Tin tức

Các Liên minh Tín dụng Tự Tin Về Mức Độ Sẵn Sàng Với AI? Nghiên cứu Mới Chỉ Ra Rằng Nền Tảng Dữ Liệu Của Họ Nói Lên Điều Khác

15610
02
Sep

Hãy hỏi một giám đốc liên minh tín dụng rằng trí tuệ nhân tạo có quan trọng đối với tương lai của họ hay không, và rất có thể bạn sẽ nhận được một câu “có” đầy quyết đoán. Nhưng khi cuộc trò chuyện chuyển sang dữ liệu thực sự sẽ vận hành các hệ thống AI đó, sự tự tin đó thường bắt đầu phai nhạt.

Một nghiên cứu độc lập gần đây từ Trường Kinh doanh Graduate thuộc Đại học Stanford đã phơi bày một khoảng cách đáng kể giữa nhận thức và thực tế. Nghiên cứu phát hiện rằng trong khi 78% các nhà lãnh đạo liên minh tín dụng được khảo sát tin rằng AI sẽ mang lại lợi thế cạnh tranh, thì đánh giá của họ về mức độ sẵn sàng của chính tổ chức mình không khớp với thực trạng dữ liệu và quy trình công việc hiện tại.

Khoảng Cách Giữa Sự Tự Tin và Năng Lực Thực

Trong các cuộc phỏng vấn với 46 giám đốc điều hành liên minh tín dụng, mức độ sẵn sàng với AI tự đánh giá trung bình đạt 3.3 trên thang 5 điểm. Tuy nhiên, điểm về khả năng hiển thị dữ liệu ở tuyến đầu thấp hơn ở mức 3.0, và điểm hỗ trợ cho các quy trình công việc dựa trên dữ liệu còn kém hơn với chỉ 2.8. Đáng lo ngại hơn là mối tương quan yếu giữa sự tự tin về AI của tổ chức và sức khỏe dữ liệu nền tảng của họ, cho thấy nhiều nhà lãnh đạo có thể đang đánh giá quá cao mức độ chuẩn bị của mình.

Sự không khớp lệch này không phải do hiểu sai về AI. Thay vào đó, nó chỉ ra một vấn đề mang tính định nghĩa. Nhiều tổ chức đo lường mức độ sẵn sàng bằng sự hiện diện của các công cụ được phê duyệt, các dự án thí điểm đã hoàn thành, hay các buổi trình diễn từ nhà cung cấp. Mặc dù đây là những dấu hiệu của sự thử nghiệm, chúng không phải là bằng chứng về khả năng triển khai AI một cách hiệu quả trên toàn bộ hoạt động của tổ chức.

Vấn Đề Cốt Lõi: Dữ Liệu Chưa Sẵn Sàng Để Hành Động

Nghiên cứu xác định nút thắt cổ chai chính không phải là thiếu dữ liệu, mà là thiếu dữ liệu có thể truy cập và thống nhất. Hầu hết các liên minh tín dụng đều dồi dào thông tin nhưng nghèo nàn trong khả năng làm cho dữ liệu đó trở nên hữu dụng. Các hệ thống rời rạc, các định nghĩa không nhất quán giữa các phòng ban, và các môi trường do nhà cung cấp kiểm soát đã ngăn cản tổ chức xây dựng một bức tranh toàn cảnh và khả thi về các thành viên của họ.

Điều này làm rõ thách thức đặc thù của ngành dịch vụ tài chính. Giá trị thực sự của AI không chỉ là đặt ra các câu hỏi chung chung; mà là kết nối các hệ thống thông minh với dữ liệu độc quyền và tích hợp chúng vào các quy trình ngân hàng trong thực tế. Chính việc tích hợp đó là nơi mà hầu hết các tổ chức gặp khó khăn.

Năm Câu Hỏi Chẩn Đoán Cho Sự Sẵn Sàng Thật Sự

Các nhà lãnh đạo nên chuyển trọng tâm từ các tuyên bố chiến lược sang thực tiễn vận hành bằng cách đặt ra những câu hỏi then chốt sau:

  1. Chúng ta có thể nhìn thấy bức tranh toàn diện về một thành viên không? Thử nghiệm một trường hợp sử dụng quan trọng bằng cách kiểm tra xem nhân viên tuyến đầu có thể truy cập nhanh chóng vào hồ sơ thống nhất về mối quan hệ và hoạt động của một thành viên hay không.
  2. Các quy trình công việc của chúng ta có thể hành động dựa trên insights một cách tự động không? Một cảnh báo trên bảng điều khiển là vô dụng. Sự sẵn sàng thực sự có nghĩa là insights trực tiếp kích hoạt các hành động đã được định nghĩa và các kết quả có thể đo lường.
  3. Có một người duy nhất chịu trách nhiệm về nền tảng dữ liệu không? Trách nhiệm chung thường có nghĩa là không ai chịu trách nhiệm. Một nhà lãnh đạo chuyên trách với quyền hạn là điều cần thiết.
  4. Chúng ta có thể truy cập và di chuyển dữ liệu của chính mình không? Đánh giá mối quan hệ với nhà cung cấp về khả năng di chuyển và kiểm soát dữ liệu. Bạn không thể xây dựng tương lai AI trên dữ liệu mà bạn không thể tiếp cận một cách đáng tin cậy.
  5. Chúng ta có thể nêu tên một trường hợp sử dụng có thể đo lường được không? Bước ra khỏi “chiến lược AI” hướng tới một dự án cụ thể, có thể thực thi với chủ sở hữu rõ ràng, dữ liệu có thể truy cập, và chỉ số thành công được định nghĩa rõ ràng.

Một Con Đường Thực Tiễn Phía Trước: Bắt Đầu Nhỏ, Xây Dựng Quản Trị

Cách tiếp cận hiệu quả nhất không phải là một cuộc chuyển đổi hoành tráng mà là bắt đầu với một quy trình công việc đơn lẻ, quan trọng. Phân tích quy trình hiện tại, khắc phục các vấn đề dữ liệu cụ thể mà nó yêu cầu, và chỉ sau đó mới giới thiệu AI để tạo ra sự cải thiện có thể đo lường. Xây dựng quản trị song song với việc áp dụng ngay từ đầu để quản lý rủi ro.

Đo lường kết quả một cách nghiêm túc. Hiệu suất có cải thiện không? Một chỉ số quan trọng nào đó có thay đổi không? Phương pháp có kỷ luật, quy trình sau quy trình này sẽ xây dựng niềm tin về dữ liệu và sự tích hợp vận hành cần thiết cho các ứng dụng AI tiên tiến hơn trong tương lai.

Các tổ chức cuối cùng sẽ thành công với AI không nhất thiết là những tổ chức có danh sách dài nhất về các công cụ AI. Họ là những tổ chức trước tiên giải quyết được thách thức cơ bản: liệu họ có thể nhìn thấy, tin tưởng, và sử dụng dữ liệu của chính mình đủ tốt để hành động một cách quyết đoán hay không?

Nguồn: thefinancialbrand.com