредити на много кратких интервала током којих се не обавља додатни посао који додаје вредност. Само када се процеси и одговорности реорганизују, продуктивност се може претворити у ниже трошкове, повећани капацитет или додатне приходе.

За Рабобанк, економска евалуација би стога требало да се спроведе на нивоу процеса. У обради кредита, релевантне метрике би укључивале време обраде, стопу грешака, број завршених случајева и повраћај прилагођен ризику. У спречавању превара, кључни су избегнути губици, стопа откривања, стопа лажних узбуна и трошкови обраде по случају. У корисничкој служби, стопа решавања првог контакта, време чекања, задовољство купаца и трошкови по упиту су значајнији од једноставног броја одговора генерисаних вештачком интелигенцијом. У развоју софтвера, требало би мерити време имплементације, грешке након лансирања, поновну употребу и проценат застарелих система који су заправо деактивирани.

Повраћај инвестиције такође мора бити израчунат у односу на укупне трошкове. Поред лиценци и рачунарске снаге, то укључује припрему података, интеграцију, сајбер безбедност, правне прегледе, валидацију модела, обуку запослених, праћење и резервна решења. Повећање употребе такође може повећати трошкове ако се наплата заснива на обиму рачунарства или позивима модела. Првобитно јефтин пилот пројекат може постати скуп са милионима дневних трансакција. Стога, сваки случај употребе захтева робустан прорачун јединичне цене и јасне границе како би се утврдило када алтернативни технички приступ постаје економичнији.

Важније од спектакуларне укупне цифре је диверзификовани инвестициони портфолио. Апликације са нижим ризиком и бржим мерљивим користима могу донети рани повраћај. Високоризични основни процеси захтевају дужу валидацију, али могу обећати веће стратешке предности. Инвестиције у инфраструктуру често не генеришу директне појединачне приходе, али омогућавају многе касније примене. Кључна грешка у управљању била би да се трошкови платформе у потпуности припишу појединачним раним пројектима или, обрнуто, да се свако будуће обећање прихвати као оправдање за неконтролисану потрошњу.

Овде ћете сазнати како ваша компанија може брзо, безбедно и без високих баријера за улазак имплементирати прилагођена решења за вештачку интелигенцију.

Управљана AI платформа је ваше свеобухватно и безбрижно решење за вештачку интелигенцију. Уместо да се бавите сложеном технологијом, скупом инфраструктуром и дуготрајним процесима развоја, добијате готово решење прилагођено вашим потребама од специјализованог партнера – често у року од само неколико дана.

Кључне предности на први поглед:

⚡ Брза имплементација: Од идеје до апликације спремне за употребу за дане, а не месеци. Нудимо практична решења која стварају тренутну додату вредност.

🔒 Максимална безбедност података: Ваши осетљиви подаци остају код вас. Гарантујемо безбедну и усклађену обраду без дељења података са трећим лицима.

💸 Без финансијског ризика: Плаћате само за резултате. Велика почетна улагања у хардвер, софтвер или особље су потпуно елиминисана.

🎯 Фокусирајте се на свој основни посао: Концентришите се на оно што најбоље радите. Ми се бринемо о целокупној техничкој имплементацији, раду и одржавању вашег вештачке интелигенције.

📈 Спремно за будућност и скалабилно: Ваша вештачка интелигенција расте са вама. Обезбеђујемо континуирану оптимизацију и скалабилност и флексибилно прилагођавамо моделе новим захтевима.

Више информација овде:

• Решење за управљану вештачку интелигенцију - Индустријске услуге вештачке интелигенције: Кључ конкурентности у секторима услуга, индустрије и машинства

Стагнирајућа добит повећава притисак на успех

Непромењена нето добит није аутоматски знак упозорења за робусну банку. Она може одражавати стабилну зарађивачку моћ у изазовнијем окружењу. У Рабобанци, већи приходи и контрола трошкова надокнађени су значајно повећаним отписима вредности. Ипак, стагнирајућа раст добити мења перцепцију технолошког програма. Све док резултати не расту динамично, инвеститори, чланови и регулатори ће пажљивије испитати када и како ће се трошкови исплатити.

Побољшани однос трошкова и прихода од 50,2 процента пружа солидну почетну тачку. Показује да се за сваки евро прихода отприлике половина троши на оперативне трошкове. За традиционалну универзалну банку, ово је конкурентно, али нема разлога за самозадовољство. Дигиталне банке и специјализовани добављачи циљају профитабилне делове ланца вредности са виткијим структурама. Истовремено, успостављене институције се суочавају са све већим расходима за регулацију, сајбер безбедност, квалификовано особље и технолошку модернизацију. Вештачка интелигенција је намењена делимичном надокнађивању ових терета, али у почетку и она ствара трошкове.

Ово ствара временску асиметрију. Трошкови инвестиција и организациони терет настају рано; уштеде и повећани приходи следе касније и остају неизвесни. Ако су интерна очекивања постављена превише агресивно, постоји ризик од исхитрених кадровских мера или превременог проширења недоказаних система. Ако се циљеви формулишу превише опрезно, буџет од милијарду долара може бити протраћен без довољне дисциплине. Стога су потребни средњи циљеви који повезују технолошки напредак са економским резултатима. Фокус не би требало да буде на броју модела или корисника, већ на побољшању читавих токова вредности.

Банка такође мора да спречи да повећање ефикасности једноставно генерише нову потражњу унутар организације. Ако свако одељење наручи више анализа, извештаја и промена софтвера захваљујући вештачкој интелигенцији, активност ће се повећати, али не нужно и вредност компаније. Добро управљање даје приоритет случајевима употребе на основу ризика, економског доприноса и стратешке релевантности. Оно прекида пројекте чије користи нису доказане, чак и ако основна технологија делује импресивно.

Регулација постаје део производа

У европском финансијском сектору, вештачка интелигенција се не може одвојити од регулативе. Европски правни оквир генерално класификује системе за процену кредитне способности физичких лица као апликације високог ризика. То резултира захтевима за управљање ризицима, квалитет података, техничку документацију, евидентирање, транспарентност, људски надзор и праћење након имплементације. Истовремено, правила банкарског надзора већ се примењују у вези са ризицима модела, заштитом потрошача, приватношћу података и правилном организацијом пословања.

Поред тога, ту је и пропис о дигиталној оперативној отпорности финансијског сектора, који се примењује од јануара 2025. године. Он захтева робусне процедуре за ИТ ризике, пријављивање инцидената, тестирање и контролу спољних добављача технолошких услуга. За Рабобанк, то значи да апликација вештачке интелигенције не само да мора правилно да израчунава. Банка такође мора да зна који су добављачи, подизвођачи, центри података и токови података укључени, како се решавају поремећаји и како би промена добављача била технички изводљива.

Усклађеност стога није накнадна мисао, већ саставни део системске архитектуре. Додавање документације, порекла података, права приступа и праћења тек након развоја резултира значајним прерадама. Исплатива платформа интегрише ове функције од самог почетка. Стандардизовани протоколи, регистри модела, аутоматизовани тестови и јасне одговорности могу повећати почетне трошкове, али смањују маргиналне трошкове сваке наредне апликације.

Питање људског надзора је посебно изазовно. Формално одобрење запослених није довољно ако немају времена и информација да критички испитају препоруку. Ефикасан надзор захтева разумљива образложења, могућност одступања и јасне процедуре ескалације. У случајевима кредитних одлука или жалби купаца, они на које се то односи морају добити транспарентне и разумљиве одговоре. Што се систем више уплиће у права и економске могућности, то мање људска улога треба да се своди на пуку симболичку потврду аутоматизованих резултата.

Регулација може деловати као фактор трошкова на краћи рок, али може створити конкурентску предност на дужи рок. Банка која савладава поуздане, проверљиве и поштене процесе вештачке интелигенције може брже објављивати нове апликације и јачати поверење купаца и регулатора. С друге стране, институције које управљање третирају само као препреку ризикују каснија ограничења, казне, гашење модела и штету по репутацију. У банкарству, само поверење је економска предност.

Зависност од облака постаје ризик стратешког биланса стања

Напредна вештачка интелигенција захтева високоперформансне центре података, специјализоване чипове, скалабилно складиштење и сложене софтверске платформе. Само неколико глобалних добављача може да испоручи ову инфраструктуру у великим размерама. Ово ствара нови облик консолидације за банке. Чак и ако се уговори легално аутсорсују, одговорност за критичне функције остаје на институцији.

Непосредна предност великих добављача услуга у облаку и вештачкој интелигенцији лежи у брзини и економији обима. Они пружају безбедносне алате, моделе и рачунарску снагу коју би једна европска банка могла сама да развије само уз огроман напор. Потпуно интерно пословање би често било скупље, спорије и технички мање моћно. Технолошки суверенитет, стога, не може смислено да значи изградњу сваке компоненте интерно.

Уместо тога, то значи разумевање и управљање критичним зависностима. То укључује преносиве формате података, документоване интерфејсе, одвојене резервне копије, тестиране стратегије изласка и алтернативне методе рада за посебно важне функције. Уговори морају да укључују права приступа, ревизије и раскида. Штавише, банка треба да избегава уграђивање власничких услуга толико дубоко у процесе да прелазак постане практично немогућ.

Стратегије са више добављача се често представљају као једноставно решење, али оне генеришу сопствене трошкове. Два облачна окружења значе додатну стручност, безбедносне конфигурације, интерфејсе и тестирање. Стога, није потребно да свака апликација ради на више платформи истовремено. Архитектура заснована на ризику има више смисла: За посебно критичне услуге потребне су стварне алтернативе и резервне опције, док се мање критичне апликације могу селективно покретати код једног добављача. Кључно је да банка не сме да меша ризике концентрације са пуком разноликошћу уговора.

Геополитичка питања такође добијају на значају. Многи водећи добављачи услуга у облаку и модела налазе се ван Европске уније. Промене у трговинском закону, санкције, захтеви за екстратериторијални приступ или уска грла у снабдевању високоперформансним чиповима могу утицати на доступност. Европска банка стога мора заједнички проценити техничке перформансе, заштиту података, правни оквир и сигурност снабдевања. Најјефтинија услуга није нужно економски најисплативији избор ако се недовољно не размотре трошкови застоја или преласка.

Радна снага ће бити поново процењена

Вештачка интелигенција прво мења задатке у банкама, а тек онда послове. Посебно су погођени понављајући задаци у обради докумената, корисничкој служби, усклађености, анализи ризика и развоју софтвера. Модели могу да претражују информације, претходно сортирају случајеве, генеришу нацрте текстова и врше стандардне провере. Као резултат тога, људски рад се помера ка праћењу, обради изузетака, процени контекста и комуникацији са купцима.

Ова промена никако није аутоматски друштвено прихватљива. Ако су циљеви продуктивности првенствено уоквирени као смањење броја запослених, запослени могу ускратити знање, одбацити нове системе или не пријавити отворено проблеме. Међутим, успешна имплементација се ослања на искуствено знање. Стручњаци морају објаснити који су изузеци релевантни, како идентификовати погрешне резултате и када је потребно ескалирати случај. Стога, економске користи се повећавају када су запослени укључени у дизајн процеса и мерење квалитета од ране фазе.

Истовремено, било би нереално умањити ефекте запошљавања. Ако банка може трајно да обрађује више трансакција и упита клијената са истим или мањим бројем запослених, потреба за одређеним задацима се смањује. Ово смањење може се десити природним одливањем, мањим бројем нових запослених, пресељењем и циљаним смањењем броја радних места. Улоге чија се вредност првенствено састоји од прикупљања информација, стандардне документације или обраде засноване на правилима су посебно под притиском.

Појављују се нови захтеви у областима инжењеринга података, безбедности модела, дизајна процеса, сајбер одбране, одговорности за производ и независне валидације. Међутим, нове специјалистичке позиције не морају нужно да надокнаде смањење понављајућег посла. Штавише, искусно административно особље не може се преко ноћи преквалификовати у архитекте вештачке интелигенције. Кредибилан програм квалификације стога мора да прави разлику: неким запосленима су потребне вештине безбедне примене, другима дубинско познавање података, а мања група захтева високо специјализоване техничке вештине.

Циљ не би требало да буде што брже уклањање људи из процеса. Свесна подела задатака је економски поузданија. Машине обрађују велике количине података, понављајуће задатке и препознавање образаца; људи су одговорни за двосмислене случајеве, етичка разматрања, односе и далекосежне одлуке. Тек када се демонстрирају квалитет, безбедност и одговорност, ниво аутоматизације може се повећати.

Корист за купца одређује легитимитет

Технолошка модернизација постаје релевантна за клијенте само када је приметна у њиховом свакодневном животу. Краће време обраде, боље спречавање превара, јаснија комуникација и повећана доступност су јасне предности. Персонализовани савети могу помоћи клијентима да раније идентификују финансијске ризике или пронађу одговарајуће производе. Истовремено, иста та персонализација може се доживети као наметљива или манипулативна ако банка користи податке без јасне сврхе.

Кредитирање је посебно осетљива област. Прецизнији модели би могли боље разликовати ризике и отворити приступ финансирању за клијенте које је раније било тешко проценити. Међутим, они такође могу репродуковати постојеће неједнакости ако историјски подаци садрже пристрасне одлуке. Чак и варијабле које делују неутрално могу индиректно одражавати порекло, место становања или друштвени статус. Редовне провере дискриминације стога нису само законски обавезне, већ и штите пословни модел од погрешног избора ризика.

Дигитални асистенти представљају још један проблем: језичко самопоуздање се лако може заменити са чињеничном сигурношћу. Течно формулисан, али погрешан савет може проузроковати финансијску штету. Корисници морају бити у стању да препознају када комуницирају са аутоматизованим системом и како да дођу до човека. За сложене финансијске одлуке, практичност не сме заменити добар савет.

Кооперативна природа Рабобанке подиже очекивања да се технолошка ефикасност неће само претворити у смањење интерних трошкова. Чланови и клијенти ће такође очекивати побољшане услуге, фер цене и одговорно руковање подацима. Ако аутоматизација само повећава време чекања смањењем броја личних контаката, трансформација ће изгубити јавно прихватање. Насупрот томе, ако се успешно имплементира комбинација брзе дигиталне обраде и лако доступне људске подршке, технологија може ојачати лојалност купаца.

Конкурентска предност или скупа обавеза?

Инвестиција оваквих размера не гарантује конкурентску предност, јер и друге велике банке повећавају своја технолошка улагања. Штавише, алати вештачке интелигенције постају све стандардизованији и доступни су конкурентима преко истих добављача. Стога, трајна диференцијација не произилази искључиво из приступа моделу. Она се ослања на власничке податке, боље процесе, бржу имплементацију, поуздано управљање и способност претварања увида у конкретне понуде за купце.

Са својом снажном позицијом у холандском сектору малопродајног и корпоративног банкарства, као и својим међународним стручним знањем у пољопривреди и храни, Рабобанк поседује вредне податке и односе специфичне за индустрију. То би могло довести до апликација које компаније опште технологије не могу лако да реплицирају. Примери укључују прецизније процене ризика у пољопривреди и ланцима снабдевања, побољшане прогнозе ликвидности за средња предузећа и ранија упозорења на поремећаје везане за временске услове и робу. Стратешка вредност лежи у комбиновању општих могућности вештачке интелигенције са дубоким стручним знањем у индустрији.

Међутим, величина може бити и мана. Више пословних јединица, земаља, прописа и застарелих система повећава напоре за координацију. Мањи дигитални провајдери могу брже тестирати нове производе на јединственој платформи. Рабобанк стога мора да претвори свој домет у економију обима, а да је притом не омета унутрашња сложеност. Агентски центар и заједничке базе података су неопходни, али не и довољни услови за ово.

Да ли ће програм створити конкурентску предност зависиће од три питања. Прво: Може ли банка да имплементира успешне апликације брже него што трошкови и ризици расту? Друго: Да ли заправо затвара старе системе и кораке процеса, уместо да само додаје нове слојеве? Треће: Да ли ће то довести до бољих одлука и искустава купаца што се претвара у мање губитке, веће задржавање запослених или додатно пословање? Ако ова питања остану без одговора, програм би био скупа обавеза модернизације без натпросечних приноса.

Поуздан показатељ за наредне три године

Прва мера успеха је поједностављење техничког окружења. Број деактивираних застарелих система, смањених интерфејса и консолидованих скупова података указује на то да ли банка елиминише дугорочне трошкове. С друге стране, сама миграција без деактивације нуди мало структурних користи. Подједнако важне су метрике квалитета података, као што су учесталост погрешних записа података, могућност праћења порекла података и време потребно за пружање верификованих информација.

Друга метрика се тиче оперативних перформанси. Време обраде, стопе аутоматизације, стопе грешака, губици од превара и обим ручних прегледа требало би да буду упоредиви пре и после имплементације. Просечна вредност није довољна. Систем може убрзати стандардне случајеве, а истовремено погоршати сложене. Стога се резултати морају процењивати према групи купаца, производу и класи ризика.

Трећа мера је нето финансијски ефекат. Уштеде и додатни приходи морају се упоредити са укупним оперативним трошковима. То укључује амортизацију, екстерне услуге, контролне функције и обуку. Премештени трошкови не смеју се појавити као уштеде. Ако пословна јединица смањи број запослених док се трошкови централне ИТ и усклађености значајније повећавају, компанија у целини се можда неће побољшати.

Четврта мера је ризик. Број и озбиљност техничких кварова, кршења података, одступања модела, жалби купаца и регулаторних приговора морају бити видљиви. Пројекат са високом продуктивношћу, али растућом стопом грешака или жалби, није успешан. Слично томе, планове за излазак и непредвиђене ситуације треба редовно тестирати у пракси, а не само да постоје у документацији.

Пета мера је организациона прилагодљивост. Колико брзо банка може да пренесе успешну апликацију из једне области у друге? Колико је времена потребно за одобрење новог модела? Колико тимова користи дељене компоненте? Који проценат запослених може самоуверено и ефикасно да користи алате? Ове метрике указују на то да ли ће појединачни пројекти довести до трајног капацитета.

Јасна перспектива иза опкладе од милијарду долара

Одлука Рабобанке је економски разумљива, али не ствара аутоматски вредност. Неулагање би такође било скупо. Застарели системи, фрагментирани подаци и спори процеси повећавају оперативне ризике и ометају конкуренцију дигитално напреднијих добављача. Истовремено, било би опасно оправдати програм искључиво општим позивањем на трансформативну моћ вештачке интелигенције. Буџети од милијарду долара захтевају убедљивије доказе него убедљиве демонстрације.

Највећа снага пројекта лежи у његовом широком приступу. Банка јасно препознаје да се вештачка интелигенција може скалирати само на робусној основи података и ИТ-а. Комбинација са централном платформом за апликације засноване на агентима, континуираном модернизацијом основног система и већ успостављеним апликацијама у откривању превара и финансијског криминала говори против тога да је то само пролазни тренд. Штавише, солидна капитална база обезбеђује неопходна финансијска средства.

Највећа слабост лежи у још увек недефинисаним економским детаљима. Максимални буџет је познат, али његова расподела и обавезујући циљеви поврата нису. Без транспарентних међуциљева, постоји ризик да се неопходне основне инвестиције, експериментални пројекти вештачке интелигенције и рутинске ИТ надоградње сврстају у једну велику суму. Тада би било тешко разазнати који део заправо ствара додату вредност.

Рабобанк стога не би требало да дефинише свој успех једном спектакуларном метриком. Оно што је важно јесте уравнотежен резултат који обухвата ниже јединичне трошкове, бржу прилагодљивост, побољшану контролу ризика и већу вредност за купце. Смањење броја запослених може допринети овом ефекту, али не сме постати једини пословни модел. Слично томе, технолошки суверенитет не треба мешати са нереалним интерним развојем. Управљиве зависности, јасна одговорност и доказане алтернативе су важније од симболичке независности.

На крају крајева, програм је тест за цео европски банкарски сектор. Ако Рабобанк успе да претвори свој робусни биланс стања у продуктивнију, једноставнију и поузданију дигиталну организацију, инвестиција ће постати план. Ако не успе због застарелих система, везаности за добављача или недостатка имплементације у пословању, показаће да високи издаци за вештачку интелигенцију без трансформације процеса само додају још један слој сложености постојећим. Кључно питање, дакле, није да ли је 2 милијарде евра много. Већ да ли ће, после три године, банка имати мерљиво мање сложености него раније. Тек тада ће се технолошка модернизација претворити у економски напредак.

Xpert.Digital је B2B индустријски центар вођен подацима, којим руководи Konrad Wolfenstein . Компанија делује као екстерно, квази-интерно решење за индустријске партнере, попуњавајући оперативне празнине у маркетингу, садржају и продаји – без потребе за додатним ресурсима на страни клијента.

Више информација овде:

• Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем

☑️ Наш пословни језик је енглески или немачки

☑️ НОВО: Преписка на вашем матерњем језику!

 

Ја и мој тим смо срећни што вам можемо бити на располагању као ваш лични саветник.

Можете ме контактирати попуњавањем контакт форме овде wolfenstein@xpert.digital:или ме једноставно позовите на +49 7348 4088 965. Моја имејл адреса је

Радујем се нашем заједничком пројекту.

 

 

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или реорганизација дигиталне стратегије и дигитализације

☑️ Проширење и оптимизација међународних продајних процеса

☑️ Глобалне и дигиталне B2B платформе за трговање

☑️ Пионирски развој пословања / Маркетинг / Односи с јавношћу / Сајмови