Generativ AI i finanssektorn – och valet alla kommer behöva göra.

Vi står inför en lika stor revolutionerande teknik - Generativ AI - som internet var på 90-talet. Under de senaste två åren har vi skådat hur AI har förändrat spelreglerna inom finanssektorn genom att effektivisera processer, förbättra produktiviteten och skapa nya affärsmodeller. Samtidigt ställer tekniken stora krav på säkerhet, regelefterlevnad och skydd av känslig information. För att AI ska bli en affärskritisk funktion krävs genomtänkta beslut och en strategi som balanserar innovation med ansvarsfull hantering av data.

Att välja rätt implementeringsmetod är en central del av denna strategi. Molnbaserade lösningar erbjuder flexibilitet och snabbare implementering men innebär också risker kring dataskydd och regulatorisk efterlevnad. On-prem-lösningar kan i sin tur ge större kontroll men kräver kapitalintensiva investeringar. Vilken väg som är rätt beror på företagets behov och förutsättningar.

Generativ AI - påvisad effektivitetsökning och begränsningar

Många företag har redan experimenterat med Generativ AI genom Proof-of-Concept projekt (PoC) inom bl a mjukvaruutveckling, testning och kundtjänst. CGI:s studier visar att tekniken kan öka produktiviteten med upp till 40 %, men resultaten varierar beroende på användningsområde.

Under mina egna kundbaserad-projekt har jag analyserat Generativ AI:s förmåga att beskriva och generera kod inom olika system. För Mainframe-kod kunde vissa modeller nå en imponerande träffsäkerhet på 98% medan samma modeller enbart fick en träffsäkerhet på 30% för .NET och vice-versa. Detta bekräftar att AI-modeller inte är universella utan att rätt modell måste väljas för rätt ändamål.

Därför är det avgörande att företag inte bara inför AI utan också gör det med en strategi som säkerställer att tekniken används på ett ansvarsfullt och optimerat sätt.

AI-mognad och strategiska val

För att fatta rätt beslut kring AI måste företag förstå var de befinner sig i sin digitala transformation. Som en av CGI:s samarbetspartners erbjuder AI Sweden tillsammans med AppliedAI en strukturerad analys av företags AI-mognad. Denna utvärdering ger insikter om organisationens styrkor och utvecklingsområden vilket gör det möjligt att prioritera investeringar och välja rätt AI-lösning.

När AI ska implementeras i affärskritiska processer är det avgörande att välja mellan en molnbaserad och en on-prem-lösning. Båda alternativen har sina fördelar och nackdelar och valet bör grunda sig på verksamhetens behov av kontroll, säkerhet och flexibilitet.

Vad erbjuder de bägge strategierna?

Molnbaserade AI-lösningar innebär att känsliga data hanteras av en extern leverantör vilket kan medföra förlust av kontroll och ökad risk för compliance-problem. Regelverk som GDPR och DORA skapar dessutom juridiska gråzoner kring datalagring och tredjepartsåtkomst vilket kan leda till osäkerheter kring regelefterlevnad. En annan risk med molnet är att generativa AI-modeller kräver stora mängder träningsdata och att det kan vara svårt att säkerställa att dessa inte lagras eller används av leverantören. Driftstörningar och förändrade användningsvillkor hos molnleverantörer kan också påverka affärsverksamheten negativt och företag riskerar att hamna i en situation där de är inlåsta i en specifik leverantörs ekosystem vilket begränsar flexibiliteten.

Att istället välja en on-prem-lösning kan ge flera fördelar. Företaget behåller full kontroll över sin data och infrastruktur och undviker därmed risken för obehörig tredjepartsåtkomst. Det blir också enklare att uppfylla finansiella regelverk eftersom all hantering sker internt. Dessutom kan AI-modeller skräddarsys och optimeras för specifika affärsprocesser vilket ger högre precision och bättre prestanda. På lång sikt kan on-prem-lösningar vara mer kostnadseffektiva genom att undvika löpande avgifter och prisjusteringar från molnleverantörer och företag får friheten att välja och anpassa AI-modeller efter sina egna behov utan att vara låsta till en specifik leverantör.

Samtidigt innebär on-prem en hög initial investeringskostnad vilket kan vara en utmaning för många företag. Implementeringen kräver betydande investeringar i hårdvara och resurser för installation, underhåll och uppdateringar samt teknisk expertis för att hantera och optimera AI-lösningen. Utan rätt specialistkompetens kan det vara svårt att maximera värdet av en on-prem-lösning.

Vilken strategi ska väljas?

Generativ AI har potential att omvandla finanssektorn men valet mellan molnbaserade och on-prem-lösningar är en strategisk fråga som kräver noggrant övervägande. Molnlösningar erbjuder skalbarhet men kan även innebära säkerhetsrisker medan on-prem ger full kontroll, dock till en hög initial investering.

Företagen måste ställa sig frågan: Är vi villiga att lagra vår absolut mest känsliga och konfidentiella information i molnet, ofta vid andra sidan av Atlanten? Om svaret inte är ett klockrent JA!, är en on-prem-lösning det korrekta valet.

Vad tycker du? Är on-prem-lösningar framtiden för finanssektorn eller är det värt att ta risken med molnbaserad AI? Dela gärna dina tankar och insikter!