Transkripsi:
Transkrip dibuat menggunakan kombinasi perangkat lunak pengenalan suara dan transkrip manusia, dan mungkin mengandung kesalahan. Silakan periksa audio yang sesuai untuk catatan resmi.
Penny Crosman (00:03):
Selamat datang di Podcast Bankir Amerika. Saya Penny Crosman. Apa yang diperlukan untuk berhasil memimpin proyek AI di bank, dan apa ciri khas orang-orang dan perusahaan yang mampu melakukan hal ini dengan baik? Tamu kita hari ini adalah seorang pengamat dan pakar industri keuangan selama beberapa dekade, yang sudah saya kenal sejak lama. Dan Latimore memimpin grup perbankan dan kemudian melakukan penelitian di Celent. Dia adalah direktur penelitian di Deloitte dan sebelumnya dia adalah pemimpin penelitian global di IBM, untuk mencantumkan beberapa item dari resumenya. Dia baru-baru ini pindah ke The Financial Revolutionist, tempat dia membangun praktik penelitian. Selamat datang, Dan.
Dan Latimore (00:40):
Terima kasih banyak, Penny. Senang berada di sini.
Penny Crosman (00:42):
Terima kasih sudah datang. Jadi baru-baru ini Anda membuat laporan yang menunjukkan bagaimana bank menerapkan AI dan mengelompokkan pemimpinnya ke dalam empat kategori, yang menurut saya menarik. Jadi yang pertama adalah “AI Titans”. Apa saja hal tersebut dan apa yang telah dicapai oleh perusahaan-perusahaan tersebut?
Dan Latimore (01:02):
Ya, para raksasa adalah perusahaan yang Anda harapkan menjadi yang terdepan dalam AI berdasarkan ukuran dan sumber dayanya. Dan hal ini tidak dapat dipastikan bahwa mereka akan berada di sana, namun karena mereka berada di eselon terbesar dalam jasa keuangan, mereka memiliki lebih banyak sumber daya untuk mendukung AI, tidak hanya menggunakan vendor untuk mencapai tujuan mereka, namun juga memiliki staf, dalam banyak kasus, ratusan pengembang tidak hanya menjalankan inisiatif AI yang biasa saja, tetapi juga inisiatif yang sangat disesuaikan dengan kebutuhan spesifik mereka. Jadi Anda melihat perusahaan-perusahaan seperti Citi, Bank of America, Capital One, RBC, dan JP Morgan, antara lain.
Penny Crosman (01:57):
Jadi Anda memiliki kategori pelaksana AI. Siapa yang kamu pikirkan di sana?
Dan Latimore (02:04):
Ini adalah perusahaan-perusahaan yang tidak memiliki sumber daya seperti yang dimiliki bank-bank terbesar, namun di antara mereka terdapat banyak bank superregional, namun juga bank-bank regional yang bekerja keras dengan sumber daya yang mereka miliki untuk mewujudkan AI dan lebih sering daripada tidak. para raksasa, mereka bergantung pada vendor, namun mereka juga memiliki staf yang cukup baik yang mengabdikan diri untuk membantu mengintegrasikan teknologi vendor, namun juga dalam kasus tertentu mengembangkan inisiatif mereka sendiri. Dan Anda melihat orang-orang seperti KeyBank dan BBVA dan Citizens and Regions dan Truist di sana, serta beberapa bank kecil yang melakukan hal-hal yang cukup menarik dan menghasilkan lebih banyak taruhan dibandingkan beberapa bank sejenis lainnya.
Penny Crosman (03:07):
Baiklah, lalu Anda memiliki AI maverick. Saya suka istilah itu. Apa yang kamu maksud di sana?
Dan Latimore (03:13):
Bagi saya, AI maverick adalah grup yang paling menarik. Saya akan mengkarakterisasi mereka sebagai orang yang melebihi berat badan mereka. Jadi kami sengaja tidak melakukan pengelompokan berdasarkan ukuran aset, namun terdapat korelasi yang kuat, namun meskipun lebih kecil dan memiliki sumber daya absolut yang lebih sedikit, orang-orang ini umumnya dari posisi kepemimpinan ke bawah, berpandangan bahwa AI adalah sesuatu yang mereka inginkan. dan mereka mungkin belum melakukan lusinan eksperimen yang sedang dilakukan saat ini, atau setengah lusin proyek percontohan atau inisiatif produksi yang diumumkan, namun demikian, mereka tetap terjun ke dalam air, melihat di mana mereka dapat mewujudkan manfaat ekonomi. kembali dan kemudian menggandakan ketika mereka melihat kesuksesan.
Penny Crosman (04:15):
Jadi mereka punya keberanian meski tidak punya banyak sumber daya, mereka punya kemampuan mengeksekusi dengan tim yang lebih kecil.
Dan Latimore (04:27):
Tepat. Mereka punya kemampuan untuk mengeksekusi. Mereka bersedia untuk keluar dan mencoba hal-hal baru meskipun sumber dayanya relatif terbatas dibandingkan pesaing mereka yang lebih besar. Namun mereka sering kali memulai dari sisi gen AI atau bahkan sisi AI biasa dengan chatbots. Ada banyak aktivitas penipuan di sana, dan kami melihat mereka mendapatkan keuntungan yang sangat menarik, dan merupakan hal yang baik bagi mereka untuk berada di luar sana karena mereka menyadari bahwa mereka harus tetap kompetitif dengan perusahaan-perusahaan besar karena hal tersebut merupakan pesaing baru bagi mereka. hingga satu dekade yang lalu, mereka harus menjadi yang terdepan dalam teknologi.
Penny Crosman (05:18):
Dan kategori terakhir Anda adalah digital terlebih dahulu. Siapa saja perusahaan-perusahaan tersebut?
Dan Latimore (05:24):
Ini adalah sebagian besar bank digital yang memulai dengan teknologi baru. Mereka umumnya berumur kurang dari satu dekade. Mereka mempunyai cabang yang sangat sedikit dan karena berorientasi pada teknologi, mereka dibangun hampir secara eksklusif pada inti yang modern. Mereka tidak memiliki utang teknologi warisan yang harus mereka bayar. Jadi bank-bank tersebut berada dalam kondisi yang lebih baik, tidak hanya mampu mencurahkan sebagian dari sumber daya mereka – dan mereka jauh lebih kecil dibandingkan bank-bank lain yang telah kita bicarakan – namun mereka tidak hanya dapat mencurahkan sebagian dari sumber daya yang terbatas tersebut, mereka berpikiran digital sejak awal. Jadi berdasarkan sifatnya, mereka lebih cenderung bereksperimen dengan teknologi baru ini.
Penny Crosman (06:29):
Menurut Anda, apakah secara keseluruhan kemampuan menerapkan AI dengan terampil dan sukses menjadi keunggulan kompetitif bagi bank-bank ini? Dan jika demikian, bisakah bank-bank kecil bersaing dengan bank-bank besar yang memiliki anggaran teknologi sebesar itu?
Dan Latimore (06:53):
Sangat menarik untuk memikirkan di mana perusahaan harus melakukan hal ini. Menurut saya, keunggulan kompetitif apa pun tidak akan bertahan lama. Ini akan memberikan kemajuan untuk sementara waktu, tapi sama seperti bank komunitas, dan ada bank komunitas di antara para maverick AI kita, sama seperti mereka harus bersaing dengan perusahaan seperti Citi atau Bank of America dalam hal memuaskan pelanggannya, pelanggan mereka umumnya mencari sesuatu yang berbeda dari bank multinasional tersebut. Jadi mereka tidak harus menawarkan seluruh AI atau menerapkan AI dengan cara yang sama seperti para raksasa AI, namun mereka tetap harus memikirkan bagaimana AI dapat digunakan, tidak hanya untuk menyerang, jika Anda mau, jadi memberikan layanan pelanggan yang lebih baik atau membiarkan bankir mereka, baik bankir hubungan maupun di pusat panggilan, melakukan pekerjaan yang lebih baik dalam melayani pelanggan, tetapi juga melakukan pertahanan jika Anda mau. Jadi untuk mencegah penipu yang menggunakan AI dengan cara yang lebih kreatif.
Penny Crosman (08:18):
Itu mengarah ke pertanyaan lain yang ingin saya tanyakan kepada Anda, yaitu tentang kasus penggunaan. Kasus penggunaan manakah yang menurut Anda benar-benar memberikan hasil yang baik saat ini di beberapa bank berikut?
Dan Latimore (08:36):
Saya akan, jika melangkah mundur, memikirkan tentang sejumlah besar kasus penggunaan AI. Saya membahas lima di antaranya, dan ada kasus penggunaan yang menarik di masing-masingnya, tetapi yang pertama hanyalah mencerna data. Jadi, katakanlah, ada seorang analis penipuan yang berpotensi memilah-milah ratusan bahkan ribuan halaman dokumen potensial. Jika asisten AI dapat membantu mencernanya dan menandai poin-poin paling penting dan/atau mencerna kumpulan data yang sangat besar menjadi sesuatu yang jauh lebih mudah dikelola, itu sangat membantu. Tantangan besar kedua yang saya masukkan ke sana, dan dalam beberapa hal ini lebih berlaku untuk bank-bank besar yang memiliki warisan besar dan utang teknis. Itu hanya membantu dalam pengkodean dan tidak hanya dalam pengujian atau menulis dan mengembangkan pengujian kode baru, tetapi juga menerjemahkan hal-hal seperti COBOL ke dalam bahasa yang lebih modern yang memiliki basis pengembang yang jauh lebih besar yang benar-benar dapat menanganinya.
(09:59):
Kelompok ketiga yang saya kategorikan hanyalah deteksi pola. Jadi khususnya dalam penipuan, keluar dan mencari anomali yang harus diselidiki lebih lanjut oleh seorang analis. Dan semua hal ini, manusia perlu mengetahui perkembangannya pada tahap tertentu. Yang keempat yang cukup menarik dan mengarah ke arah yang lebih licin, jika Anda mau, hanyalah membuat draf pertama. Jadi di sisi pemasaran atau di sisi penasihat, siapa yang mungkin menulis surat kepada klien. Atau bahkan di sisi perwakilan layanan pelanggan dan pusat panggilan membuat potongan pertama tentang respons pelanggan yang seharusnya dan kemudian memberikannya kepada manusia untuk mengatasi masalah halaman kosong itu. Dan yang kelima, saya kategorikan sebagai pemrosesan bahasa alami, dan ini menjadi jauh lebih baik dengan gen AI dibandingkan lima tahun lalu. Sehingga orang bisa mendapatkan jawaban, baik karyawan maupun pelanggan, atas pertanyaan-pertanyaan dasar dan diarahkan ke arah yang benar untuk suatu informasi tertentu daripada harus menggali banyak menu atau menyusun sintaksis yang dibangun dengan sangat hati-hati, semacam pertanyaan. sebuah basis data. Jadi itulah lima wadah yang akan saya pertimbangkan, dan masing-masing wadah tersebut memiliki beberapa kasus penggunaan yang cukup menarik.
Penny Crosman (11:49):
Saya suka rincian itu. Yang keempat bagi saya terasa paling berisiko, membiarkan AI membuat draf pertama dari apa pun. Semua orang selalu mengatakan ada manusia yang terlibat, tapi bagaimana jika manusia itu hanya melihat sekilas dan melewatkan sesuatu yang besar? Saya mungkin tidak mengambil pandangan yang tercerahkan dalam kasus ini, tapi saya merasa banyak yang salah dengan draf konsep pertama itu, tapi saya senang karena terbukti salah seiring berjalannya waktu.
Dan Latimore (12:22):
Saya pikir hal ini pasti bisa, dan dengan semua hal ini, Anda harus memiliki kendali yang sama, baik itu untuk komunikasi satu lawan satu, pemeriksaan atau audit kepatuhan acak, atau apakah itu dalam komunikasi pemasaran, a proses standar di mana segala sesuatunya harus selalu ditinjau oleh setidaknya dua orang, Anda tetap harus menerapkan checks and balances dan membuat orang-orang memahami bahwa ada proses yang harus mereka ikuti.
Penny Crosman (13:01):
Bagaimana dengan orang-orang yang memimpin proyek ini? Dalam penelitian Anda, pernahkah Anda memikirkan tentang ciri-ciri kepemimpinan dan ciri-ciri kepribadian orang-orang yang melakukan hal ini dengan baik? Dan apakah Anda mempunyai pemikiran tentang kualitas pribadi dan kualitas kepemimpinan seperti apa yang perlu diterapkan agar dapat melaksanakan dengan baik di bidang ini?
Dan Latimore (13:31):
Hal pertama yang saya amati adalah Anda harus mendapat dukungan dari pimpinan agar hal ini benar-benar bermakna karena Anda ingin memiliki sumber daya yang dicurahkan untuk inisiatif tersebut. Anda ingin memastikan bahwa pembelajaran dari seluruh bank, apakah itu bank komunitas yang relatif kecil yang lebih mudah atau raksasa atau raksasa, dalam kasus kami, Anda ingin memastikan ada mekanisme di mana eksperimen dan pembelajaran dapat disebarkan ke seluruh bank. institusi, sehingga kesalahan-kesalahan yang akan dilakukan, namun dilakukan sekali dan hanya sekali, kemudian diperbaiki, daripada kesalahan yang sama terjadi di empat bidang berbeda dan hanya mendapat empat pembelajaran berbeda. Ini seperti mobil self-driving yang ketika mengalami anomali, setiap mobil self-driving lainnya akan menangkapnya. Namun tanpa dukungan eksekutif yang mewajibkan kolaborasi lintas institusi, Anda akan mengalami kesulitan. Saya pikir bagian selanjutnya adalah ada elemen besar dari manajemen perubahan di sini. Oleh karena itu, prinsip-prinsip manajemen perubahan juga berlaku pada inisiatif AI dan juga pada inisiatif lainnya. Jadi, memberikan informasi kepada orang-orang, memiliki pos pemeriksaan, menerbitkan laporan kemajuan, memiliki metrik dan sasaran, serta membicarakan cara Anda mencapainya, semua itu adalah hal yang sangat penting. Dan hanya karena gen AI pada khususnya adalah sebuah teknologi baru, bukan berarti tata kelola tidak bisa dielakkan lagi.
Penny Crosman (15:33):
Ini mungkin menjadi lebih penting.
Dan Latimore (15:35):
Sangat.
Penny Crosman (15:37):
Karena kemampuannya sudah begitu canggih. Baiklah, Dan Latimore, terima kasih banyak telah bergabung dengan kami hari ini, dan untuk Anda semua, terima kasih telah mendengarkan American Banker Podcast. Saya memproduksi episode ini dengan produksi audio oleh Adnan Khan. Terima kasih khusus minggu ini kepada Dan Latimore di The Financial Revolutionist. Nilai kami, tinjau kami dan berlangganan konten kami di www.americanbanker.com/subscribe. Untuk Bankir Amerika, saya Penny Crosman dan terima kasih telah mendengarkan.
hanwhalife
hanwha
asuransi terbaik
asuransi terpercaya
asuransi tabungan
hanwhalife
hanwha
asuransi terbaik
asuransi terpercaya
asuransi tabungan
hanwhalife
hanwha
berita hanwha
berita hanwhalife
berita asuransi terbaik
berita asuransi terpercaya
berita asuransi tabungan
informasi asuransi terbaik
informasi asuransi terpercaya
informasi asuransi hanwhalife