Как внедряют технологию RPA в финансовой и банковской отраслях

  • Дата публикации: 18.07.2018

Компания Capgemini опубликовала исследование, в котором приведены данные опроса более 1500 руководителей финансовых служб по всему миру

Некоторые компании в финансовой и банковской отраслях прекрасно внедряют RPA (роботизированную автоматизацию процессов), искусственный интеллект и автоматизацию бизнес-процессов, но в этих отраслях по-прежнему мало примеров практических кейсов, согласно докладу Capgemini «Growth in the Machine: How financial services can move intelligent automation from a cost play to a growth strategy».

Отчет основан на опросе более 1500 руководителей финансовых служб по всему миру, включая США, Великобританию, Индию и Европу. Основными секторами были розничные и коммерческие банки, рынки ценных бумаг и страхование. Доходы 42% организаций, рассмотренных в докладе, превышали $10 млрд.

Из перечисленных организаций только 10% внедрили автоматизацию в полном масштабе, 17% застряли на пилотной стадии, большое количество компаний (69%) продвинулись дальше.

Анализируя все этапы реализации — от концепции до полномасштабной реализации — Capgemini обнаружила, что 40% внедрили технологию RPA, но только 4% внедрили машинное обучение.

Согласно исследованию, Индия — лидер в автоматизации в полном масштабе. Это объясняется значительными инвестициями и наличием талантливых специалистов.

Малазийский CIMB Bank начал внедрение RPA в сентябре 2017 года для автоматизации целого ряда банковских операций, включая финансовую выверку, техническое обслуживание, электронное банковское обслуживание, подтверждение аудита. На сегодняшний день эта компания автоматизировала уже 47 процессов с заметным уменьшением времени обработки. Кроме того, банку удалось добиться впечатляющего 90%-го сокращения сроков выполнения девяти из 15 банковских процессов, которые были автоматизированы с RPA в ноябре 2017 года.

Около половины рассмотренных организаций сталкиваются с проблемами интеграции своих платформ автоматизации с устаревшими программными системами и инструментами. Для успешного запуска программы автоматизации требуется доступ ко всем исходным данным из нескольких систем. Это особенно актуально для тех процессов, которые полагаются на доступ к данным из нескольких систем (например, платежи). Получение и поддержание этого доступа осложняется многими факторами: технологической интеграцией, контролем изменений и другими проблемами риска и контроля.

«У нас было много технических проблем с различными платформами и обнаружили, что некоторые платформы не очень дружественны к роботам», —  поясняет Дженни Дальстрем, руководитель отдела внедрения программных роботов в Handelsbanken Capital Markets. «Мы столкнулись с проблемами контроля, правами доступа и брандмауэрами».

Неспособность создать бизнес-кейс

Компания Capgemini обнаружила, что 43% организаций не могут обнаружить процесс для автоматизации. Хотя на самом деле 41% изо всех сил пытаются стать лидерами в передовой автоматизации.

Достижение консенсуса по всем вопросам бизнеса — по таким, как оптимизируемые процессы или ясность в отношении ролей — было особенно сложной задачей для почти половины организаций.

«Разделение ответственности за процессы становится проблемой, особенно когда front-end или онлайн-процессы не интегрированы с другими процессами, — говорит Нильс Хенриксон, руководитель программы по цифровизации и автоматизации заявлений в Trygg-Hansa, скандинавской страховой компании. — Важно нести ответственность за процесс от и до. И это приведет к полному контролю автоматизации и лучшей координации».

Алгоритмы требуют правильных данных в достаточных объемах

Хотя игроки отрасли сделали значительные инвестиции в программы управления данными, ориентированные на качество и доступность, Capgemini выявила, что 46% считают, что отсутствие адекватной стратегии управления данными препятствует прогрессу.

«У нас есть огромные объемы данных, и мы не используем их в полной мере, — говорит Нильс Хенриксон из Trygg-Hansa. — Я думаю, что мы можем сделать гораздо больше с более оптимальным использованием данных с помощью машинного обучения».

Около половины респондентов заявили, что кибербезопасность и конфиденциальность данных являются основными факторами, препятствующими действиям. Проблема конфиденциальности связана с потенциальным неправильным использованием данных, содержащих личную информацию клиентов.

По оценкам компании, интеллектуальная автоматизация может добавить $512 млрд в глобальный доход компании по предоставлению финансовых услуг к 2020 году, $243 млрд в страховании, и $269 млрд в банковской сфере и на рынках ценных бумаг.

Idm.net, 13 июля 2018

Наверх