扩展银行业的人工智能：选择最佳运营模式（英）

金融服务实践 银行业的ScalinggenAI：选择最佳运营模式 GenerativeAI正在改变金融服务，为效率和创新提供机会。随着银行竞相部署GeneralAI，正确的运营模式可以帮助释放其潜力。 本文由KevinBuehler，AlisonCorsi，MinaJurisic，LarryLerner，AndreaSiani和BrianWeintraub共同撰写，代表了麦肯锡银行实践和风险与弹性实践的观点。 March2024 生成AI(genAI)正在彻底改变银行业，因为金融机构使用该技术来增强面向客户的聊天机器人，防止欺诈，并加快耗时的任务，例如开发代码，准备投书草稿和总结监管报告。 麦肯锡全球研究所（MGI）估计，在全球银行业中，GeneAI每年可以增加2000亿至3400亿美元的价值，占行业总收入的2.8％至4.7％，这主要是通过提高生产率 。1然而，随着银行和其他金融机构迅速实施该技术，挑战正在出现。正确地使用GeeAI可能会释放巨大的价值；弄错可能会导致并发症。各行各业的公司都面临着人工智能的风险，包括产生虚假或不合逻辑的信息、侵犯知识产权、系统功能的透明度有限、偏见和公平问题、安全问题等等。 在上一篇文章中，我们探讨了一系列银行可以用来获取GeneAI全部价值的策略。要实现持续价值，除了最初的概念证明之外，还需要七个维度的强大能力： —战略路线图 —天赋 —运行模式 —技术 —数据 —风险与控制 —采用和变更管理 Thesedimensionsareinternectedandrequirealignmentacrosstheenterm.Agreatoperating 例如，如果没有合适的人才或数据，模型本身不会带来结果。 本文将仔细研究这七个维度中的一个：运营模型，它本质上是企业如何将战略付诸行动的蓝图。随后的文章将研究其他一些维度。在本文中，我们解释了什么是运营模型以及为什么它很重要，然后深入研究了在银行业中出现的GeeAI的运营模型原型-包括具有最佳成功记录的模型。最后，我们讨论了金融机构在建立传统AI运营模型时需要做出的重要决定。 我们发现，在各个行业中，高度集中化最适合传统的AI运营模型。如果没有中央监督，试点用例可能会陷入孤岛，扩展变得更加困难。特别是在金融服务行业，我们观察到使用中央领导的geerAI运营模型的金融机构正在获得最大的回报。随着技术的成熟，钟摆可能会转向更联合的方法 ，但到目前为止，集中化带来了最好的结果。 集中领导的generAI运营模型之所以有益，有几个原因： —鉴于顶级AI人才的稀缺性，集中化允许企业以更有可能使整个组织受益的方式分配人才。集中主导的运营模式还可以帮助组织建立一个世界级的、有凝聚力的AI团队，培养友情感，帮助吸引和留住人才。 —在快速变化的环境中，定期引入新的大型语言模型和GeneralAI功能，一个中央团队可以比分散在其中的几个团队更好地掌握不断发展的GeneralAI格局一个组织。 1“生成AI的经济潜力：下一个生产力前沿”，麦肯锡，2023年6月14日。 —当需要在资金、技术架构、云提供商、大型语言模型提供商和合作伙伴关系等问题上做出频繁和重要的决策时，集中领导的运营模型在企业的传统AI推动中很有用。 —采用集中主导的方法，风险管理和跟上监管发展变得更加容易。 然而，选择运营模型并不是一种简单的二元方法。金融机构可以从本文中探讨的细节中获得见解，决定将其代AI运营模型的各个组成部分集中到多少， 并根据自己的结构和文化调整其方法。例如，一个组织可以使用集中的方法来进行风险，技术架构和伙伴关系选择，同时采用更联合的设计来进行战略决策和执行。 运营模式的重要性 运营模型是公司运营方式的代表，包括其结构（角色和职责，治理和决策），流程（绩效管理，系统和技术）和人员（技能，文化和非正式网络）。 成功使用GeeAI的金融机构已经做出了一致的努力，提出了一个合适的、量身定制的运营模型，该模型考虑了新技术的细微差别和风险，而不是试图将GeeAI整合到现有的运营模型中。我们观察到，大多数充分利用GeAI的金融机构都在使用更集中的技术运营模式，即使企业的其他部分更加分散。这可能会随着技术的成熟而发展。 金融服务公司的GeneralAI推动的正确运营模式应该既能实现扩展，又能与公司的组织结构保持一致 和文化；没有一个放之四海而皆准的答案。 有效设计的运营模型可以随着机构的成熟而变化，是有效扩展 generAI的必要基础。 从本质上讲，合适的运营模式使金融机构能够有效地开展三种类型的活动： —战略转向。确定与企业战略目标一致的AI用例的集群或领域；按优先级将它们分类为路线图，在管理风险的同时最大化价值；并监控价值创造，以确保有效的资源分配。 —标准设置。定义通用标准（例如有关技术架构选择，数据实践以及风险框架和控制的标准），以提高效率 ，并将从已完成的项目中学到的见解用于新项目。 —执行。设计和测试用例的技术解决方案，将满足适当性能和安全标准的用例投入生产，并在有业务案例的情况下进行扩展，确保跟踪和交付其影响。 银行业通用AI的运营模型原型 银行和其他金融机构可以采取不同的方法来建立他们的传统人工智能运营模型，从高度集中到高度分散。 我们最近对欧洲和美国16家最大的金融机构使用GeeAI的情况进行了审查，这些机构总共拥有近26万亿美元的资产。我们的审查表明，超过50％的企业采用了更集中领导的geerAI组织，即使在他们通常的数据和分析设置相对分散的情况下也是如此。这种集中化可能是暂时的，随着结构的使用变得更加分散。 新技术成熟。最终，企业可能会发现让各个功能根据他们的需求优先考虑genAI活动是有益的。 在我们研究的金融机构中，出现了四种组织原型，每一种都有自己的潜在好处和挑战（展示）。 高度集中 潜在的好处。这种结构-一个中央团队负责从设计到执行的genAI解决方案，独立于企业的其他部分-可以为genAI团队提供最快的技能和能力建设。 潜在的挑战。GenAI团队可以与决策过程隔离开来，也可以与业务部门和其他职能部门保持距离，从而为影响决策创造可能的障碍。 中央领导，业务部门执行 潜在的好处。这种原型在业务部门和genAI团队之间有更多的集成，减少了摩擦，并缓解了对整个企业使用该技术的支持。 潜在的挑战。它可能会减慢genAI团队使用该技术的执行速度，因为输入 Exhibit 在金融服务中使用GeneAI已经出现了四种原型，高度集中的方法显示出最佳效果 。 生成AI运营模型的组织原型 CEO业务单元/职能GenAI团队负责GenAI战略 高度集中 中央领导，业务部门执行 业务部门领导，中央支持高度分散 集中化程度（分散=0；集中=100） 战略执行数据和技术 中央领导，业务部门领导， 高度集中业务单位执行中央支持高度分散 0100010001000100 70 50 50 30 开始生产的机构份额 ，1% 1拥有这种运营模式的金融机构的份额，这些金融机构正在将genenAI用例投入生产，通过在最小可行产品阶段及以后拥有实时用例，从而超越了实验。 麦肯锡公司 在进行之前，需要业务部门的签字。业务单元主导，中央支持 潜在的好处。有了这个原型，很容易从业务部门和职能部门 获得支持，因为一代人工智能战略自下而上。 潜在的挑战。在不同的业务单元中实现genAI的使用可能是困难的，并且不同的单元可以在genAI上具有不同级别的功能开发。 高度分散 潜在的好处。很容易从业务部门和职能部门获得支持，专业资源可以快速产生相关的见解，并在部门或职能部门内更好地集成。 潜在的挑战。在GeneAI上做自己的事情的业务部门面临着缺乏知识和最佳实践的风险，这些知识和最佳实践可能来自更集中的方法。他们也可能难以在单个GeneAI项目上深入到足够的深度以实现重大突破。 效果最好的运营模式 在GeneAI旅程的早期阶段，集中运营模型的金融机构似乎处于领先地位。大约70％的银行和其他拥有高度集中的GeneAI运营模型的机构已将GeneAI用例纳入 生产,2相比之下，只有大约30%的人采用完全分散的方法。 集中式指导使企业可以将资源集中在少数用例上，并通过初步实验迅速解决将用例投入生产和扩展的更艰巨的挑战。另一方面，使用更分散方法的金融机构很难将用例转移到试点阶段。 GeeAI的新生性质导致金融服务公司重新考虑其运营模式 ，以解决该技术快速发展的能力，未知的风险以及深远的组织影响。在麦肯锡最近的一次银行业通用人工智能论坛上，超过90%的机构报告说，他们在某种程度上建立了一个集中的通用人工智能功能，以有效地分配资源和管理运营风险。 我们的调查还显示，研究的金融机构中约有20％使用高度集中的运营模型原型，集中化genicAI战略指导，标准 设置和执行。大约30%的人使用集中领导、业务部门执行的方法，集中决策，但委托执行。大约30%的人使用业务部门领导、集中支持的方法，只集中标准设置，并允许每个部门设置和执行其战略重点。其余机构，大约 20％属于高度分散的原型。这些主要是大型机构，其业务部门可以为自主的generAI方法筹集足够的资源。 集中化并非没有摩擦。迄今为止，实施集中化运营模式的主要障碍源于对战略路线图、筹资机制和人才汇集的分歧 ，因为各单位担心失去关键资源或忽视其运营优先事项。 最好地管理了向GeeralAI过渡的金融服务公司已经具有很高的组织敏捷性，使他们能够通过将流程定位在中央枢纽或创建临时的，集中协调的敏捷团队来执行用例，从而快速地重新设计流程并灵活地汇集资源。与传统的AI团队相比，geAI团队往往具有来自云工程师，业务领域专家以及风险和合规性的更重要的参与。 2在最小可行产品阶段或以后的现场用例。 这是因为两个因素：generAI开发过程的高度迭代性质，以及即使在早期开发阶段，也需要考虑扩展应用程序的不可预见或推测性影响。 随着一代人工智能技术和组织对其含义的掌握成熟，运营模式可能会在战略决策和执行方面转向更加联合的设计，而标准设置是持续集中化的最有可能的候选人(例如，在风险管理、技术架构和伙伴关系选择方面)。 需要考虑的重要决定清单 选择和实施GeneAI运营模型需要金融机构的领导者在各 个领域做出决策，包括直接涉及运营模型的决策以及属于其他领域但影响模型工作方式的决策。 —战略和愿景。首先，金融机构需要决定哪些领导者将定义其GeneralAI战略，以及是否将在整个企业或业务部门层面上进行。这应包括对潜在价值的愿景，以及对哪些功能或流程可能受GeneralAI影响最大的评估。 —域和用例。接下来，该机构应确定谁将确定GeneAI 用例的企业域或集群以及这些域中的特定用例。 —部署模型。关于域和用例的实施，该机构应决定它是“接受者”（从供应商那里采购有针对性的解决方案），“整形者”（从供应商那里整合更广泛的解决方案）还是“制造商” (开发重塑核心业务的内部解决方案)。 —资金。该机构将需要阐明如何为GeneAI用例提供资金，这将取决于其GeneAI方法的集中化或分散化程度。银行通常通过结合各个业务部门和致力于GeneAI的基础建设中心团队来为用例提供资金。 —天赋。企业应该定义世代人工智能计划需要哪些技能， 然后通过招聘，提高技能，战略外包或所有这些策略的组合来部署必要的人才。另一个步骤将是确定“翻译人员”的角色，他们了解实施genenAI用例和领域的业务需求和技术要求。 —风险。金融机构应确定谁定义风险防护（例如与数据隐私和知识产权侵权相关的防护）和缓解策略。它还应决定在何种程度上调整现有框架，以考虑到通用人工智能特有的风险，包括特定用例(如面向客户的用例)是否需要额外的治理。 —变更管理。委员会将需要领导变革管理计划的执行，以确保在整个企业中成功采用genAI所需