Investasi AI dan teknologi harus menunjukkan hasil di luar kantor CIO

Kecerdasan buatan menjadi pembicaraan para Bankir Amerika Perbankan Digital konferensi yang diadakan minggu ini di Boca Raton, Florida, (di mana McKinsey menjadi mitra pengetahuan). Buzznya mudah dimengertimengingat potensinya untuk meningkatkan produktivitas dan mengangkat banyak elemen perbankan saat ini ke tingkat yang baru, khususnya dalam konteks beberapa hambatan sektoral. Bagi para CIO dan C-suite yang memikirkan digital dan AI, tantangan-tantangan yang umum dalam penerapan AI (misalnya, risiko seperti halusinasi dan bias, serta kesulitan dalam menerapkan AI) pilot skala) diperburuk oleh tiga faktor utama: kebutuhan untuk menunjukkan laba atas investasi, atau ROI, atas investasi teknologi di masa lalu; kebutuhan untuk membedakan bank dari pesaing; dan kebutuhan untuk mencapai keberhasilan dalam upaya transformasi yang ada.

Hingga saat ini, catatan industri kita dalam hal ini tidak merata. Menunjukkan ROI pada investasi teknologi tidaklah mudah — memang, bagi industri, pendapatan yang lebih tinggi tetap sangat berkorelasi dengan lebih banyak pekerjaan manual. Jika teknologi benar-benar menghasilkan otomatisasi, kita seharusnya melihat pengembalian skala yang signifikan, tetapi hal ini tampaknya tidak ada dalam data. Pertimbangkan bahwa banyak pengeluaran telah (dapat dibenarkan) pada modernisasi infrastruktur dan manajemen risiko yang belum tentu menghasilkan pendapatan. Selain itu, benar-benar memisahkan diri dari kelompok itu sulit mengingat seberapa cepat inovasi menyebar melalui industri. Selain itu, penelitian kami menemukan bahwa hanya 30% inisiatif transformasi yang berhasil sepenuhnya.

Dengan demikian, tantangan besar bagi bank di tahun-tahun mendatang adalah bagaimana menghasilkan hasil material dari pengeluaran mereka untuk teknologi, yang kini mencakup AI. Itu berarti tidak hanya menyediakan produk tepat waktu dan sesuai anggaran, tetapi juga melakukannya dengan cara yang menghasilkan nilai terukur — dengan menghasilkan pendapatan, menghilangkan biaya, atau meningkatkan manajemen risiko secara nyata, di antara manfaat lainnya. Selain kehati-hatian regulasi, ini mungkin menjadi alasan mengapa meskipun banyak bank telah membuat gerakan awal untuk menguji AI, hanya sedikit yang telah benar-benar mendukungnya.

Wawasan utama yang ditemukan dalam penelitian kami adalah bahwa untuk mendapatkan nilai dari teknologi dan AI, diperlukan tindakan yang melampaui domain tersebut. Misalnya, dalam survei yang kami lakukan, 60% eksekutifmenyebutkan kesenjangan keterampilan sebagai hambatan yang harus mereka atasi dalam transformasi digital, dan 70% mengatakan mereka menghadapi penolakan mendasar terhadap perubahan. Demikian pula, banyak portofolio teknologi bank yang tidak selaras dengan jenis-jenis pendorong yang telah terbukti mengalahkan total keuntungan pasar jangka panjang bagi pemegang saham. Misalnya, dengan pembelanjaan “perubahan bank” (inisiatif yang bukan hanya sekedar pemeliharaan “menjalankan bank”) seringkali jauh lebih kecil dari setengah pembelanjaan bank untuk bidang teknologi, tidak mengherankan jika para pemimpin bisnis tidak melihat investasi teknologi menghasilkan keuntungan. pertumbuhan top-line atau mengurangi biaya.

Rekan-rekan kami di McKinsey baru-baru ini menerbitkan sebuah buku ditelepon “Rewired,” yang menyoroti pentingnya melampaui teknologi itu sendiri untuk mengatasi permasalahan seperti tempat bermain, memperjelas peran dan tanggung jawab, mendobrak silo organisasi, atau menciptakan visi yang menarik bagi investor dan pemangku kepentingan untuk memotivasi orang dan mendorong perubahan dengan segera. Satu aturan Kesimpulan praktis dari institusi-institusi sukses yang pernah kita lihat adalah bahwa untuk setiap dolar yang diinvestasikan dalam teknologi, diperlukan satu dolar lagi untuk diinvestasikan dalam organisasi strategis, budaya, dan manajemen perubahan untuk menjamin nilainya.

Dengan latar belakang ini, AI kini menjadi semakin besar bagi bank. Namun untuk mendapatkan nilai yang berarti dari AI, tindakan yang dilakukan perlu menjangkau lebih dari sekadar membangun model yang canggih. Misalnya, di beberapa institusi, bahkan proses validasi model pembelajaran mesin atau AI bisa memakan waktu hingga dua tahun. Meskipun sering kali ada alasan bagus untuk jangka waktu ini, dalam banyak kasus, meninjau kembali proses-proses ini dapat mempersingkat waktu yang dibutuhkan sekaligus mempertahankan manajemen risiko (dan terkadang bahkan meningkatkannya). Demikian pula, banyak lembaga yang mempunyai banyak proyek percontohan, namun hanya sedikit jaminan mengenai bagaimana mereka akan mengembangkan proyek percontohan tersebut.

Selama 15 tahun terakhir, bank telah melihat banyak tren yang menjanjikan perubahan dalam bisnis mereka, seperti otomatisasi proses robotik yang ramping, tangkas, modernisasi platform inti, atau cloud. Akibatnya, banyak institusi yang masih melakukan perjalanan tersebut. Dan sekarang mereka dihadapkan pada penggunaan AI. Pada konferensi minggu ini dan dari kerja sama kami dengan klien, menjadi jelas bagaimana penerapan AI menjanjikan untuk mengubah peluang yang menguntungkan bank (rekan kami memperkirakan angka ini mencapai $200 hingga $340 miliar pada tahun 2017). nilai dari AI generatif secara global, dan lebih signifikan lagi dari adopsi analitik tingkat lanjut secara keseluruhan).

Namun seiring dengan berkembangnya teknologi “keajaiban” baru ini, pelajaran besar dari penerapan teknologi di masa lalu dan yang sedang berlangsung perlu diingat — yaitu bahwa dampak teknologi perlu ditangkap di luar kantor CIO. Untuk mencapai tujuan tersebut, kami melihat tiga rangkaian pertanyaan penting bagi para pemimpin perbankan saat mereka pulang dari pertemuan minggu ini di Florida:

Pertama, dapatkah Anda secara objektif mengidentifikasi area di mana teknologi/AI dapat menghasilkan nilai bisnis paling besar dalam konteks Anda (misalnya, mengurangi risiko, memperkenalkan pendapatan baru, memangkas biaya)?

Kedua, apakah Anda melakukan realokasi belanja secara material untuk bidang-bidang tersebut atau apakah Anda melakukan investasi tambahan dan “menyimpang” — hal ini termasuk mendanai perubahan yang diperlukan dalam mendukung fungsi-fungsi seperti data, atau manajemen risiko dan kepatuhan?

Ketiga, di luar model teknologi atau AI yang dapat diberikan, apakah Anda memiliki formula manajemen perubahan yang berlaku yang menjangkau “di luar kantor CIO” dan mendapat manfaat dari pelajaran masa lalu Anda dari program-program penting serupa lainnya? Sebagai penelitian tahun lalu ditemukan, bank-bank yang mendorong integrasi antara talenta teknis dan pemimpin bisnis lebih cenderung mengembangkan solusi AI yang terukur dan menciptakan nilai yang terukur.

Meskipun kita telah melihat banyak “bank digital-native”, dunia belum melihat “bank asli AI”. Untuk mencapai hal tersebut, bank perlu menginternalisasi pembelajaran besar di masa lalu – bahwa ironisnya, rahasia keberhasilan penerapan teknologi apa pun tidak hanya sekedar teknologi.