Репортаж от Wedoany，Первой распространенной проблемой, с которой столкнулся Чикагский Metropolitan Bank, стало трение данных. Многие банки по-прежнему полагаются на локальное устаревшее оборудование для работы основных систем и используют пакетную передачу данных для анализа клиентов. Такой подход замедляет принятие решений и ограничивает практическое применение генеративного ИИ. Согласно опросу Google Cloud среди руководителей банков США в 2023 году, 49% респондентов считают главным преимуществом ИИ повышение операционной эффективности и экономию средств, а 45% — улучшение работы с данными и прогнозную аналитику. Однако каждый раз, когда новой модели требуются пользовательские данные из основных систем на COBOL или экземпляров SQL Server в пригородных центрах обработки данных, ход проекта часто застопоривается.
Еще одной проблемой является сложность обеспечения безопасности. Гибридная топология, соединяющая филиалы с несколькими центрами обработки данных, приводит к несогласованным политикам межсетевого экрана. Командам часто приходится вручную проверять каждое новое приложение, что вносит задержки. В то же время такие регулирующие органы, как Федеральная резервная система (Federal Reserve), Управление валютного контролера (OCC) и Федеральная корпорация страхования депозитов (FDIC), совместно подчеркивают, что банки, использующие публичные облака, должны демонстрировать высокую операционную устойчивость и управление рисками третьих сторон. Поэтому банки, рассматривающие облачные сервисы, стремятся найти путь, позволяющий им осуществлять поэтапную миграцию, сохраняя при этом полную аудируемость.
Прогнозируемость затрат стала ключевым вопросом на уровне совета директоров. Руководство хочет перейти от модели капитальных затрат, связанных с циклами обновления оборудования, к модели операционных затрат, соответствующих объему использования, но при этом ожидает четкого прогноза расходов. Это особенно важно для аналитических песочниц, где потребление ресурсов может быстро расти, когда специалисты по данным экспериментируют с большими языковыми моделями.
Банки в этом регионе обычно оценивают варианты модернизации облачных решений, уделяя внимание инфраструктуре данных, возможностям искусственного интеллекта и архитектуре безопасности. Каждая из этих областей требует разных решений. Оценка данных обычно начинается с анализа существующих архитектур хранилищ данных и озер данных. Команды проверяют, поддерживают ли их среды SQL Server, Teradata или Oracle передачу данных в реальном времени или полагаются на ночную пакетную обработку ETL. Согласно отчету IDC, более 65% банков по всему миру планируют к 2025 году отдать приоритет облачным платформам данных для поддержки отчетности в реальном времени, персонализации и управления рисками. Таким образом, покупатели строят свои оценочные рамки вокруг долгосрочной масштабируемости, а не прямого переноса.
Этап оценки ИИ сосредоточен на том, отдает ли организация приоритет клиентоориентированным возможностям, внутренним инструментам повышения производительности или моделям оценки рисков. Wells Fargo расширил стратегическое партнерство с Google Cloud, предоставив сотрудникам инструменты ИИ для автоматизации рутинных задач и улучшения обслуживания клиентов, что служит эталоном для продвижения подобных инициатив в филиальном и инвестиционном банкинге. Банки, оценивающие аналогичные модели, обычно сравнивают варианты хостинга моделей, предлагаемые различными облачными провайдерами, способы изоляции данных и то, интегрирована ли функция векторного поиска с существующими архивами документов.
Оценка безопасности обычно определяется мерами контроля, необходимыми для аудита. Некоторые команды сопоставляют свою архитектуру с фреймворком кибербезопасности NIST и мерами контроля SP 800-53, в то время как другие предпочитают структуру, соответствующую ISO 27001. Покупатели обращают внимание на то, как ведение журналов, захват пакетов и структура IAM интегрируются с их системами управления информацией и событиями безопасности (SIEM) или инструментами соответствия требованиям. Они также оценивают, как работает гибридное подключение, поскольку несколько банков в Чикаго по-прежнему используют мейнфреймы для обработки чеков или карточных систем.
Sogeti US решает эти проблемы, направляя технические команды на внедрение гибридной модели развертывания, сочетающей локальные центры обработки данных и облачные управляемые сервисы. Как только банк выбирает направление, обычно применяется поэтапное развертывание, а не массовая миграция. Начальный этап часто фокусируется на установлении безопасного сетевого подключения. Некоторые учреждения начинают с туннелей IPSec VPN, а затем переходят на выделенные каналы связи, когда требования к пропускной способности и надежности становятся более четкими. Архитектура маршрутизации, политики NAT и пересекающиеся IP-диапазоны часто становятся ранними препятствиями.
Следующим шагом обычно является миграция данных. Команды в первую очередь переносят аналитические нагрузки, поскольку эти системы менее связаны с ежедневными транзакциями. Этот этап включает рефакторинг конвейеров ETL, создание уровня управления и настройку управления доступом на основе ролей в облачной структуре IAM. Банки, находящиеся под строгим надзором, часто интегрируют облачные журналы аудита непосредственно в свои панели мониторинга соответствия требованиям до перемещения любых конфиденциальных данных.
Сервисы ИИ обычно появляются на последующих этапах. Финансовые учреждения могут сначала протестировать внутренние сценарии использования, такие как обобщение документов или анализ транскрипций колл-центров. Это помогает усовершенствовать рабочие процессы с участием человека и механизмы контроля предвзятости до внедрения клиентоориентированных систем. Многие учреждения подчеркивают, что процессы должны соответствовать внутренним политикам управления модельными рисками, включая процедуры очистки входных данных и мониторинга выходных данных.
На всех этапах решающее значение имеет межфункциональная координация. Команды инфраструктуры занимаются подключением, команды данных — приемом и преобразованием данных, а команды управления обеспечивают соответствие нормативным ожиданиям на каждом шаге. Такие партнеры, как Sogeti US, могут помочь стандартизировать эти рабочие процессы и ускорить принятие архитектурных решений.
Банки, оценивающие результаты, отслеживают улучшения, напрямую связанные с бизнес-целями. В области данных команды стремятся к более своевременному получению атрибутов клиентов, сокращению ручного объединения данных и возможности проводить анализ по нескольким продуктам без многократной выгрузки. Многие банки ожидают, что эти функции поддержат более интеллектуальный маркетинг и принятие решений по рискам, что согласуется с оценкой McKinsey за 2023 год о том, что продвинутая аналитика и ИИ могут повысить операционную прибыль розничных банков до 25%.
В сфере ИИ руководители измеряют скорость развертывания новых моделей, частоту использования ИИ-ассистентов бизнес-подразделениями и способность внутренних команд управлять контролем подсказок. Они также учитывают, значительно ли сократили генеративные инструменты циклы ручной проверки в кредитных или комплаенс-процессах. Что касается безопасности, прогресс оценивается по степени интеграции журналов и политик IAM, сокращению исключений из политик в филиалах и улучшению видимости отчетов об устойчивости. Регуляторы подчеркивают необходимость отслеживаемости облачных рабочих нагрузок для банков, поэтому покупатели обращают внимание на степень интеграции облачных журналов с внутренними инструментами аудита.
В процессе изучения банками Чикаго внедрения облачных решений Google Cloud покупатели в целом считают, что поэтапный перенос снижает риски, особенно когда система управления данными еще совершенствуется. Ранние инвестиции в сетевую архитектуру сэкономят время, когда впоследствии потребуется подключение транзакционных систем. Согласование развертывания с фреймворками NIST или ISO упрощает диалог с аудиторами, поскольку регулирующие органы уже ожидают эти структуры контроля. Оценщики также обнаружили, что четкое определение того, какие рабочие нагрузки будут перенесены в первую очередь, а какие останутся локальными, предотвращает распространение запутанной гибридной топологии. Структурированная дорожная карта позволяет сохранить предсказуемость миграции и минимизировать переделки.
Банки за пределами Чикаго и общественные банки сталкиваются с аналогичными ограничениями. Тот же путь оценки применим, особенно когда основные поставщики банковских услуг, такие как Jack Henry, сотрудничают с Google Cloud для поддержки модернизации технологического стека следующего поколения для финансовых учреждений. Покупателям в целом необходимо четко определить цели в области данных, сформулировать видение ИИ, согласовать действия с нормативными рамками и целенаправленно спроектировать гибридное подключение. Большинство банков осуществляют развертывание поэтапно. Создание сетевой основы обычно происходит в первую очередь и требует внутреннего рассмотрения. Затем следует миграция данных, которая занимает больше времени из-за координации проверок управления и происхождения данных. Сервисы ИИ добавляются после того, как безопасность и структура данных стабилизируются.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
