دوازده تجربه مدیران مالی درباره هوش مصنوعی

تحولات تکنولوژی مملو از ریسک از جمله تاخیر و افزایش هزینه است و تنها آن دسته از سازمان‌هایی که رهبران آنها آمادگی خود را با ارائه تعهد به تخصیص انرژی و سرمایه لازم برای انجام همه جانبه اعلان داشته‌اند، باید سفر را آغاز کنند.

به گزارش پایگاه خبری بانکداری الکترونیک، بانک ها باید این ابتکار وسیع را با تبدیل هوش مصنوعی به یک استراتژی سازمانی که تکنولوژی را با تجارت ادغام می‌کند و همچنین با تأمین مالی و سرمایه‌گذاری در نوآوری‌ها به همراه تغییر با تکنولوژی روز، گسترش دهند. مشاغل و تکنولوژی به عنوان مالک مشترک، در طراحی و مدیریت مدل‌ها و نتایج عملیاتی همکاری می‌کنند. این طرز تفکر یعنی تکنولوژی پیشرو، با استفاده از تیم‌های میان رشته‌ای متمرکز بر نوآوری و با هدایت مهندسان ماهر و با استعداد که از ابزارها و شیوه‌های مدرن برای انتشار مناسب و داشتن حقوق نشر اول استفاده می‌کنند، گسترش می‌یابد.

سازمان‌ها همچنین باید روش‌های چابک سازمانی را برای تیم‌های مهندسی دارای سرعت بالا، به همراه تیم‌های هم عرض یکپارچه عملکردی در مشاغل، تکنولوژی و متخصصان عملکردی و شرکای خارجی با استفاده از رویکردهای مدرن برای توسعه نرم‌افزار، آزمایش، انتشار و چرخه پشتیبانی، اتخاذ کنند. علاوه بر این مدیریت کارآمد و کامل مجموعه مستلزم مدیریت عملکرد تکنولوژی از طریق مجموعه‌ای از معیارهای استاندارد، به همراه پیگیری مداوم زمان کارکرد و سلامت هر یک از اجزای پشته (Stack) است.

API مدرن و معماری جریان

 

در مرحله بعد بانک‌ها باید سیستم‌های داخلی و خارجی را برای پشتیبانی از سفرهای یکپارچه مشتریان در پلتفرم‌های داخلی، اکوسیستم‌های شریک و رابط‌های خارجی متعدد یکپارچه‌سازی کنند. این امر این امر مستلزم یک رویکرد قوی، مقیاس‌پذیر و استاندارد برای ایجاد و میزبانی یکپارچه‌سازی و API است. API‌ها به نوبه خود باید به طور دقیق برای آزمایش عملکرد امتحان شوند و با استفاده از اصول انتشار چابک توسعه داده شوند. هنگامی که مجموعه کاملا مشخصی از API‌ها به عنوان محصولات جریان، سیستم‌ها را تنظیم می‌کنند، محصولات از زمان طراحی تا تولید و به دست آوردن حداقل تعداد محصول عملیاتی، ما بین 30 تا 60 روز به طول می‌انجامد.

همچنین برای تکمیل یک استراتژی API قوی، رهبران تکنولوژی باید ایجاد یک کانال پخش سریع داده را برای فعال سازی امکان انتقال داده‌های ناهمزمان استاندارد شده در سراسر سازمان به صورتی آنی را در نظر بگیرند.

پردازنده‌ها و سیستم‌های اصلی

با معماری مناسب بانک‌ها می‌توانند از سیستم‌های اصلی سنتی، پیچیده و درهم تنیده به پردازنده‌ها و گردش کار محصولات سبک وزن و بسیار قابل تنظیم، تغییر رویه دهند. این پردازنده‌ها همچنین به همراه «خدمات خرد»، یا برنامه‌های مجزا (همانند پرداخت‌ها، حساب‌های کارتی یا وام‌ها) تکمیل می‌شوند که منطق پلتفرم‌های اصلی سنتیرا از رده خارج می‌کند.

انتقال به پردازنده‌ها و سیستم‌های اصلی سبک وزن که روی پلتفرم‌های مقیاس‌پذیر، ماژولار و بدون هاست (میزبان) قرار گرفته و به عنوان API در معرض نمایش قرار می‌گیرند؛ به عنوان مثال از مصالحه به صورت آنی پشتیبانی می‌کنند و اجازه می‌دهند تغییراتی در سیستم‌های فعال در لحظه و بدون زمان خرابی ایجاد شوند. استفاده از زیرساخت‌های مدرن مبتنی بر فضای ابری برای میزبانی چنین پلتفرم‌هایی نیز مقیاس‌پذیری را آسان‌تر می‌کند. اگر این شیوه با موفقیت پیاده‌سازی شود، یک پلتفرم مبتنی بر پردازنده سبک می‌تواند سازمان را قادر سازد تا ظرف دو تا سه ماه از مرحله طراحی مفهومی محصول جدید رو به جلو پیشرفت کند. این امر یک مزیت مهم برای سازمان‌هایی است که با تکنولوژی قدیمی محدود شده‌اند، چرا که راه‌اندازی یک محصول جدید یا سفارشی کردن یک محصول موجود می‌تواند شش ماه یا بیشتر به طول بینجامد. مونتاژ دسته‌های جدید محصولات خارج از قفسه همچنین می‌تواند پیشنهادات جدیدی همچون محصولاتی همانند سفر وام‌دهی انتها به انتها در یک پشته مدرن و با استفاده از این اصول را به مشتری جدید عرض کند.

مدیریت داده در جهان هوش مصنوعی

 

ایجاد یک پلتفرم داده و تجزیه و تحلیل مدرن برای تقویت مدل‌های ML آنی در لایه تصمیم‌گیری بسیار مهم است. بینش‌های تحلیلی به دست آمده توسط این مدل‌ها از طریق ابزارهای مارتک (Martech) برای ارائه پیشنهادات هوشمند و تجربیات هوشمند استفاده می‌شود که استفاده از این مدل‌ها دارندگان بانک هوش مصنوعی را از دارندگان سنتی متمایز می‌کند. به منظور پشتیبانی از سفرهای تمام کاناله مشتری برتر و یکپارچه‌سازی بی‌نظیر با اکوسیستم‌های شریک، پلتفرم داده باید قادر به جذب، تجزیه و تحلیل و استقرار حجم وسیعی از داده‌ها به صورت آنی باشد.

پلتفرم داده همچنین باید میزهای کار مقیاس‌پذیر با قابلیت‌های هوش مصنوعی و علم داده را در اختیار تیم‌های آزمایشگاهی و کارخانه قرار دهد. این میزهای کار تیم‌ها را قادر می‌سازد تا به مجموعه داده‌های مربوطه در هنگام توسعه مدل‌ها و پیاده‌سازی تحلیل به دست آمده در تکرار محصول دسترسی پیدا کنند. زیرساخت‌ها همچنین باید از توسعه مدل‌های ML از طریق فرآیندهای اتوماسیون و تکرارشونده پشتیبانی کند.

اگر سازمانی به تیم‌های میان رشته‌ای در سراسر سازمان اجازه دهد تا داده‌های موجود در پلتفرم را جستجو و استخراج کنند، خواهند توانست مصرف داده‌های خود را با توجه به نیاز مشتری و فرصت‌های بازار بهینه‌سازی کنند. ضروری است که تیم‌های علم داده با ابزار مناسب و دسترسی به قدرت محاسباتی مقیاس‌پذیر فعال شوند تا بتوانند دست به آزمایش و نوآوری بزنند. با پشتیبانی از این اقدامات، مستندسازی فنی مناسب و فهرست‌بندی دارایی‌ها (به عنوان مثال، API‌ها، مدل‌های ML، فرهنگ لغت داده‌ها، ابزارهای DevOps و MLOps) حاکمیت مناسب و کنترل دسترسی تضمین می‌شود. با ایجاد مدل‌های ML و کارت‌های امتیازی از طریق یک مدل کارخانه آزمایشگاهی به خوبی تعریف شده، اولین سازمان‌های هوش مصنوعی کارکنان را قادر خواهند ساخت تا از خدمات خودآموز، داده‌های واقعی و زیرساخت‌های تجزیه و تحلیل برای هدایت برنامه‌ریزی مبتنی بر ارزش‌ها و پشتیبانی از تصمیم‌گیری روزانه استفاده کنند.

زیرساخت هوشمند

بانک‌ها باید اطمینان حاصل کنند که استراتژی مؤثری را برای نوسازی زیرساخت‌ها در اختیار دارند. برای نیل به این هدف باید پذیرش فضای ابری عمومی را برای تکمیل زیرساخت‌های سنتی در شرایطی که حجم کار نیاز به انعطاف‌پذیری، مقیاس و استفاده از خدمات میزبانی شده یا مدیریت شده (مانند پایگاه‌های داده میزبانی شده) دارد، در نظر بگیرند. فضای ابری عمومی سرعت بالا را از طریق سطوح بالاتری از اتوماسیون، الگوها و کاهش ریسک عملیاتی امکان‌پذیر می‌کند. هنگام ایجاد چنین محیط‌هایی بانک‌ها باید از عناصر اساسی مدیریت زیرساخت، از جمله قابلیت نظارت، انعطاف‌پذیری و در دسترس بودن بالا و همچنین یک استراتژی پیکربندی قوی استفاده کنند. یک پشته به خوبی تنظیم شده، مقیاس‌پذیر و متعادل با بار می‌تواند باشد در حالی که به صورت افقی مقیاس‌بندی می‌شود تا تغییرات حجم تراکنش‌ها را برآورده سازد، زمان پاسخگویی کمتر از یک ثانیه داشته باشد.

امنیت سایبری و برج کنترل

سرانجام مؤسسات باید به امنیت و کنترل سایبری بپردازند. این امر شامل ایجاد یک برج کنترل متمرکز برای نظارت بر داده‌ها، سیستم‌ها و شبکه‌ها در سراسر زیرساخت است. محدوده مسئولیت شامل تضمین امنیت مرزی و شناسایی و اصلاح تهدیدها و نفوذها است. همچنین تعیین مجموعه‌ای از اقدامات مطابقتی برای آزمایش سطح امنیت و بررسی آسیب پذیری پیش از استقرار دارایی‌ها در سیستم‌های در لحظه ضروری است. این اقدامات خطر ایجاد شده توسط تهدیدات احتمالی را کاهش می‌دهند.

رهبران تکنولوژی باید قابلیت‌های به هم پیوسته را در اولویت قرار دهند

با توجه به گستره وسیعی از اجزایی که باید تحول یابند، سازمان‌ها باید در نظر داشته باشند که داشتن یک خروجی بهینه، هنگام ایجاد یک استراتژی جامع برای تحول در زمینه تکنولوژیک، بسیار محتمل است. متأسفانه همه افراد منابع مورد نیاز برای استفاده کامل از پتانسیل عرضه شده توسط پیشرفت سریع تکنولوژی هوش مصنوعی و افزایش مداوم انتظارات مشتریان، نیافته‌اند. برخی از مؤسسات مالی، به رغم ضرورت تغییر، بسترهای قدیمی خود را تعمیر و مدرنیزه کرده‌اند. خطوط مختلف تجاری سیستم عامل‌هایی را بر اساس این پایه ایجاد کرده‌اند که نگهداری از آنها گران‌تر و پیچیده‌تر می‌شود. بسیاری از سازمان‌ها میلیاردها دلار برای ابتکارات تکنولوژیک در بخش‌های مختلف طی چند سال اخیر هزینه کرده‌اند، اما دریافتند که نمی توانند مزایایی متناسب و مورد نیاز برای توجیه سرمایه‌گذاری خود بیابند. رهبران باید به این نکات توجه کنند، دیدگاه جامعی را اتخاذ کرده و اولویت‌ها را با توجه به تأثیر انتها به انتها که در هر مرحله در تحول تکنولوژی بر ارزش شرکت دارد، ترسیم کنند.

اگر سازمانی خواسته‌های استراتژیک ذکر شده در این مقاله را برآورده سازد، پیاده‌سازی تکنولوژی اصلی مدرن و زیرساخت داده می‌تواند ارزش قابل توجهی را در قالب تحویل سریعتر تغییرات و بهبودها، افزایش بهره وری هزینه، کیفیت بالاتر دارایی‌ها و خروجی‌های قوی‌تر مشتری به دست آورد. به عنوان مثال یک DevOps سالم و استراتژی مدیریت انتشار می‌تواند به افزایش 25 تا 30 درصدی ظرفیت و به کاهش زمان عرضه در بازار به میزان 50 تا 75 درصد شود و همچنین تا 50 درصد میزان شکست را کاهش دهد. تلاشها در زمینه توسعه می‌تواند از طریق اتوماسیون فرایندها و روش‌های چابک، انجام وظایف موجود در برنامه را تا 1.5 برابر بهبود بخشد و مشکلات مشتری را 20 تا 30 درصد کاهش دهد و همچنین سازمان‌های پیشرو زمان حل مسئله و برنامه‌ریزی را بین 30 تا 50 درصد بهبود بخشند. مزایای غیرمستقیمی نیز در سرمایه‌گذاری در توسعه وجود دارد: با توانمندسازی کارکنان با ماموریت مشخص، استقلال داخلی و تمرکز قوی بر مشتریان، سازمان‌های چابک توانسته‌اند مشارکت کارکنان را بین 20 تا 30 درصد افزایش دهند، که این امر هم در تمایل به توصیه محل کار و هم در نظرسنجی‌های رضایت کارکنان نشان داده شده است.

تحولات تکنولوژی مملو از ریسک از جمله تاخیر و افزایش هزینه است و تنها آن دسته از سازمان‌هایی که رهبران آنها آمادگی خود را با ارائه تعهد به تخصیص انرژی و سرمایه لازم برای انجام همه جانبه اعلان داشته‌اند، باید سفر را آغاز کنند. در نهایت این تصمیم نه تنها برای بقا، بلکه برای پیشرفت است و نیاز به تغییر در طرز تفکر دارد. به طور خاص مؤسسات مالی سنتی باید از معماری تکنولوژی قدیمی خود را کنار بگذارند و فرصت‌های هوش مصنوعی و تجزیه و تحلیل را کشف کنند.

اگر آنها بخواهند مسئولیت این چالش‌ها را بر عهده بگیرند و در مورد چگونگی ترسیم مسیر خود برای تبدیل شدن به یک بانک هوش مصنوعی تفکر کنند، رهبران آنها باید 12 عنصر کلیدی را که از تجربه رهبران خدمات مالی که در حال انجام چنین تغییراتی هستند، الگو قرار دهند (شکل 3):

1. مدل کارخانه را برای ساختن در مقیاس مناسب در نظر بگیرید. از یک رویکرد کارخانه‌ای در زمینه‌های در حال تحول سریع و حوزه‌های ضروری تحول استفاده کنید تا امکان تکرار و توسعه قابلیت‌ها در تیم‌های تکنولوژی به دست آمده و استانداردسازی به منظور سرعت بخشیدن به اجرا ترویج داده شود. به عنوان مثال سیستم اصلی یک کارخانه که متشکل از تیم‌ها، روش‌های عملیاتی از پیش تعیین شده و سیستم‌هایی برای مدیریت، اولویت‌بندی و اجرای تغییرات در واحدهای تجاری می‌باشد، می‌تواند پیاده‌سازی راه حل‌های جدید را به میزان قابل توجهی تسریع کند.

2. استفاده کردن از قابلیت‌های متمایزکننده را در نظر بگیرید. بر اساس نتایج نهایی مورد نظر، قابلیت‌های متمایزکننده خاصی در داخل را با پشتیبانی قوی مهندسی، API‌ها، زیرساخت‌ها یا پلتفرم داده و تجزیه و تحلیل شروع کرده و ایجاد کنید.

3. اسناد دقیق در مورد یکپارچه‌سازی را نگاه کنید. به یاد داشته باشید که توسعه سیستم‌های تعامل و تغییرات جامع در تکنولوژی اصلی نیاز به تعدیل قابل توجهی در یکپارچه‌سازی دارد و مستندات غیر استاندارد از مشخصات این یکپارچه‌سازی اغلب منجر به کندی و سرعت کم در ارائه ابتکار وسیع‌تر برای تغییر در بانک می‌شود.

4. یک محل پشته را شناسایی کنید اما آن را با دیگر پشته‌ها آزمایش کنید. بر اهمیت استانداردسازی برای توسعه مهندسی محور در مقیاس وسیع تأکید کنید و برای پشتیبانی سریعتر به تغییرات روی یک پشته اتکا کنید. در همان زمان آزمایش سایر پشته‌ها و اجزای پشته را برای ساخت‌های کوچک‌تر ادامه دهید تا روش‌های جایگزین یا جدیدتری را دریابید که مزایای بیشتر و مشخصی داشته باشند.

5. یک حالت اتوماسیون اولیه و سریع اتخاذ کنید. یک حالت استقرار مکرر و اتوماسیون اولیه را در برنامه‌ها و پشته‌های به سرعت در حال توسعه اتخاذ کنید. مشکلات اولیه امر غیرمعمولی نیستند، اما در طول زمان باید بر آنها غلبه کرد تا زمان ورود به بازار تسریع یابد. مدیریت دقیق انتشار و پیاده‌سازی، کلید سرعت در اجرا است. استانداردسازی از طریق DevSecOps معمولا بازدهی بهره وری را بین 20 تا 30 درصد افزایش می‌دهد.

6. یک سیستم اصلی و مدرن برای حوزه‌های با سرعت بالا در نظر بگیرید. سیستم‌های اصلی مدرن و سبک وزن را که بر اساس زیرساخت‌های مقیاس‌پذیر و ترکیبی ساخته شده‌اند در نظر بگیرید تا بتوانید از قابلیت‌ها به صورت کارآمد استفاده کنید و در عین حال امکان ایجاد محصولات مالی به صورتی ماژولار را نیز داشته باشید.

7. یک رویکرد ارزش محور را برای ایجاد پلتفرم‌های داده اتخاذ کنید. از این واقعیت آگاه باشید که پلتفرم‌های داده و تجزیه و تحلیل در طول زمان تکامل می‌یابند و اجازه نمی دهند تیم‌ها تحت تأثیر تغییر سریع ابزار و تکنولوژی قرار گیرند. مشاهده شده است که سازمان‌هایی که بودجه مورد نیاز برای انجام این تغییرات را تخصیص داده‌اند، می‌توانند موارد استفاده را که از نظر عملکرد ساده هستند، اولویت‌بندی کنند و همچنین با استفاده از یک نقشه راه برای ایجاد پلتفرم در تکرارها، به ارزش اقتصادی در طول مسیر پی ببرند.

8. یک آزمایشگاه و کارخانه تجزیه و تحلیل راه‌اندازی کنید. آزمایشگاهی برای آزمایش ابزارها و پلتفرم‌های توسعه کارآمد در چرخه‌های آزمون و یادگیری تأسیس کنید. همچنین یک کارخانه مرکزی برای تولید و استقرار موارد استفاده از تجزیه و تحلیل در مقیاس بزرگ روی یک پشته جداگانه ایجاد کنید.

9. استراتژی فضای ابری سازمانی را تعریف کنید. یک استراتژی مشترک در میان ذینفعان برای امکان مهاجرت ساختارمند و سیستماتیک به فضای ابری جدید ایجاد کنید. پذیرش فضای ابری از نظر امنیتی، مدیریت تغییر و استراتژی مهاجرت و انتقال به فضای ابری، اولین اولویت‌ها را در شرکت دارند.

10. آشکارسازی انتها به انتها را در سراسر پهنه تکنولوژی و زیرساخت‌ها ایجاد کنید. با تشخیص اینکه تحولات دیجیتالی در این مقیاس محدودیت‌هایی را در حجم و مقیاس اعمال می‌کند، ابزارهای خودکار شده قوی را برای مشاهده عملکرد پشته و تشخیص و حل مسائل پیاده‌سازی کنید.

11. محیط مناسب برای طراحی فضای ابری را مشخص کنید. برای محافظت در برابر حملات مخرب احتمالی به برنامه‌های کاربردی مبتنی بر فضای ابری، یک محیط شبکه مناسب طراحی کنید که شعاع حمله احتمالی را بهینه می‌کند.

12. امنیت داده‌ها را در فضای ابری تضمین کنید. طبقه بندی قوی داده‌ها و امنیت داده‌ها را برای اجتناب از ترکیب اطلاعات مهم مشتری و رعایت قوانین ملی حفاظت از داده‌ها طراحی کنید.

بانکداری آینده

اگر بانک‌ها بخواهند در جهانی پیشرفت کنند که انتظارات مشتریان به طور فزاینده‌ای تحت تأثیر قابلیت‌های هوش مصنوعی و تجزیه و تحلیل رهبران حوزه تکنولوژی قرار می‌گیرد، باید تکنولوژی اصلی و زیرساخت داده خود را برای حمایت از تصمیم‌گیری‌های مبتنی بر هوش مصنوعی و مشارکت مجدد مشتریان بازسازی کنند. اینها سه مورد از لایه‌های تکنولوژی پشته و دارای قابلیت‌های بانک هوش مصنوعی هستند. پشته کامل همچنین شامل یک مدل عملیاتی پیشرفته است تا اطمینان حاصل کند که همه لایه‌ها هماهنگ با هم عمل می‌کنند و در نهایت پیشنهادات هوشمندی را از طریق سرویس و تجربیات هوشمند ارائه دهند. بانک هوش مصنوعی آینده مستلزم ایجاد یک فرهنگ چابک و مدل عملکردی مبتنی بر پلتفرم است که به سرعت به فرصت‌های جدید پاسخ داده و راه حل‌های خلاقانه‌ای را در این مقیاس ارائه دهد.

 

لینک کوتاهلینک کپی شد!
ممکن است شما دوست داشته باشید
ارسال یک پاسخ

12  ⁄  4  =