Les entreprises de services financiers ont des besoins uniques en matière d’IA commerciale. Ils opèrent dans l’un des secteurs les plus réglementés tout en répondant à des événements extérieurs qui s’actualisent à chaque seconde. En conséquence, le succès de l’IA agentique dans les services financiers dépend moins de la sophistication du système que de la qualité, de la sécurité et de l’accessibilité des données sur lesquelles il s’appuie.
“Tout commence par les données”, déclare Steve Mayzak, directeur général mondial de Search AI chez Elastic.
L’IA agentique (des systèmes capables de planifier et de prendre des mesures de manière indépendante pour accomplir des tâches, plutôt que de simplement générer des réponses) présente un énorme potentiel pour les services financiers en raison de sa capacité à intégrer des données en temps réel et à optimiser des flux de travail complexes. Gartner a constaté que plus de la moitié des équipes de services financiers ont déjà mis en œuvre ou prévoient de mettre en œuvre l’IA agentique.
Cependant, l’introduction de l’IA autonome dans toute organisation amplifie à la fois les forces et les faiblesses des données sous-jacentes qu’elle utilise. Pour déployer l’IA agentique avec rapidité, confiance et contrôle, les entreprises de services financiers doivent d’abord être capables de rechercher, sécuriser et contextualiser leurs données à grande échelle. « L’IA agentique amplifie le maillon le plus faible de la chaîne : la disponibilité et la qualité des données », explique Mayzak. “Et vos systèmes ne valent que ce que leur maillon le plus faible.”
Les sociétés de services financiers ont donc besoin d’un magasin de données fiable et centralisé, facile d’accès, fiable et pouvant être géré à grande échelle.
Les enjeux élevés d’une information de qualité
La réglementation du secteur des services financiers exige un degré élevé de responsabilité pour tous les outils de données. Comme le dit Mayzak : « Vous ne pouvez pas vous contenter d’expliquer d’où viennent les données et en quoi elles ont été transformées : « Voici les données qui sont entrées, et voici ce qui est ressorti ». Vous avez besoin d’un moyen vérifiable et gouvernable pour expliquer quelles informations le modèle a été trouvé et la logique selon laquelle ces données étaient appropriées pour l’étape suivante. Autrement dit, vous devez être capable de voir, comprendre et décrire les processus sous-jacents.
Dans le même temps, les sociétés de services financiers ont besoin de rapidité et de précision afin de répondre aux attentes des clients et de garder une longueur d’avance sur la concurrence. Les marchés évoluent continuellement, et les risques et opportunités évoluent avec eux. Si un modèle d’IA peut analyser le langage naturel (données non structurées) provenant de sources complexes, en plus des données structurées dans des feuilles de calcul plus faciles à analyser, cela donne aux utilisateurs des informations plus pertinentes.
Dans cet environnement, il n’y a aucune tolérance à l’erreur, y compris aux hallucinations qui ont tourmenté les premiers efforts d’IA. Les systèmes d’IA agentique dépendent d’un accès rapide à des données de haute qualité, bien gouvernées, sécurisées et accessibles. Dans les services financiers, ces données couvrent les transactions, les interactions avec les clients, les signaux de risque, les politiques et le contexte historique. La tâche consistant à préparer ces données pour l’IA ne doit pas être sous-estimée. “Le langage naturel est bien plus compliqué que les données structurées, ce qui rend le processus d’organisation et de nettoyage d’autant plus important et aussi d’autant plus difficile”, explique Mayzak.
Les données doivent être bien indexées et consolidées sur différents sites, et non enfermées dans les silos de systèmes distincts au sein de l’organisation. Autrement, les agents d’IA sont à la traîne, fournissent des réponses incohérentes et produisent des décisions plus difficiles à retracer et à expliquer, minant ainsi la confiance des régulateurs, des clients et des parties prenantes internes.
Comme le dit Mayzak : “Il existe de nombreuses façons différentes de décrire comment exécuter une transaction dans une banque. Dans un monde géré par des agents, nous avons besoin que ces descriptions soient déterministes, pour donner les mêmes résultats à chaque fois. Pourtant, nous nous appuyons sur des modèles puissants mais non déterministes. C’est incroyablement délicat, mais pas impossible.”
Pour une société de services financiers, gérer cela peut s’avérer très difficile. Une étude Forrester a révélé que 57 % des organisations financières développent encore les outils nécessaires capacités internes pour exploiter pleinement l’IA agentique. «Les données existent sous de nombreux formats différents, créés au cours de l’histoire d’une banque», explique Mayzak. “Prenons n’importe quelle banque qui existe depuis 50 ans : elle peut avoir 60 types de PDF différents pour exactement la même chose. Et en même temps, nous voulons que les résultats de ces systèmes soient précis à 100 %. Dans de nombreux cas, il n’y a pas de “assez bon”. ” Autrement dit, les entreprises doivent le faire correctement, et du premier coup.
Recherche et sécurisation des résultats
Une plate-forme de recherche efficace est essentielle pour résoudre le problème des données fragmentées, mal indexées et inaccessibles. Les entreprises de services financiers qui peuvent facilement passer au crible leurs données structurées et non structurées, les sécuriser et les appliquer dans le bon contexte tireront le meilleur parti de l’IA agentique. Cela nécessite souvent de concevoir des systèmes d’IA en gardant à l’esprit l’accès aux données et leur utilité afin qu’ils puissent travailler plus rapidement et produire des résultats plus précis, tout en réduisant les risques. “La recherche est la technologie fondamentale qui rend l’IA précise et fondée sur des données réelles”, explique Mayzak. “Les plates-formes de recherche sont devenues les magasins de contexte et de mémoire faisant autorité qui alimenteront cette révolution de l’IA.”
Une fois en place, ces recherches améliorées par l’IA et ces systèmes autonomes peuvent servir aux sociétés de services financiers à diverses fins. Lors de la surveillance de l’exposition des clients, l’IA agentique peut analyser en permanence les transactions, les signaux du marché et les données externes pour détecter les risques émergents ; Les plateformes peuvent alors automatiquement signaler ou faire remonter les problèmes en temps réel. Dans le cadre de la surveillance des échanges, les agents d’IA peuvent examiner les flux de travail commerciaux, identifier les écarts entre différents formats et résoudre les exceptions étape par étape avec une intervention humaine minimale. Dans le domaine des rapports réglementaires, l’IA peut collecter des données sur tous les systèmes, générer les rapports requis et suivre la manière dont chaque résultat a été produit. Ces applications d’IA permettent de gagner du temps tout en répondant aux besoins d’audit et de conformité en étant traçables et explicables.
Bien que de telles fonctionnalités existent déjà, elles sont souvent manuelles, fragmentées et difficiles à faire évoluer. L’IA agentique permet aux organisations financières d’évoluer vers des processus plus automatisés, efficaces et évolutifs tout en conservant la précision et la transparence requises dans leur environnement hautement réglementé. Comme le dit Mayzak : « Ce n’est pas si différent de la façon dont les humains opèrent aujourd’hui, ils le font simplement à un rythme beaucoup plus rapide et à grande échelle. »
Créer un écosystème d’IA agentique
Lancer l’IA agentique peut s’avérer intimidant, surtout si d’autres projets d’IA sont au point mort en interne. La recommandation de Mayzak est de choisir un cas d’utilisation gérable et de lui permettre de se développer au fil du temps. «Le succès peut s’appuyer sur le succès», dit-il. “Alors que les entreprises visent à automatiser un processus commercial en 70 étapes, elles découvrent qu’il faut commencer quelque part. Ce qui fonctionne sur le marché, c’est s’attaquer au problème une étape à la fois. Une fois que vous avez réussi la première étape, vous pouvez alors passer à l’étape suivante, et à la suivante.”
Les organisations de services financiers qui domineront parmi leurs pairs seront celles qui intègrent l’IA agentique dans un écosystème plus large comprenant des contrôles de sécurité stricts, une bonne gouvernance des données et une gestion efficace des performances du système. Comme le dit Mayzak : « Bien faire cela créera une boucle de rétroaction de l’IA, dans laquelle les dirigeants recevront de nouveaux signaux de ces systèmes pour évaluer l’efficacité de leurs investissements et générer des informations fiables et exploitables. » En itérant sur des projets pilotes et en s’améliorant continuellement, les entreprises construiront des systèmes agentiques qui pourront être mesurés, gérés et mis à l’échelle. Cela transformera l’IA agentique en un avantage concurrentiel durable.
Découvrez comment Elastic prend en charge les services financiers.
Ce contenu a été produit par Insights, la branche de contenu personnalisé du MIT Technology Review. Il n’a pas été rédigé par l’équipe éditoriale du MIT Technology Review. Il a été recherché, conçu et écrit par des écrivains, éditeurs, analystes et illustrateurs humains. Cela comprend la rédaction d’enquêtes et la collecte de données pour les enquêtes. Les outils d’IA qui ont pu être utilisés étaient limités aux processus de production secondaires qui ont passé un examen humain approfondi.
Bir yanıt yazın