Streszczenie: Aby firma mogła stać się liderem w dziedzinie sztucznej inteligencji, nie wystarczy jedynie inwestowanie w technologie. Kluczowym elementem jest pełne zaangażowanie na poziomie strategicznym oraz integracja AI w codzienne operacje firmy. Proces wdrażania AI wymaga nie tylko odpowiednich narzędzi, ale również zmiany w podejściu do zarządzania, struktury organizacyjnej oraz kultury korporacyjnej. Aby osiągnąć sukces, organizacja musi posiadać zespół ekspertów, którzy będą w stanie rozwijać i wdrażać rozwiązania AI, oraz odpowiednią infrastrukturę, która umożliwi ich efektywne wykorzystanie. Ważne jest także, aby liderzy firm nie traktowali AI jako projektu technologicznego, lecz jako istotny element transformacji biznesowej.
Jest wiele organizacji, które eksperymentują ze sztuczną inteligencją (AI), ale relatywnie niewiele z nich postanowiło całkowicie zaangażować się we wdrożenie tej technologii. Jedną z firm, która znalazła się na tej ścieżce, jest Mastercard.
Wykorzystując akwizycje i wewnętrzne kompetencje, Mastercard wyznacza sobie jasny cel: stać się „potęgą w dziedzinie AI”. Co oznacza to sformułowanie i na czym w praktyce polega implementacja tej strategii?
Potęga w dziedzinie AI – co to takiego?
Niektórzy taką szeroko zakrojoną implementację sztucznej inteligencji określają mianem „AI first” (AI w pierwszym rzędzie). Inni w tym kontekście używają sformułowania „AI fueled” (napędzany AI) lub „All in on AI” (wszystkie siły w kierunku AI). (To ostatnie jest ulubionym określeniem Toma, bo taki jest właśnie tytuł jego następnej książki). Niezależnie jednak od tego, jak opiszemy ten koncept, odnosi się on do tego, w jaki sposób organizacje wprowadzają AI do swoich działań biznesowych, czy algorytmy mają posłużyć do przekształcania firmy od strony operacyjnej, czy do tworzenia nowych produktów, usług i modeli biznesowych, a może muszą uporać się z wszystkimi tymi zadaniami jednocześnie. Te firmy wykorzystują więc wiele różnych technologii AI, mają bowiem wiele pomysłów na ich wykorzystanie w biznesie i doprowadzają algorytmy do fazy produkcyjnej.
Jak wskazywaliśmy we wcześniejszych artykułach, poziom zaangażowania w projekty związane ze sztuczną inteligencją jest niezwykły, jednak rezultaty często rozczarowują. W badaniach na temat AI przygotowanych w 2019 r. wspólnie przez „MIT Sloan Management Review” i Boston Consulting Group 65% respondentów stwierdziło, że ich ostatnie inwestycje w AI nie przyniosły spodziewanych efektów po części dlatego, że relatywnie niewiele projektów zostało ostatecznie wdrożonych. Dlaczego? Otóż część respondentów już na wstępie była nieufna w stosunku do tej technologii, a 45% z nich stwierdziło, że implementacja AI wiązała się z pewnym ryzykiem dla ich biznesu (rok wcześniej odsetek ten wynosił tylko 37%).
Dlatego, by rzeczywiście stać się „potęgą AI”, firmy powinny opracować szereg warunków początkowych. Po pierwsze, w proces implementacji AI należy zaangażować liderów najwyższego szczebla, ponieważ pomysły na jej wykorzystanie muszą wiązać się z opracowaniem nowych linii biznesowych, z czym z kolei wiążą się znaczące inwestycje. Po drugie, potrzeba dużej ilości wysokiej jakości danych, bo to właśnie na nich systemy uczenia maszynowego są trenowane. Po trzecie, talenty. Firmy potrzebują inteligentnych osób z dużą wiedzą, które mogą opracowywać i wdrażać systemy AI. Po czwarte wreszcie, ważne jest, by organizacje miały kompas etyczny, wskazujący, jak powinno się korzystać z AI i innych zasobów informacyjnych.
Mastercard spełnia wszystkie te początkowe warunki. Michael Melbach pełniący funkcję dyrektora wykonawczego (CEO) jest gorącym orędownikiem AI w Mastercard. Firma obsługuje 110 miliardów transakcji rocznie, zatrudniła wielu specjalistów w dziedzinie analizy danych (data scientists), a jej menedżerowie najwyższego szczebla od strony praktycznej znają się na tym zagadnieniu oraz na technologiach cyfrowych. Mastercard był również jedną z pierwszych firm, które oddelegowały jednego ze swoich menedżerów najwyższego szczebla, by zajął się kwestią etyki danych.
Budowanie kompetencji AI w Mastercard
Firma Mastercard nabywała kompetencje w dziedzinie AI w ostatnich latach, zarówno z myślą o użytku wewnętrznym, jak i korzyściach dla klientów, rozumianych jako banki, sprzedawcy bądź indywidualni konsumenci.
By rozwinąć dział danych i usług (Data & Services), który zewnętrznym klientom oferuje analitykę danych oraz rozmaite rozwiązania AI, Mastercard zakupił Dynamic Yeld, firmę software’ową zajmującą się personalizacją z wykorzystaniem AI.
Natomiast pracę działu Cyber & Intelligence (C&I), koncentrującego się na zapewnieniu bezpiecznych i bezproblemowych interakcji pomiędzy klientami Mastercard, konsumentami i partnerami na całym świecie, wsparła poprzez zakup firmy Brighterion, zajmującej się zapobieganiem nadużyciom (fraud prevention) właśnie za pomocą algorytmów sztucznej inteligencji. Dodatkowo Mastercard dokonał akwizycji NuData Security, innej organizacji koncentrującej się na zapobieganiu nadużyciom, ale stosującej behawioralną biometrię do rozpoznawania użytkowników. Na tym się nie skończyło. Kolejną transakcją był zakup firmy RiskRecon, specjalizującej się w wykrywaniu ryzyka cybernetycznego. Każdy z tych zakupów został dokonany po to, by zwiększać zaufanie klientów i zapewnić inkluzywność cyfrowego ekosystemu.
Wspomniany wcześniej dział C&I to najważniejszy obecnie element w Mastercard, jeśli chodzi o globalne wdrażanie rozwiązań AI. Kieruje nim Rohin Chauhan, wiceprezes do spraw sztucznej inteligencji. Chauhan ma doświadczenie w pracy z danymi. Zdobył je, między innymi kierując skoncentrowanym na potrzebach klientów działem danych i usług (Data & Services), zanim podjął się roli osoby odpowiedzialnej za AI. Dziś to właśnie na jego barkach spoczywa zadanie uczynienia z Mastercard „potęgi AI”.
Chauhan i jego zespół pracują na wielu frontach, aby sztuczna inteligencja była tak powszechna, „jak elektryczność” – to zresztą jego słowa.
Aby ten plan zrealizować, działania firmy w obszarze AI opiera się na pięciu filarach.
1. Wzmacnianie produktów i usług przez wykorzystanie AI
Pierwsze zadanie polegało na wykrywaniu nadużyć (fraud detection), ale Mastercard przełożył wypracowane na tym polu dobre praktyki na wiele innych produktów i usług, na przykład procedury potwierdzania tożsamości czy obciążeń zwrotnych (chargeback). Docelowo praktyki te mają objąć swoim zasięgiem wszystkie etapy procesu płatności.
2. Wzmacnianie wewnętrznych, biznesowych procesów operacyjnych dzięki AI
Chauhan twierdzi, że najbardziej dumny jest z aplikacji predykcyjnej, która przewiduje, jak będzie wyglądał biznes Mastercard za 90 dni. Robi to z 99% skutecznością. Firma stworzyła także oparte na AI predykcyjne moduły utrzymaniowe obsługujące serwery, za pośrednictwem których dokonywane są transakcje zainicjowane przez sprzedawców. Moduły te przewidują, czy i kiedy dojdzie do awarii serwerów, zanim do tego dojdzie i będzie już za późno. Dzięki temu ludzie z IT mogą zapobiegać awariom, zamiast „gasić pożar”.
3. Wspieranie klientów w ich własnych eksperymentach z AI
Chauhan twierdzi, że firmy często grzęzną w projektach big data i mają trudności z wdrażaniem nowych technologii. Właśnie dlatego, poza oferowaniem im produktów wykorzystujących sztuczną inteligencję, firma Mastercad stworzyła program o nazwie „AI Express”, w ramach którego współpracuje z innymi przedsiębiorstwami, by pomóc im w opracowaniu pomysłów wykorzystania AI w ich biznesie. Współpraca ta kończy się zazwyczaj po sześciu, ośmiu tygodniach po opracowaniu planu pilotażowego (proof of concept). Zespół C&I pracował już w takim trybie z wieloma bankami z całego świata.
4. Wykorzystywanie AI w słusznym celu
Mastercard stara się wykorzystywać sztuczną inteligencję na rzecz zrównoważonego rozwoju i poprawy jakości życia. Obecnie wiele projektów, w którym wprowadzono AI, związanych jest z inkluzywnym wzrostem i rozwojem społeczności lokalnych. Firma weszła w partnerstwo z organizacją non profit o nazwie Accion, by dzięki AI usprawnić wydawanie decyzji kredytowych w obszarze usług mikrofinansowania. Mastercard Center for Inclusive Growth (centrum Mastercard na rzecz inkluzywnego rozwoju) nawiązało współpracę z Data Science Institute na Uniwersytecie Chicagowskim oraz Data.org, by zwiększyć swoje społeczne oddziaływania przy wykorzystaniu nauki o danych (data science). Celem tych działań jest zbudowanie kompetencji w obszarze analityki danych w lokalnych społecznościach na całym świecie, w których dotąd takich kompetencji brakowało.
5. Nacisk na etyczny wymiar AI
W 2019 roku firma Mastercard zajęła jasne stanowisko w kwestii odpowiedzialności związanej z przetwarzaniem danych. Położono w nim nacisk przede wszystkim na to, że to klient jest właścicielem danych, ma nad nimi kontrolę i czerpie z nich korzyści. W kontekście sztucznej inteligencji oznacza to, że dane i modele wykorzystywane w procesie projektowania opartych na niej produktów, muszą spełniać firmowe kryteria transparentności, z wykluczeniem stronniczości i w zgodzie z przepisami.
Chauhan uważa, że już niedługo AI przeniknie wszystkie procesy funkcjonujące w Mastercard i trwale przeobrazi każdy z działów. Na razie specjalny scentralizowany zespół wewnątrz C&I ma za zadanie przekonywać jednostki biznesowe, jak ważna może być sztuczna inteligencja, pomagać im tworzyć projekty biznesowe wykorzystujące AI, rozwijać pilotażowe wdrożenia i szkolić w zakresie kompetencji AI.
Grupa, którą kieruje Chauhan, stara się budować organizacyjne kompetencje na wielu płaszczyznach, co obejmuje także szkolenie pracowników poszczególnych jednostek biznesowych. Powiedział nam: „Święcie wierzę, że nie trzeba zatrudniać nowych ludzi, można wyszkolić obecnych pracowników”.
Zespół zajmujący się sztuczną inteligencją znajduje i wskazuje najlepsze zestawy narzędzi, nawiązuje relacje z dystrybutorami, by na potrzeby całej firmy tworzyć duże bazy danych i magazyny gotowych rozwiązań AI (zestawów dobrze udokumentowanych zmiennych wielokrotnego użytku, które można wykorzystywać do budowania modeli uczenia maszynowego). Dodatkowo tworzy infrastrukturę pozwalającą doprowadzać pomysły do fazy wdrożenia produkcyjnego. Grupa ta opracowuje także proces zarządzania AI, zarówno pod kątem ludzkich kompetencji, jak i pod kątem narzędzi automatyzacyjnych takich jak uczenie maszynowe. A Mastercard eksperymentuje z automatycznym uczeniem maszynowym, które jak twierdzi Chauhan, ostatecznie ułatwi pracę wielu „cywilnym” analitykom danych, czyli po prostu osobom pracującym w różnych częściach firmy, które danymi nie zajmują się zawodowo. Tu jednak firma jest jeszcze na początku drogi.
Największym wyzwaniem dla wielu organizacji jest pozyskanie ludzi o odpowiednich kompetencjach do realizowania konkretnych celów. Mastercard ma na tym polu już pewne sukcesy, częściowo dzięki akwizycjom. Jednak Chauhan jest pewien, że organizacja może dalej rozwijać kompetencje w dziedzinie AI, także dzięki nowym rekrutacjom i wewnętrznym szkoleniom. Organizacje rzadko definiują swoje cele, twierdząc, że chcą „stać się potęgą” w jakiejś dziedzinie, bez przekonania, że są w stanie to osiągnąć.
