Fredrik Nylander, chef för norra Europa och tillväxtmarknader på Workday, utforskar i denna artikel hur artificiell intelligens (AI) och maskininlärning (ML) radikalt omvandlar finansbranschen. Han belyser hur dessa teknologier redan bidrar till ökad produktivitet och effektivitet, samt vilka utmaningar och möjligheter som väntar branschen framöver.
Bank- och finans är en teknologiberoende bransch och har så varit under lång tid. Skillnaden med de innovationer inom artificiell intelligens (AI), maskininlärning (ML) och automatisering som vi nu ser är att de har möjligt att transformera branschen från grunden.
Chefer och ledare vet att AI och ML inte längre är något som kommer att användas i framtiden, utan något som krävs här och nu. Faktum är att 86 procent av de som använder AI inom finansiella tjänster säger att teknologin kommer att vara avgörande för deras framgång de kommande åren.
I Workdays rapport, AI IQ: Insikter om artificiell intelligens inom företag, uppger nio av tio av de som arbetar inom finansbranschen att AI och ML är ett krav för att hålla verksamheten konkurrenskraftig. Två tredjedelar säger att AI och ML redan har ökat produktiviteten och operationseffektiviteten. AI kan redan hjälpa till att skapa ekonomisk hållbarhet, standardisera processflöden och automatisera repetitiva uppgifter så att anställda kan fokusera på mer strategiska uppgifter och projekt. 73 procent av de beslutsfattare som medverkade i undersökningen uppgav dock att de känner en press på att öka användningen av- och investeringarna i AI och ML.
I en annan undersökning från Workday och IDC uppger chefer inom bank och finans att de största utmaningarna inom branschen gällande att hantera sina system, processer och funktioner under de senaste 18 månaderna har varit:
- Att uppgradera och utbilda för att anpassa organisationen till moderna IT-system och möta förändrade kundbehov (48 procent).
- Att förbättra datakvaliteten och tillgängligheten samt dra ner på repetitiva uppgifter för att dra nytta av data som en värdefull organisationsresurs (45 procent).
- Att effektivisera IT-processer för att öka flexibiliteten inom organisationen och möta den växande efterfrågan på handlingsbara data och insikter (44 procent).
Dessa utmaningar kan alla tre hanteras med hjälp av AI och ML. Med ökad uppkoppling, automatisering och ny teknik har det skett en dramatisk förändring gällande efterfrågade färdigheter inom finanssektorn.
En bransch som är beroende av stora mängder data
För banker är AI särskilt relevant på grund av att branschen är beroende av så pass mycket data, detta då AI gör det möjligt att utnyttja de omfattande datavolymer som genereras. Det blir möjligt att identifiera mönster och skapa prognoser om framtiden. AI skapar även värde genom att automatisera rutinuppgifter och effektivisera IT-processer. Men om banker inte är nöjda med den data som är tänkt att användas för AI och ML, eller om de inte litar på att AI kommer att användas etiskt, transparent och ansvarsfullt, blir det ett problem att dra nytta av AI till fullo.
Användningen av AI och ML är dock väsentlig för branschens framtid på fler sätt, inte minst då det kan hjälpa ekonomiteam att hantera risker och bli mer effektiva genom att reducera uppgifter som tidigare tog veckor eller månader till minuter. I Workdays och IDC:s undersökning om företagsprogramvara uppger chefer inom bank och finans över hela världen att den främsta AI- och ML-funktionen som de använder eller överväger att använda i sin organisation är:
- Automation (automatiskt godkännande, självavstämmande konton), 36 procent.
- Avvikelsedetektion (journalposter, kostnadsrapporter, planer, avvikande rapporter), 29 procent.
- Rekommendationer (matchning av kundbetalningar, rekommendationer för utgiftskategorier, automatisering av leverantörsfakturor och intelligent efterfrågeprognos), 33 procent.
Endast 1,6 procent av de svarande uppgav att inte hade planer på att använda något av dessa alternativ.
Många fördelar med automatisering av manuella uppgifter
Traditionellt sett har dagliga uppgifter som att upptäcka avvikelser för att identifiera bedrägeri till att förutsäga resultat utförts manuellt. Nu, när branschen står inför ökade förväntningar på att arbeta mer effektivt och erbjuda strategisk insikt, måste organisationer anta AI-teknik som erbjuder större automatisering, integritet, noggrannhet, scenarioplanering och datadrivna prognoser.
Ekonomiavdelningar har ett stort behov av att minska felaktiga siffror eller andra inkorrekta uppgifter genom avvikelsedetektion – en utmanande uppgift med tanke på den enorma mängd data, fakturor och rapporter som oftast florerar. Ett sätt att åtgärda detta genom ML är genom journalinsikter. ML hjälper till att avslöja felaktiga journalposter och minskar drastiskt den tid som ekonomiteam lägger på bokföring.
För finansiell planering och analys (FP&A) är korrekta prognoser väsentliga. Med ML kan FP&A-team utnyttja historisk data för att driva ytterligare prediktiva efterfrågeprognoser. Med realtidsanalys kan AI hjälpa till att inkludera andra datamängder för att uppnå större precision. Detta i sin tur öppnar dörren till en ny typ av planering som kontinuerligt lär sig av data och anpassar sig till en föränderlig värld.
En investering i AI och ML kan således hjälpa bank- och kapitalmarknadsledare att genomföra bättre scenarioplanering samtidigt som mer tid ges för strategisk analys. Det kan också möjliggöra enkel spårning av detaljer från olika konton – en process som är nästan omöjlig vid användning av äldre system – för att snabbt analysera kritiska uppgifter och skapa mer nyanserade riskanalyser.
Det handlar alltså om att ha en plattform som ger företaget i fråga möjlighet att snabbt reagera samt vara flexibel och motståndskraftig för de många förändringar som ständigt sker i branschen.
Författat av Fredrik Nylander, chef för norra Europa och tillväxtmarknader, Workday.
