Les investissements en intelligence artificielle (IA) des banques de Wall Street commencent à porter leurs fruits, mais il reste des défis à relever. McKinsey, dans un rapport récent, a analysé les éléments qui distinguent les entreprises performantes de celles qui stagnent dans leurs efforts d’adoption de l’IA.
Les investissements en IA à Wall Street
Depuis deux ans, l’IA générative attire l’attention des dirigeants bancaires. Ces institutions ont constitué des équipes de techniciens pour expérimenter cette technologie et réaliser des preuves de concept. Certaines initiatives ont été étendues à l’échelle de l’entreprise, touchant des milliers d’employés. Cependant, les leaders commencent à se demander quand ces investissements commenceront à générer des bénéfices.
Les défis des investissements en IA
Selon Larry Lerner, partenaire chez McKinsey, la question cruciale reste de savoir quand les banques réaliseront un retour sur investissement. Bien que certaines entreprises commencent à voir des économies de coûts et des revenus supplémentaires, beaucoup se retrouvent dans ce qu’il appelle le « purgatoire des preuves de concept », où elles stagnent dans une phase d’expérimentation sans résultats tangibles.
Ce qui sépare les gagnants des perdants
Les recherches de McKinsey montrent que les banques qui réussissent prennent quelques décisions clés :
- Concentration des efforts : Limiter les cas d’utilisation à quelques domaines spécifiques au lieu de disperser les ressources sur de multiples fronts.
- Achat des dirigeants : S’assurer que les dirigeants soutiennent et s’engagent dans l’utilisation de l’IA comme opportunité commerciale.
- Intégration avec d’autres technologies : Utiliser l’IA générative en association avec d’autres outils technologiques pour maximiser son impact.
Une approche orientée vers les résultats
Lerner souligne que les institutions qui considèrent l’IA comme une opportunité commerciale, et non seulement comme un problème technologique, ont tendance à mieux performer. Cela implique un changement de mentalité dans la façon dont l’IA est intégrée dans les opérations commerciales.
Mesurer le retour sur investissement
Il est essentiel de choisir des domaines où le retour sur investissement peut être suivi. L’utilisation d’outils d’IA pour améliorer l’expérience client, comme les copilotes de centre d’appels, peut générer une valeur mesurable. Par exemple, une grande banque a prévu une augmentation de 10 % de son chiffre d’affaires grâce à une nouvelle plateforme d’analyse ciblant de nouveaux clients.
La réutilisation comme clé de succès
Lerner recommande de construire des solutions une fois et de les déployer de multiples fois, ce qui permet d’accélérer les temps de développement et d’évoluer plus rapidement, car les outils ont déjà passé les validations nécessaires en matière de risques et de conformité.
L’importance de l’adoption
Enfin, le succès des initiatives d’IA dépendra de l’adoption par les employés et les clients. Lerner note que la plupart des entreprises ont eu des difficultés à obtenir un niveau d’adoption suffisant pour réaliser les résultats escomptés. L’engagement des équipes et des utilisateurs finaux est donc crucial pour maximiser les bénéfices de l’IA.