Panuje powszechna zgoda co do tego, że w dużych organizacjach wsparcie liderów wyższego szczebla jest niezbędne, by doszło do skutecznego wdrożenia sztucznej inteligencji (Artificial Intelligence, AI).
Można tak chyba powiedzieć o każdej nowej technologii, ale sztuczna inteligencja ma największy wpływ na biznes. Według oceny respondentów badania technologicznego przeprowadzonego przez NewVantage Partners z 2021 roku obecnie jest to najszybciej rozwijająca się technologia.
Piyush Gupta, dyrektor generalny Banku Rozwoju w Singapurze (Development Bank of Singapore, DBS), od prawie 40 lat pracuje w znanej z konserwatyzmu branży bankowej. A jednak udało mu się stworzyć potęgę w obszarze bankowości i obsługi klienta i agresywnie wykorzystać sztuczną inteligencję w firmie, która kiedyś była znana jako „bardzo powolna”.
Piyush Gupta jest Dyrektorem Generalnym i Dyrektorem Grupy DBS od 2009 roku. Przed dołączeniem do DBS, Piyush przez 27 lat pracował w Citigroup, gdzie ostatnio zajmował stanowisko Dyrektora Generalnego na Azję Południowo‑Wschodnią, Australię i Nową Zelandię.
Wysiłki i osobiste pasje Piyusha Gupty oraz jego gotowość do eksperymentowania doskonale ilustrują zdolność liderów wyższego szczebla do przewodzenia skutecznemu wdrażaniu nowej technologii, nawet jeśli mogłoby to skutkować krótkoterminowymi niepowodzeniami.
Eksperymentowanie na szeroką skalę
Gupta rozpoczął pracę w 2009 roku jako dyrektor generalny Banku Rozwoju w Singapurze, który zajmował wtedy najniższe miejsce w rankingu obsługi klienta wśród singapurskich banków. Dziś jest jednym z najlepszych. Przy okazji rozszerzając swoją działalność na całą Azję dzięki przejęciom i rozwojowi organicznemu. Jest największym bankiem w Azji Południowo‑Wschodniej, a także ma rosnącą liczbę placówek w Chinach i Indiach. DBS zdobył wiele prestiżowych nagród w dziedzinie bankowości, w tym dwukrotnie tytuł Globalnego Banku Roku przyznawany przez uznany magazyn „The Banker”, Najlepszego Banku na Świecie przyznawany przez Global Finance, a Euromoney uznało DBS za Najlepszy Cyfrowy Bank na Świecie.
Gupta powiedział nam, że jego pierwsze inicjatywy AI w banku były porażkami, aczkolwiek pouczającymi. Porażki te uznał za „sygnały ostrzegawcze”. Na przykład w 2013 roku podpisał umowę o współpracy w zakresie sztucznej inteligencji z Agencją Nauki, Technologii i Badań A*STAR (Agency for Science, Technology and Research), najważniejszą singapurską organizacją sektora publicznego zajmującą się badaniami i rozwojem. Bank Rozwoju w Singapurze podpisał trzyletni kontrakt na badanie zastosowań AI z udziałem analityków danych z DBS i A*STAR. Obydwie organizacje razem pracowały nad kilkoma projektami, z których żaden nie zakończył się sukcesem. Ale Gupta stwierdził, że efektem tej współpracy było sporo wiedzy o rożnych projektach AI, która okazała się potem przydatna.
Na początku jedną ze strategii Gupty było po prostu rozpoczęcie pracy z technologią AI i testowanie wielu rozwiązań. Jeden z kluczowych wskaźników efektywności banku obejmował przeprowadzanie tysiąca eksperymentów rocznie, z których znaczna większość dotyczyła danych i AI. Gupta przedstawiał propozycje takich eksperymentów podczas cyklicznych spotkań typu „burza mózgów” i zachęcał pracowników, by przedstawiali propozycje wdrożeń AI. Eksperymenty z AI są oczywiście dość powszechne, ale nie na taką skalę.
Gupta również uruchomił fundusze na eksperymenty z AI, zapewniając jednostkom biznesowym wolną rękę w kwestii zatrudniania naukowców zajmujących się danymi, aby sprawdzić, co mogą osiągnąć. Jako przykład pozytywnego rezultatu takiego eksperymentu podał zespół ds. zasobów ludzkich. Szef działu kadr, który nie miał technicznego wykształcenia, zebrał niezależny zespół (tzw. skunk works), zajmujący się rozwiązaniami eksperymentalnymi i zadaniami niejawnymi, w celu zaprojektowania i pilotowania aplikacji AI, która mogłyby wspomóc pracę kadr. Grupa opracowała aplikację JIM – Job Intelligence Maestro (wirtualny rekruter z obsługą AI) – aby pomóc rekruterom banku skuteczniej wyszukiwać talenty na różnorodne stanowiska.
Dział HR opracował również model predykcji odejść, który umożliwił bankowi analizę danych, takich jak szkolenia pracowników, wynagrodzenie, wzorce urlopowe i inne, w celu oceny prawdopodobieństwa rezygnacji zatrudnionych ze współpracy z organizacją.
Wprowadzenie technologii do bankowości
Dane są tym, co napędza AI. Wiele firm musiało wprowadzić znaczące zmiany w swoich systemach zbierania, gromadzenia i analizy danych, aby dostosować je do świeżo uruchamianych modeli AI. Nieczęsto zdarza się, aby dyrektor generalny w dużym przedsiębiorstwie osobiście kierował procesem transformacji danych.
Przed przyjściem do Banku Rozwoju w Singapurze Gupta był dyrektorem generalnym Citigroup na Azję Południowo‑Wschodnią i Pacyfik, ale jego bankowe korzenie były związane z działami operacyjnym i technologii. Był protegowanym ówczesnego prezesa Citi, Johna Reeda, prawdopodobnie pierwszego bankiera na świecie, który zrozumiał znaczenie informacji i technologii dla branży i który przeprowadził transformację backoffice’u i działalności konsumenckiej tego banku, stawiając na rozwiązania informatyczne. Gupta kierował usługami transakcyjnymi dla Citi w Azji, a następnie awansował na stanowisko regionalnego szefa banku. W międzyczasie założył „dot‑com”, który, jak twierdzi, szybko upadł. W naszych oczach wzmacnia to zarówno jego pragnienie innowacji, jak i gotowość do poniesienia porażki.
Gupta przypisuje swoje zainteresowanie i zdolność do kierowania transformacją danych w DBS swojej wcześniejszej pracy w Citi, gdzie uczestniczył w tworzeniu pierwszych centrów danych banku i poznał architekturę danych.
W DBS Gupta przeprowadził gruntowną transformację w zakresie zarządzania danymi. Podobnie jak wiele innych firm, Bank Rozwoju w Singapurze przeniósł dużą część swoich danych z tradycyjnych hurtowni do jezior danych (data lakes). Te ostatnie są znacznie tańsze i lepiej nadają się do mniej ustrukturyzowanych informacji. Ponadto DBS stworzył nową strukturę metadanych, wyczyścił 80 milionów niekompletnych rekordów, opracował nowe protokoły określające, kto może mieć dostęp do danych i jakie dane o klientach należy rejestrować, a także wprowadził narzędzia do wizualizacji trendów.
Bank Rozwoju w Singapurze stworzył również nowe struktury zarządzania danymi, na przykład Zespół Odpowiedzialnego Wykorzystania Danych. Sprawdza on, czy informacje wysyłane do klientów mogą być gromadzone i ponownie wykorzystane. Zespół stosuje kryteria nie tylko dotyczące tego, co jest zgodne z prawem, ale również tego, co klienci są w stanie zaakceptować. Bank kieruje się również świętą zasadą TRANSPARENTNOŚCI: dane powinny być zbierane w konkretnym celu, fakt ich gromadzenia nie może zaskakiwać klienta, wszelkie informacje muszą być pozyskiwane z szacunkiem, a ich posiadanie jest wytłumaczalne. To wszystko są dość powszechne działania związane z danymi dla organizacji korzystających z AI, ale rzadko się zdarza, aby akurat w takie działania zaangażowani byli prezesi firm.
Bank Rozwoju w Singapurze zatrudnia obecnie mniej więcej tysiąc pracowników zajmujących się danymi i analityką, w tym naukowców, analityków i inżynierów danych. Niektórzy z nich znajdują się w grupie centralnej, ale więcej jest rozsianych po różnych jednostkach w całej organizacji. „Mamy dwa razy więcej inżynierów niż bankowców” – zauważył Gupta.
Bank przeszkolił również ponad 18 tysięcy pracowników w zakresie umiejętności związanych z danymi, tworząc firmę „naukowców zajmujących się danymi obywatelskimi”. Około 2 tysięcy pracowników jest biegłych w zaawansowanych dziedzinach nauki o danych i analityce biznesowej, a kolejne 7 tysięcy powinno podnieść swoje kwalifikacje w takich dyscyplinach, jak wykorzystanie danych, analityka i sztuczna inteligencja. Dzięki AI bank był w stanie znacznie poprawić wydajność w niektórych obszarach, na przykład w centrum kontaktu z klientem, wykorzystując chatbota. Jak dotąd wdrożenie AI nie spowodowało utraty miejsc pracy, między innymi dlatego, że pracownicy przeszli szkolenia, które pomogły im zmienić role. Gupta przyznaje, że choć nadal stara się pomagać swoim ludziom w doskonaleniu umiejętności tak, aby ich praca stanowiła wartość dodaną do AI, nikt nie wie, jakie możliwości AI będzie miała w przyszłości.
Ostatnio, gdy Gupta szukał nowych sposobów na zmotywowanie ludzi, by zechcieli dowiedzieć się więcej, jak wykorzystać AI, ktoś zasugerował, aby zachęcić ich do skorzystania z symulatora DeepRacer uruchomionego przez Amazon Web Services. Programiści, ale nie tylko oni, inne osoby interesujące się AI również, niezależnie od poziomu zaawansowania mogą zapoznać się z uczeniem maszynowym dzięki symulatorowi wyścigów 3D w chmurze. W pełni autonomiczny wyścigowy bolid, przygotowany w skali 1/18, „napędzany” jest przez uczenie maszynowe, a dokładnie uczenie przez wzmacnianie (ang. reinforcement learning, RL). W 2020 roku Bank Rozwoju w Singapurze postawił sobie za cel przeszkolenie do 3 tysięcy pracowników z wykorzystaniem tej metody. Gupta sam rywalizował i, jak to ujął, „był szczęśliwy, że skończył w pierwszej setce… wśród naszych ludzi”. Inni pracownicy banku radzili sobie wyjątkowo dobrze, a jeden z nich został mistrzem w AWS DeepRacer League F1 ProAm.
Lekcje przywództwa w AI
Czego możemy się nauczyć o przywództwie AI na przykładzie osobistego zaangażowania Piyusha Gupty? Widać, że doświadczenia w zakresie technologii informatycznych jest bardzo pomocne. Dyrektor generalny, który nie ma takiego doświadczenia jak Gupta, może z pewnością nauczyć się wystarczająco dużo o AI i związanej z nią infrastrukturze IT, aby być skutecznym, ale będzie to wymagało dużego wysiłku.
Ważne jest też, aby pracować na wielu frontach. Konkretne inicjatywy, w które lider zdecyduje się zaangażować, będą się różnić w zależności od firmy. Jednak kadra kierownicza wyższego szczebla jest szczególnie ważna w sygnalizowaniu zainteresowania technologią, tworzeniu kultury decyzji opartych na danych, pobudzaniu innowacyjności w całej firmie i motywowaniu pracowników do zdobywania nowych umiejętności.
To liderzy decydują o wydatkach, a wprowadzenie AI do organizacji i jej utrzymanie może być bardzo kosztowne. Dlatego liderzy promujący AI muszą przeznaczyć wystarczające środki na inwestycje, aby nie utknąć w pół drogi. Piyush Gupta uruchomił fundusze na eksperymenty na wczesnym etapie i nie wymagał szczegółowego uzasadnienia dla finansowania konkretnych projektów, to głównie dlatego, że był osobiście zaangażowany w wybrany aspekt transformacji AI.
Gupta jasno dał do zrozumienia, że jest zaangażowany w dalsze budowanie możliwości DBS w zakresie AI, i wierzy, że technologia ta w końcu stanie się dla wielu firm z branży finansowej, w tym banków, asem w rękawie. Wiele innych banków korzysta z możliwości AI od zewnętrznych dostawców, ale Gupta koncentruje się na budowaniu jak największej liczby przypadków użycia AI wewnątrz firmy. „Musimy mieć takie same możliwości jak cyfrowi tubylcy (digital natives) – komentuje. – Wtedy będziemy mogli kontynuować innowacje i w razie potrzeby konkurować z nimi”.
