Vrei să fii la curent cu ultimele noutăți?
Abonează-te la newsletter.

Patru comportamente de implementare sunt cele mai importante atunci când se urmărește implementarea rapidă a inițiativelor de inteligență artificială (AI) în domeniul financiar. Aceste patru tipuri de acțiuni îndeplinesc sau depășesc impactul așteptat și oferă rezultate de importanță critică în privința finanțelor și afacerilor, după cum arată specialiștii Gartner. 

„Utilizarea inteligenței artificiale în departamentele financiare este încă în curs de dezvoltare, majoritatea demarând inițiativele abia în ultimii 2 ani”, a declarat Jacob Joseph-David, director de cercetare în cadrul Gartner Finance, completând: „De asemenea, majoritatea nu reușesc să obțină rapid profiturile anticipate din astfel de proiecte.” 

Având în vedere stadiul incipient al utilizării IA în finanțe, directorii financiari se văd în situația în care nu au o definiție clară și o strategie pentru a obține succesul. În sprijinul directorilor financiari, Gartner a identificat patru acțiuni critice pentru succesul proiectelor de inteligență artificială aplicată în domeniul finanțelor.

„Departamentele care întreprind aceste 4 acțiuni găsesc, în medie, de două ori mai multe cazuri de utilizare a IA comparativ cu cei care nu reușesc”, a spus Joseph-David, completând: „Acest lucru se concretizează prin rezultate semnificativ mai bune în afaceri, cum ar fi crearea de noi linii de produse, precum și rezultate ale departamentului financiar – precum o mai mare acuratețe și timpi mai reduși pentru procese.” 

În general, există trei opțiuni pentru a vă asigura necesarul de specialiști cu abilități și expertiză IA: angajați noi talente, perfecționați angajații actuali sau împrumutați specialiști de la departamentul IT. Organizațiile care își concentrează strategiile de resurse pe angajarea personalului extern calificat în IA au șanse semnificativ mai mari să devină organizații financiare de top în rândul celor care se bazează pe IA. Cu toate acestea, circa jumătate dintre organizațiile financiare văd îmbunătățirea competențelor drept principala lor strategie de gestionare a talentelor. 

Personalul cu specializare specifică pentru IA aduce o experiență neprețuită în lucrul cu toate aspectele inteligenței artificiale, ceea ce permite organizației să depășească inerția în lucrul cu aplicațiile IA și scurtează curba de învățare tehnică. În schimb, deși perfecționarea personalului financiar poate fi mai puțin costisitoare, acest lucru riscă să încetinească progresul și să provoace un risc mai mare de erori. În plus, noul personal cu specializare specifică pentru IA oferă oportunitatea de a trece dincolo de procesele și mentalitățile tradiționale, venind cu idei noi pentru a sprijini implementarea IA. 

 Achiziționarea de software cu capabilități IA încorporate permite organizațiilor să experimenteze mai ușor inteligența artificială și să o aplice în mai multe cazuri de utilizare din domeniul financiar. Acestea pot construi mai ușor proiecte pilot pentru probleme specifice de afaceri. În schimb, construirea de soluții IA interne pentru toate procesele financiare creează un volum mult mai mare de lucru și reduce oportunitatea departamentelor financiare de a explora idei noi de proiecte pilot sau cazuri de utilizare. 

Organizațiile financiare de top care se bazează pe IA au o abordare experimentală de tip „fail fast” a implementărilor IA, adică o filozofie care apreciază testarea extinsă prin experimente mai mici și mai numeroase cu dezvoltare incrementală pentru a determina dacă o idee este de valoare. Acest mod de acțiune este mai eficient decât să mizeze pe o serie de pariuri mari. Odată cu mai multe idei de proiecte pilot implementare din timp pot apărea mai multe utilizări ale IA, iar implementarea este mai rapidă, deoarece organizația se poate concentra pe proiectele pilot care se dovedesc de succes. 

De obicei, organizațiile care înregistrează succes în implementare încă explorează aceleași cazuri de utilizare ca și organizațiile care au înregistrat succes de o mai mică anvergură, cele mai comune 3 cazuri fiind procesele contabile, procesarea back-office și prognoza fluxului de numerar. Singura excepție este realizarea prognozei de plată a clienților, care este un caz de utilizare explorat de circa jumătate dintre organizațiile de top, însă mai puține organizații care au avut succes redus au explorat și acest caz de utilizare. 

 Directorii financiari trebuie să selecteze persoana potrivită pentru a conduce implementarea IA pentru a obține beneficiile estimate. De exemplu, ar putea fi șeful de planificare și analiză financiară (FP&A) sau șeful de analiză financiară, persoane recomandate pentru a conduce implementarea IA mai curând decât doar un controlor. 

Producătorul german de semiremorci folosește inteligența artificială (AI) pentru a analiza posibilitățile de optimizare a calității, performanței și disponibilității produselor și proceselor sale. Pentru a gestiona erorile de-a lungul lanțului valoric, echipa de proiect Krone a definit patru cazuri concrete de utilizare. În primul caz este vizată producția de semiremorci frigorifice Krone Cool de la Lübtheen, iar scopul cercetării este de a prezice calitatea produselor pe baza variabilelor de intrare observabile, cum ar fi parametrii fabricii sau condițiile de mediu. În acest fel, defectele pot fi detectate într-un stadiu incipient și contracarate prin optimizarea parametrilor de proces.

Al doilea caz se referă la gestionarea erorilor de asigurare a calității în Werlte. Cu ajutorul AI se creează un sistem sensibil de avertizare din timp în legătură cu defectele și plângerile, ceea ce înseamnă că sunt înregistrate toate datele privind reclamațiile și sunt calculați algoritmii – de exemplu, dacă așa-numitele vârfuri de defecte apar într-un produs sau într-o componentă. În cazul în care suspiciunea unei posibile probleme este confirmată, specialiștii vor analiza problema și vor decide cu privire la cursul ulterior al acțiunii. „Value chAIn“ oferă instrumente de analiză și obține o recomandare de acțiune pentru angajații din diverse departamente, cu scopul de a dezvolta un sistem de suport decizional. Cu toate acestea, autoritatea decizională rămâne întotdeauna la angajați: ei sunt singurii care pot plasa acțiunea recomandată în contextul tehnic sau economic și o pot evalua în consecință.

Celelalte două cazuri de utilizare se concentrează asupra Krone Telematik Box. Aici se efectuează o analiză pentru a se determina în ce măsură datele telematice colectate pot fi utilizate pentru alte servicii digitale și se pun sub semnul întrebării serviciile digitale ale Telematik Box pentru a se verifica dacă, de exemplu, datele raportului pot fi prezentate mai clar și mai simplu. În plus, se dorește dezvoltarea altor caracteristici utile pe baza datelor telematice, care fac transportul de mărfuri și mai transparent. De exemplu, înregistrarea frânării bruște sau a vibrațiilor puternice ale vehiculului din cauza condițiilor proaste de drum, care ar putea avea un efect asupra calității mărfurilor transportate, sau afișarea cantității de emisii de CO₂ pentru o anumită cursă, un aspect tot mai important când vine vorba de sustenabilitate.

În plus, Krone se concentrează de câțiva ani asupra întreținerii predictive, principala problemă aici fiind de a minimaliza proactiv posibilele perioade de nefuncționare a remorcii. Dacă AI avertizează, de exemplu, că o piesă de uzură este foarte probabil să se defecteze într-o perioadă de timp previzibilă, aceasta ar putea fi înlocuită cu următoarea ocazie în care se merge în service ca parte a unei întrețineri deja planificate.

15 angajați Krone lucrează la proiectul value chAIn începând din august 2021, ei provenind de la fabricile de vehicule comerciale Krone și Brüggen, de la Krone Fleet și de la Datineo. Proiectul de cercetare, finanțat de Ministerul Federal al Economiei și Protecției Climei (BMWK) în cadrul programului „Noile tehnologii pentru vehicule și sisteme“, se desfășoară pe o perioadă de trei ani, iar Krone își coordonează activitatea cu Laboratorul de Mașini Unelte de la Universitatea RWTH Aachen, Institutul Fraunhofer pentru Tehnologia Producției și cu MAN Truck & Bus SE, i2solutions GmbH, DATAbility GmbH și IconPro GmbH.