Rabobank інвестує 2 мільярди євро в майбутнє штучного інтелекту

Трансформація Rabobank: Штучний інтелект як ключ до конкурентоспроможності

Штучний інтелект у банках: від теорії до практичного застосування

Rabobank, один з провідних банків Нідерландів, планує значні інвестиції до 2 мільярдів євро в дані, інформаційні технології та штучний інтелект (ШІ) протягом наступних трьох років. Це рішення прийнято на тлі очікуваного стагнації чистого прибутку банку на рівні 2,694 мільярда євро у першій половині 2026 року. Замість максимізації короткострокових прибутків, Rabobank розглядає модернізацію своєї цифрової інфраструктури як необхідну для майбутньої конкурентоспроможності.

Цей амбітний проект виходить за рамки простого інвестування у штучний інтелект; він також охоплює покращення якості даних, розвиток цифрового досвіду для клієнтів та інтеграцію сучасних технологій в існуючі системи. У світі, що дедалі більше цифровізується, банкам важливо розвиватися технологічно, щоб відповідати зростаючим потребам клієнтів та відповідати ринковим викликам. Цим кроком Rabobank демонструє своє усвідомлення необхідності перепозиціонування у висококонкурентному середовищі, зосереджуючись не лише на інноваційних технологіях, але й на надійній базі даних та ІТ для забезпечення довгострокового успіху.

Двомільярдний внесок Rabobank у розвиток штучного інтелекту

Європейські банки більше не можуть дозволити собі технологічну стагнацію

Rabobank планує інвестувати до 2 мільярдів євро в дані, інформаційні технології та штучний інтелект протягом трьох років. Ці інвестиції відбуваються в той час, коли чистий прибуток залишився незмінним на рівні 2,694 мільярда євро у першій половині 2026 року порівняно з аналогічним періодом минулого року. Таке поєднання робить рішення економічно визначним: банк нарощує свої технологічні можливості не заради короткострокового зростання прибутку, а попри стагнацію доходів. Таким чином, банк розглядає модернізацію своєї цифрової інфраструктури не як добровільну інноваційну програму, а як необхідну передумову для майбутньої конкурентоспроможності.

Поширена помилкова думка, що це виключно інвестиції у штучний інтелект, є оманливою. Бюджет чітко включає інфраструктуру даних та ІТ, цифровий досвід клієнтів та масштабування штучного інтелекту. Тому значна частина навряд чи буде інвестована у вражаючі мовні моделі чи візуальних помічників, а радше у якість даних, інтерфейси, хмарні архітектури, кібербезпеку, валідацію моделей та інтеграцію сучасних додатків в існуючі основні системи. Саме в цьому полягає економічна логіка: без надійних даних та надійної технічної основи ШІ можна продемонструвати у великому банку, але його неможливо безпечно та прибутково масштабувати.

Отже, стратегічна ставка полягає не в тому, що сам по собі штучний інтелект одразу заощадить мільярди. Швидше, банк із сучасною архітектурою даних і технологій зможе швидше змінювати процеси, точніше виявляти ризики, ефективніше виконувати нормативні вимоги та обслуговувати клієнтів більш економічно ефективно. Водночас формується нова структура витрат і залежностей. Обчислювальна потужність, хмарні сервіси, спеціалізоване програмне забезпечення, зовнішній консалтинг, висококваліфікований персонал і постійний моніторинг генерують постійно високі витрати. Таким чином, одноразова інвестиція перетворюється на багаторічну трансформацію бізнес-моделі.

Багатомільярдна програма зі значним впливом на результати

До 2 мільярдів євро протягом трьох років дорівнює середньому приблизно 667 мільйонам євро на рік. Якщо для масштабування екстраполювати піврічний прибуток у розмірі 2,694 мільярда євро на повний рік, отримана цифра становитиме близько 5,388 мільярда євро. Середній річний бюджет на технології тоді становитиме приблизно 12,4 відсотка від цього розрахованого річного прибутку. Порівняно із заявленим піврічним прибутком, загальний трирічний бюджет навіть сягає цілих 74 відсотків. Ці цифри демонструють, що це не додатковий цифровий бюджет на периферії організації.

Рахунок-фактуру не слід плутати з прямим відрахуванням прибутку. Незрозуміло, яка частина буде капіталізована, амортизована протягом кількох років або безпосередньо віднесена на витрати. Так само немає публічно доступної розбивки того, яка частина становить необхідні інвестиції в оновлення, а яка частина є фактично додатковою. Фраза «до» також є доречною: вона визначає максимальну суму, не обов'язково суму, яка буде повністю використана. Тому для економічної оцінки загальна сума менш важлива, ніж склад коштів, терміни їх виплати та вимірювані результати для кожного конкретного випадку використання.

Rabobank розпочинає реструктуризацію з фінансово стійкої позиції. У першій половині 2026 року він досяг коефіцієнта достатності капіталу першого рівня (CET1) на рівні 20,2 відсотка та рентабельності власного капіталу на рівні 9,5 відсотка. Коефіцієнт витрат до доходу покращився до 50,2 відсотка. Водночас знецінення фінансових активів зросло зі 136 мільйонів євро за аналогічний період попереднього року до 562 мільйонів євро, головним чином завдяки кільком великим резервам у корпоративному банківському бізнесі. Цей розвиток подій підкреслює, що витрати на технології не відбуваються в безризиковому середовищі. Хоча сильний капітал забезпечує гнучкість, він не усуває кредитні ризики чи економічну невизначеність.

Операційна база також є значною. У голландському роздрібному та корпоративному банківському бізнесі депозити досягли 375,1 млрд євро, а кредити – 293 млрд євро. Чистий процентний дохід у цьому сегменті зріс на 6 відсотків до 3,951 млрд євро. У міжнародному корпоративному та сільськогосподарському банківському бізнесі кредитний портфель зріс на 7,8 млрд євро до 142,7 млрд євро за постійним обмінним курсом. Активи під управлінням у приватному банківському секторі склали 83,1 млрд євро. Навіть невеликі відсоткові покращення технологічних змін, що впливають на цей балансовий та процесний показник, можуть мати значний абсолютний вплив. І навпаки, помилки, збої або неправильні рішення також можуть завдати значної шкоди.

Справжнє вузьке місце криється під поверхнею ШІ

У публічному дискурсі штучний інтелект часто розглядається як окреме програмне забезпечення, яке можна встановити разом із існуючими системами. Однак у великому банку все навпаки. ШІ отримує доступ до даних з рахунків, транзакцій, взаємовідносин з клієнтами, файлів позик, архівів документів, систем управління ризиками та каналів зв'язку. Ця інформація часто доступна в різних форматах, з різними стандартами якості та іноді суперечливими визначеннями. Модель може надійно функціонувати лише за умови чіткого визначення походження, значення, валюти та прав доступу до даних.

Таким чином, високі інвестиції, що необхідні, є, перш за все, ціною складності. Базові банківські системи, що розвивалися протягом десятиліть, містять критично важливу бізнес-логіку, але їх важко інтегрувати із сучасними платформами. Дані необхідно очищати, категоризувати та збагачувати метаданими. Інтерфейси вимагають єдиних стандартів. Ідентифікаційні дані та дозволи необхідно контролювати в кількох системах. Кожна важлива модель потребує відстежуваних версій, задокументованих даних навчання та тестування, визначених обов'язків та постійного моніторингу. Ця робота рідко призводить до створення високоякісних продуктів, але вона визначає, чи перейде ШІ від демонстрації до звичайних банківських операцій.

Rabobank вже спростив частину своєї основної архітектури. У корпоративному банківському бізнесі тисячі портфелів, кредитних ліній, позик, торгових позицій та рахунків з понад 35 застарілих основних банківських систем було перенесено на централізовану платформу. Такі консолідації є економічно значущими, оскільки вони можуть зменшити кількість паралельних моделей даних, інтерфейсів та шляхів обслуговування. Однак вони не знижують автоматично витрати в короткостроковій перспективі. Під час перехідного етапу старі та нові системи часто працюють пліч-о-пліч, потрібні додаткові спеціалісти, а ризики міграції необхідно пом'якшувати.

Це пояснює ключовий парадокс масштабних програм цифровізації: спочатку зусилля зростають, хоча стратегія спрямована на зниження витрат у довгостроковій перспективі. Старі системи можна вивести з експлуатації лише після повної передачі даних, переробки процесів, перевірки контролю та перевірки процедур екстрених ситуацій. Економія здійснюється занадто рано, що збільшує операційний ризик. Занадто тривала паралельна робота систем запобігає отриманню економії. Тому економічний успіх залежить не лише від технічної реалізації, але й від послідовного спрощення. Додавання сучасного рівня штучного інтелекту до існуючої складної структури процесів просто додасть нові витрати до старих.

Від пілотного проєкту до промислового масштабування

Європейський банківський сектор значною мірою вийшов за межі експериментальної фази. Понад 85 відсотків великих установ, що контролюються європейськими банківськими наглядовими органами, використовують штучний інтелект у тій чи іншій формі. Опитування, проведені Європейським банківським органом, навіть вказують на показник понад 90 відсотків для ширшого ринку. Однак такі цифри не означають, що ШІ вже продуктивно працює в усіх сферах. Існує значна різниця в зрілості між обмеженою моделлю класифікації документів та глибоко інтегрованою, критично важливою для бізнесу платформою ШІ.

Економічний виклик полягає в перетворенні численних окремих рішень на можливості багаторазового використання. Чат-бот, модель виявлення шахрайства або помічник програміста можуть швидко принести локальні переваги. Однак, якщо для кожного з них створюються окремі канали передачі даних, перевірки безпеки та операційні моделі, витрати та ризики зростають. Масштабування вимагає спільних технічних компонентів, стандартизованих критеріїв якості та централізованої системи, в рамках якої відділи можуть розробляти додатки.

Саме в цьому полягає мета Agentic Hub, створеного Rabobank. Він має на меті об'єднати знання, технічні розробки, досвід застосування та багаторазові будівельні блоки для агентів штучного інтелекту. Це має значне значення, враховуючи понад 1100 команд, задіяних у розробці програмного забезпечення в банку. Без централізованої архітектури кожна команда могла б неодноразово вирішувати подібні проблеми, вибирати різні інструменти та створювати власні механізми контролю. Хаб може зменшити дублювання зусиль та пришвидшити поширення успішних рішень.

Однак централізація не повинна перетворюватися на громіздкий механізм контролю. Якщо кожна зміна потребуватиме місяців схвалення, відділи переходитимуть на не схвалені інструменти або відставатимуть від цифрових конкурентів. І навпаки, надмірно відкрита платформа призводить до неконтрольованих моделей, витоків даних та суперечливих результатів. Продуктивний компроміс складається зі стандартизованих, попередньо схвалених компонентів, чітких класів ризику та багаторівневих процесів схвалення. Внутрішньому помічнику зі знань потрібні інші засоби контролю, ніж системі, яка готує кредитні рішення або блокує підозрілі платежі.

Де можуть виникнути економічні вигоди

Найпривабливіші сфери застосування спочатку лежать там, де великі обсяги робіт зустрічаються зі стандартизованою роботою зі знаннями. До них належать ідентифікація клієнтів, перевірка документів, виявлення шахрайства, моніторинг боротьби з відмиванням грошей, обробка запитів на обслуговування, розробка програмного забезпечення та внутрішні дослідження. У цих сферах штучний інтелект не повинен діяти повністю автономно одразу. Навіть покращене попереднє сортування, підсумовування або визначення пріоритетів може скоротити час обробки та звільнити кваліфікованих працівників від рутинних завдань.

Rabobank вже обробляє мільйони транзакцій на день за дуже короткий час для виявлення шахрайства. Процедури на основі правил поєднуються з оцінкою ризиків та машинним навчанням. Перевага такого гібридного підходу полягає в поєднанні прозорості та розпізнавання шаблонів. Правила прозоро відображають відомі сценарії шахрайства, тоді як статистичні моделі можуть виявляти незвичайні сузір'я, які не були повністю описані заздалегідь. Економічна цінність генерується завдяки уникненню втрат, зменшенню кількості хибних тривог та зменшенню зусиль, пов'язаних з ручною перевіркою.

Те саме стосується боротьби з відмиванням грошей та іншими фінансовими злочинами. Банкам доводиться аналізувати величезні обсяги повідомлень, документів та інформації про транзакції. Традиційні системи часто генерують численні сповіщення, багато з яких виявляються необґрунтованими. Коли штучний інтелект покращує пріоритезацію, слідчі можуть приділяти більше часу складним справам. Переваги тоді виходять за рамки простого зниження витрат. Швидше та точніше виявлення зменшує регуляторні, правові та репутаційні ризики, потенційна шкода від яких значно перевищує поточні витрати на персонал.

У сфері обслуговування клієнтів генеративний ШІ може агрегувати інформацію з внутрішніх сховищ знань, готувати розмови та узагальнювати документи. Працівники отримують швидший огляд, а клієнти – коротший час реагування. Повністю автоматизована комунікація залишається більш ризикованою, оскільки неправильні або неповні відповіді мають негайні зовнішні наслідки. Тому поетапний підхід часто є більш економічно вигідним: ШІ готує контент, людина перевіряє його на наявність конфіденційних питань, і лише чітко визначені стандартні випадки повністю автоматизуються.

Розробка програмного забезпечення також пропонує значний потенціал. Агенти штучного інтелекту можуть готувати код, генерувати тести, знаходити помилки, створювати документацію та підтримувати огляди. Приклади з галузі показують підвищення продуктивності на 20-30 відсотків за умови послідовного впровадження протягом усього процесу розробки. Однак такі цифри не гарантують економії коштів. Збільшення продуктивності на одного розробника зменшує витрати на персонал лише за умови фактичного зменшення потужностей. Найчастіше переваги спочатку виникають завдяки швидшим проектам, меншому обсягу відкладень та більшій адаптивності.

Прибуток генерується не лише за рахунок зекономлених хвилин

Багато бізнес-моделей штучного інтелекту переоцінюють цінність невеликої економії часу. Якщо асистент економить кожному співробітнику кілька хвилин на день, це не призводить до відповідного прибутку. Вивільнений час можна розподілити на багато коротких інтервалів, протягом яких не виконується жодної додаткової роботи, що додає цінності. Тільки реорганізація процесів та обов'язків може призвести до підвищення продуктивності, зниження витрат, збільшення потужностей або додаткових доходів.

Для Rabobank економічна оцінка повинна проводитися на рівні процесу. В обробці кредитів відповідні показники включатимуть час обробки, коефіцієнт помилок, кількість завершених справ та скориговану на ризик прибутковість. У запобіганні шахрайству ключовими є уникнуті втрати, коефіцієнт виявлення, коефіцієнт хибних тривог та витрати на обробку однієї справи. В обслуговуванні клієнтів коефіцієнт вирішення проблем при першому контакті, час очікування, задоволеність клієнтів та вартість одного запиту мають більше значення, ніж просто кількість відповідей, згенерованих штучним інтелектом. У розробці програмного забезпечення слід вимірювати час розгортання, помилки після запуску, повторне використання та відсоток фактично виведених з експлуатації застарілих систем.

Окупність інвестицій також має бути розрахована відносно загальних витрат. Окрім ліцензій та обчислювальної потужності, сюди входять підготовка даних, інтеграція, кібербезпека, юридичні перевірки, перевірка моделей, навчання співробітників, моніторинг та резервні рішення. Збільшення використання також може призвести до збільшення витрат, якщо виставлення рахунків базується на обсягу обчислень або викликах моделей. Спочатку недорогий пілотний проект може стати дорогим через мільйони щоденних транзакцій. Тому кожен варіант використання вимагає надійного розрахунку собівартості одиниці та чітких меж для визначення, коли альтернативний технічний підхід стає більш економічним.

Важливішим за вражаючий загальний показник є диверсифікований інвестиційний портфель. Застосунки з нижчим ризиком та швидшими вимірюваними вигодами можуть забезпечити ранню віддачу. Високоризикові основні процеси вимагають тривалішої перевірки, але можуть обіцяти більші стратегічні переваги. Інвестиції в інфраструктуру часто не генерують прямих окремих доходів, але дозволяють реалізувати багато пізніших застосувань. Ключовою помилкою управління було б повністю відносити витрати на платформу до окремих ранніх проектів або, навпаки, приймати кожну майбутню обіцянку як виправдання для неконтрольованих витрат.

Тут ви дізнаєтеся, як ваша компанія може швидко, безпечно та без високих бар'єрів входу впроваджувати індивідуальні рішення на основі штучного інтелекту.

Керована платформа штучного інтелекту — це ваше комплексне та безтурботне рішення для штучного інтелекту. Замість того, щоб мати справу зі складними технологіями, дорогою інфраструктурою та тривалими процесами розробки, ви отримуєте готове рішення, адаптоване до ваших потреб, від спеціалізованого партнера — часто всього за кілька днів.

Основні переваги з першого погляду:

⚡ Швидке впровадження: від ідеї до готового до використання застосунку за лічені дні, а не місяці. Ми пропонуємо практичні рішення, які створюють негайну додану цінність.

🔒 Максимальна безпека даних: Ваші конфіденційні дані залишаються з вами. Ми гарантуємо безпечну та відповідність вимогам обробку без передачі даних третім особам.

💸 Без фінансових ризиків: Ви платите лише за результат. Повністю виключаються значні початкові інвестиції в обладнання, програмне забезпечення чи персонал.

🎯 Зосередьтеся на своєму основному бізнесі: Зосередьтеся на тому, що ви робите найкраще. Ми подбаємо про повне технічне впровадження, експлуатацію та обслуговування вашого рішення на базі штучного інтелекту.

📈 Орієнтований на майбутнє та масштабований: Ваш ШІ зростає разом з вами. Ми забезпечуємо постійну оптимізацію та масштабованість, а також гнучко адаптуємо моделі до нових вимог.

Більше інформації тут:

• Кероване рішення на основі штучного інтелекту – промислові послуги зі штучним інтелектом: ключ до конкурентоспроможності в секторах послуг, промисловості та машинобудування

Стагнація прибутків посилює тиск на успіх

Незмінний чистий прибуток не є автоматично попереджувальним знаком для надійного банку. Він може відображати стабільну прибутковість у складніших умовах. У Rabobank вищі доходи та контроль витрат були компенсовані значним збільшенням знецінень. Тим не менш, стагнація прибутку змінює сприйняття технологічної програми. Доки результати не зростатимуть динамічно, інвестори, учасники та регуляторні органи ретельніше стежитимуть за тим, коли і як витрати окупляться.

Покращений коефіцієнт витрат до доходу на рівні 50,2 відсотка забезпечує міцну відправну точку. Він показує, що приблизно половина з кожного євро доходу витрачається на операційні витрати. Для традиційного універсального банку це конкурентоспроможна ситуація, але це не привід для самовдоволення. Цифрові банки та спеціалізовані постачальники орієнтуються на прибуткові частини ланцюжка створення вартості з більш стрункими структурами. Водночас, усталені установи стикаються зі зростанням витрат на регулювання, кібербезпеку, кваліфікований персонал та технологічну модернізацію. Штучний інтелект має частково компенсувати це навантаження, але спочатку він також несе витрати.

Це створює часову асиметрію. Інвестиційні витрати та організаційне навантаження виникають на ранній стадії; заощадження та збільшення доходів з'являються пізніше та залишаються невизначеними. Якщо внутрішні очікування встановлюються занадто агресивно, існує ризик поспішних кадрових заходів або передчасного розширення неперевірених систем. Якщо цілі формулюються занадто обережно, мільярдний бюджет може бути розтрачений без достатньої дисципліни. Тому необхідні проміжні цілі, які пов'язують технологічний прогрес з економічними результатами. Акцент має бути не на кількості моделей чи користувачів, а на вдосконаленні всіх потоків створення цінності.

Банк також повинен запобігти тому, щоб підвищення ефективності просто генерувало новий попит всередині організації. Якщо кожен відділ замовляє більше аналізів, звітів та змін програмного забезпечення завдяки штучному інтелекту, активність зросте, але не обов'язково вартість компанії. Належне управління надає пріоритет варіантам використання на основі ризику, економічного внеску та стратегічної значущості. Воно припиняє проекти, переваги яких не є очевидними, навіть якщо базова технологія здається вражаючою.

Регулювання стає частиною продукту

У європейському фінансовому секторі штучний інтелект не можна відокремити від регулювання. Європейська правова база загалом класифікує системи оцінки кредитоспроможності фізичних осіб як високоризикові програми. Це призводить до вимог щодо управління ризиками, якості даних, технічної документації, реєстрації, прозорості, людського нагляду та моніторингу після впровадження. Водночас, правила банківського нагляду вже застосовуються щодо модельних ризиків, захисту прав споживачів, конфіденційності даних та належної організації бізнесу.

Крім того, існує положення про цифрову операційну стійкість фінансового сектору, яке діє з січня 2025 року. Воно вимагає надійних процедур для ІТ-ризиків, звітності про інциденти, тестування та контролю зовнішніх постачальників технологічних послуг. Для Rabobank це означає, що застосунок штучного інтелекту повинен не лише правильно розраховувати. Банк також повинен знати, які постачальники, субпідрядники, центри обробки даних та потоки даних задіяні, як усуваються перебої та як технічно можливо здійснити зміну постачальника.

Таким чином, відповідність вимогам не є другорядним питанням, а невід'ємною частиною архітектури системи. Додавання документації, походження даних, прав доступу та моніторингу лише після розробки призводить до значних переробок. Економічно ефективна платформа інтегрує ці функції з самого початку. Стандартизовані протоколи, регістри моделей, автоматизовані тести та чіткі обов'язки можуть збільшити початкові витрати, але вони знижують граничні витрати кожного наступного застосування.

Питання людського нагляду є особливо складним. Формального схвалення співробітниками недостатньо, якщо їм бракує часу та інформації для критичного аналізу рекомендації. Ефективний нагляд вимагає зрозумілих обґрунтувань, можливості відхилення та чітких процедур ескалації. У випадках кредитних рішень або скарг клієнтів, ті, кого це стосується, повинні отримувати прозорі та зрозумілі відповіді. Чим більше система втручається у права та економічні можливості, тим менше роль людини повинна зводитися до простого символічного підтвердження автоматизованих результатів.

Регулювання може здаватися фактором витрат у короткостроковій перспективі, але воно може створити конкурентну перевагу в довгостроковій перспективі. Банк, який опанував надійні, перевіряні та чесні процеси штучного інтелекту, може швидше випускати нові програми та зміцнювати довіру клієнтів і регуляторів. З іншого боку, установи, які ставляться до управління лише як до перешкоди, ризикують пізнішими обмеженнями, штрафами, закриттям моделей та репутаційною шкодою. У банківській справі сама довіра є економічним активом.

Залежність від хмарних технологій стає стратегічним ризиком балансу

Розширений штучний інтелект вимагає високопродуктивних центрів обробки даних, спеціалізованих чіпів, масштабованих сховищ та складних програмних платформ. Лише кілька світових постачальників можуть забезпечити цю інфраструктуру у великих масштабах. Це створює нову форму консолідації для банків. Навіть якщо контракти юридично передаються на аутсорсинг, відповідальність за критично важливі функції залишається за установою.

Безпосередня перевага великих постачальників хмарних послуг та штучного інтелекту полягає в швидкості та економії за рахунок масштабу. Вони надають інструменти безпеки, моделі та обчислювальну потужність, які один європейський банк міг би розробити самостійно лише з величезними зусиллями. Повністю власна операція часто була б дорожчою, повільнішою та технічно менш потужною. Тому технологічний суверенітет не може означати створення кожного компонента власними силами.

Швидше, це означає розуміння та управління критичними залежностями. Це включає портативні формати даних, документовані інтерфейси, окремі резервні копії, перевірені стратегії виходу та альтернативні методи роботи для особливо важливих функцій. Контракти повинні включати права доступу, аудиту та припинення дії договору. Крім того, банк повинен уникати настільки глибокого вбудовування власницьких сервісів у процеси, що перехід стає практично неможливим.

Багатопостачальникові стратегії часто представляють як просте рішення, але вони самі генерують витрати. Два хмарних середовища означають додаткову експертизу, конфігурації безпеки, інтерфейси та тестування. Тому не кожна програма повинна працювати на кількох платформах одночасно. Архітектура, що базується на ризиках, має більше сенсу: для особливо критичних послуг потрібні справжні альтернативи та резервні варіанти, тоді як менш критичні програми можуть вибірково запускатися в одного постачальника. Найголовніше, що банк не повинен плутати ризики концентрації з простим різноманіттям контрактів.

Геополітичні питання також набувають значення. Багато провідних постачальників хмарних та модельних послуг розташовані за межами Європейського Союзу. Зміни в торговельному законодавстві, санкції, претензії на екстериторіальний доступ або вузькі місця в постачанні високопродуктивних чіпів можуть вплинути на доступність. Тому європейський банк повинен спільно оцінювати технічні показники, захист даних, правову базу та безпеку постачання. Найдешевша послуга не обов'язково є найбільш економічно обґрунтованим вибором, якщо недостатньо враховуються витрати на час простою або перехід.

Робочий колектив буде переоцінено

Штучний інтелект спочатку змінює завдання в банках, а вже потім робочі місця. Особливо постраждали повторювані завдання в обробці документів, обслуговуванні клієнтів, дотриманні вимог, аналізі ризиків та розробці програмного забезпечення. Моделі можуть шукати інформацію, попередньо сортувати справи, генерувати чернетки текстів та виконувати стандартні перевірки. В результаті людська робота зміщується в бік моніторингу, обробки винятків, оцінки контексту та комунікації з клієнтами.

Цей зсув жодним чином не є автоматично соціально прийнятним. Якщо цільові показники продуктивності в першу чергу формулюються як скорочення штату, працівники можуть приховувати знання, відкидати нові системи або не повідомляти відкрито про проблеми. Однак успішне впровадження спирається на досвідні знання. Експерти повинні пояснювати, які винятки є доречними, як виявляти помилкові результати та коли потрібно ескалювати справу. Таким чином, економічні вигоди зростають, коли працівники залучені до проектування процесів та вимірювання якості з ранньої стадії.

Водночас було б нереально применшувати вплив на зайнятість. Якщо банк може постійно обробляти більше транзакцій та запитів клієнтів з тими ж або меншою кількістю співробітників, потреба в певних завданнях зменшується. Це скорочення може відбутися через природний відтік кадрів, меншу кількість нових працівників, переїзди та цілеспрямовані скорочення робочих місць. Ролі, цінність яких полягає переважно у зборі інформації, стандартній документації або обробці на основі правил, зазнають особливого тиску.

Нові вимоги виникають у сфері інженерії даних, безпеки моделей, проектування процесів, кіберзахисту, відповідальності за продукт та незалежної валідації. Однак нові спеціалізовані посади не обов'язково компенсують зменшення повторюваної роботи. Крім того, досвідчений адміністративний персонал не може бути перекваліфікований на архітекторів штучного інтелекту за одну ніч. Тому надійна програма кваліфікації повинна диференціюватися: деяким співробітникам потрібні навички безпечного використання додатків, іншим - глибокі знання даних, а меншій групі потрібні вузькоспеціалізовані технічні навички.

Метою не повинно бути якомога швидше усунення людей з процесів. Свідомий розподіл завдань є більш економічно виправданим. Машини обробляють великі обсяги даних, повторювані завдання та розпізнавання образів; люди несуть відповідальність за неоднозначні випадки, етичні міркування, стосунки та далекосяжні рішення. Рівень автоматизації може підвищитися лише тоді, коли буде продемонстровано якість, безпеку та підзвітність.

Вигода для клієнта визначає легітимність

Технологічна модернізація стає актуальною для клієнтів лише тоді, коли вона помітна в їхньому повсякденному житті. Коротший час обробки, краще запобігання шахрайству, чіткіша комунікація та підвищена доступність – це очевидні переваги. Персоналізовані консультації можуть допомогти клієнтам раніше виявити фінансові ризики або знайти відповідні продукти. Водночас, ця ж персоналізація може сприйматися як нав'язлива або маніпулятивна, якщо банк використовує дані без чіткої мети.

Кредитування є особливо чутливою сферою. Точніші моделі могли б краще диференціювати ризики та відкрити доступ до фінансування для клієнтів, яких раніше було важко оцінити. Однак вони також можуть відтворювати існуючу нерівність, якщо історичні дані містять упереджені рішення. Навіть змінні, які здаються нейтральними, можуть опосередковано відображати походження, місце проживання чи соціальний статус. Тому регулярні перевірки на наявність дискримінації не лише є юридично обов'язковими, але й захищають бізнес-модель від неправильного вибору ризику.

Цифрові помічники створюють ще одну проблему: лінгвістичну впевненість можна легко сплутати з фактичною достовірністю. Вільно сформульована, але неправильна порада може завдати фінансових збитків. Клієнти повинні вміти розпізнавати, коли вони взаємодіють з автоматизованою системою та як зв’язатися з людиною. Для складних фінансових рішень зручність не повинна замінювати обґрунтовану пораду.

Кооперативний характер Rabobank породжує очікування, що технологічна ефективність призведе не лише до зниження внутрішніх витрат. Учасники та клієнти також очікуватимуть покращення послуг, справедливого ціноутворення та відповідального поводження з даними. Якщо автоматизація лише збільшує час очікування за рахунок зменшення кількості особистих контактів, трансформація втратить суспільне сприйняття. І навпаки, якщо поєднання швидкої цифрової обробки та легкодоступної людської підтримки буде успішно впроваджено, технології можуть зміцнити лояльність клієнтів.

Конкурентна перевага чи дороге зобов'язання?

Інвестиції такого масштабу не гарантують конкурентної переваги, оскільки інші великі банки також збільшують свої витрати на технології. Крім того, інструменти штучного інтелекту стають дедалі стандартизованішими та доступними для конкурентів через тих самих постачальників. Тому тривала диференціація виникає не лише завдяки доступу до моделі. Вона спирається на власні дані, кращі процеси, швидше впровадження, надійне управління та здатність перетворювати аналітичні дані на конкретні пропозиції для клієнтів.

Завдяки своїм сильним позиціям у голландському секторі роздрібного та корпоративного банківського обслуговування, а також міжнародному досвіду в сільському господарстві та харчовій промисловості, Rabobank володіє цінними галузевими даними та зв'язками. Це може призвести до застосувань, які компанії загальнотехнологічного сектору не можуть легко відтворити. Прикладами є точніша оцінка ризиків у сільському господарстві та ланцюгах поставок, покращені прогнози ліквідності для середнього бізнесу та ранні попередження про збої, пов'язані з погодою та сировинними товарами. Стратегічна цінність полягає в поєднанні загальних можливостей штучного інтелекту з глибоким галузевим досвідом.

Однак, розмір також може бути недоліком. Більша кількість бізнес-одиниць, країн, правил та застарілих систем збільшує зусилля з координації. Менші цифрові провайдери можуть швидше тестувати нові продукти на єдиній платформі. Тому Rabobank повинен перетворити свій охоплення на економію від масштабу, не будучи обмеженим внутрішньою складністю. Agentic Hub та спільні бази даних є необхідними, але недостатніми умовами для цього.

Чи створить програма конкурентну перевагу, залежатиме від трьох питань. По-перше: чи зможе банк розгортати успішні додатки швидше, ніж зростають витрати та ризики? По-друге: чи дійсно банк закриває старі системи та етапи процесів, а не просто додає нові рівні? По-третє: чи призведе це до кращих рішень та покращення обслуговування клієнтів, що призведе до зниження збитків, утримання клієнтів або збільшення обсягу бізнесу? Якщо ці питання залишаться без відповіді, програма стане дорогим зобов'язанням з модернізації без прибутковості вище середньої.

Надійний орієнтир на наступні три роки

Першим показником успіху є спрощення технічного ландшафту. Кількість виведених з експлуатації застарілих систем, скорочених інтерфейсів та консолідованих наборів даних вказує на те, чи усуває банк довгострокові витрати. З іншого боку, проста міграція без виведення з експлуатації дає мало структурних переваг. Не менш важливими є показники якості даних, такі як частота помилкових записів даних, відстеження походження даних та час, необхідний для надання перевіреної інформації.

Другий показник стосується операційної ефективності. Час обробки, рівень автоматизації, рівень помилок, втрати від шахрайства та обсяги ручних перевірок повинні бути порівнянними до та після впровадження. Середнього значення недостатньо. Система може пришвидшити стандартні справи, одночасно погіршуючи складні. Тому результати необхідно оцінювати за групою клієнтів, продуктом та класом ризику.

Третій показник – це чистий фінансовий ефект. Економію та додаткові доходи необхідно порівнювати із загальними операційними витратами. До них належать амортизація, зовнішні послуги, контрольні функції та навчання. Перенесені витрати не повинні відображатися як економія. Якщо бізнес-підрозділ скорочує штат, тоді як витрати на центральні ІТ та відповідність вимогам значно зростають, компанія в цілому може не покращитися.

Четвертий показник – це ризик. Кількість та серйозність технічних збоїв, витоків даних, відхилень моделі, скарг клієнтів та заперечень регуляторних органів повинні бути видимими. Проект з високою продуктивністю, але зростаючим рівнем помилок або скарг, не є успішним. Аналогічно, плани виходу та дій у надзвичайних ситуаціях повинні регулярно перевірятися на практиці, а не просто існувати в документації.

П'ятим показником є ​​адаптивність організації. Як швидко банк може перенести успішну заявку з однієї області до інших? Скільки часу потрібно для затвердження нової моделі? Скільки команд використовують спільні компоненти? Який відсоток співробітників може впевнено та ефективно використовувати інструменти? Ці показники вказують на те, чи призведуть окремі проекти до довгострокової можливості.

Чітка перспектива, що стоїть за ставкою на мільярд доларів

Рішення Rabobank є економічно зрозумілим, але не автоматично створює цінність. Відмова від інвестування також буде дорогою. Застарілі системи, фрагментовані дані та повільні процеси збільшують операційні ризики та перешкоджають конкуренції з боку більш цифрових постачальників. Водночас було б небезпечно виправдовувати програму виключно загальним посиланням на трансформаційну силу штучного інтелекту. Мільярдні бюджети вимагають більш переконливих доказів, ніж переконливих демонстрацій.

Найбільша сила проекту полягає в його широкому підході. Банк чітко усвідомлює, що ШІ може масштабуватися лише на надійній основі даних та ІТ. Поєднання з центральною платформою для агентних додатків, постійною модернізацією основної системи та вже встановленими додатками для виявлення шахрайства та фінансових злочинів свідчить про те, що це не просто швидкоплинна примха. Крім того, міцна капітальна база забезпечує необхідні фінансові ресурси.

Найбільша слабкість полягає в досі невизначених економічних деталях. Максимальний бюджет відомий, але його розподіл та обов'язкові цільові показники прибутковості – ні. Без прозорих проміжних цілей існує ризик того, що необхідні базові інвестиції, експериментальні проекти штучного інтелекту та планові оновлення ІТ будуть злиті в одну велику суму. Тоді буде важко розрізнити, яка частина фактично створює додану вартість.

Тому Rabobank не повинен визначати свій успіх одним вражаючим показником. Важливий збалансований результат, що охоплює нижчі витрати на одиницю продукції, швидшу адаптацію, покращений контроль ризиків та більшу цінність для клієнта. Скорочення штату може сприяти цьому ефекту, але воно не повинно стати єдиною бізнес-моделлю. Так само, технологічний суверенітет не слід плутати з нереалістичною внутрішньою розробкою. Керовані залежності, чітка підзвітність та перевірені альтернативи важливіші за символічну незалежність.

Зрештою, ця програма є випробуванням для всього європейського банківського сектору. Якщо Rabobank вдасться перетворити свій надійний баланс на більш продуктивну, простішу та надійнішу цифрову організацію, інвестиції стануть лише планом. Якщо ж це не вдасться через застарілі системи, прив'язку до постачальника або відсутність впровадження в операційну діяльність, це продемонструє, що високі витрати на штучний інтелект без трансформації процесів лише додають ще один рівень складності до існуючих. Тому ключове питання полягає не в тому, чи багато євро – це 2 мільярди. Річ у тому, чи буде через три роки банк мати помітно меншу складність, ніж раніше. Тільки тоді технологічна модернізація призведе до економічного прогресу.

Xpert.Digital — це галузевий центр B2B, що базується на даних, який очолює Konrad Wolfenstein . Компанія виступає зовнішнім, квазі-внутрішнім рішенням для промислових партнерів, усуваючи операційні прогалини в маркетингу, контенті та продажах, не вимагаючи додаткових ресурсів з боку клієнта.

Більше інформації тут:

• Квазі-власне рішення: як Xpert.Digital усуває операційні прогалини в B2B-маркетингу та продажах – Розумний контент-орієнтований бізнес

☑️ Наша ділова мова – англійська або німецька

☑️ НОВИНКА: Листування вашою рідною мовою!

 

Я та моя команда раді бути вашим особистим консультантом.

Ви можете зв'язатися зі мною, заповнивши контактну форму тут wolfenstein@xpert.digital:, або просто зателефонувавши мені за номером +49 7348 4088 965. Моя адреса електронної пошти

Я з нетерпінням чекаю нашого спільного проєкту.

 

 

☑️ Підтримка МСП у стратегії, консалтингу, плануванні та впровадженні

☑️ Створення або переорієнтація цифрової стратегії та діджиталізації

☑️ Розширення та оптимізація процесів міжнародних продажів

☑️ Глобальні та цифрові торгові платформи B2B

☑️ Розвиток бізнесу Pioneer / Маркетинг / PR / Виставки