Bedrijven kunnen via met kunstmatige intelligentie (AI) en machine learning hun kosten aanzienlijk verminderen en hun efficiëntie vergroten, maar toch wagen fintechs nog te weinig de sprong. In mijn Silicon Valley-tijd heb ik gezien dat je dagelijkse activiteiten en processen kunt optimaliseren door AI en machine learning op de juiste manier te combineren. De technologie laat je toe betere beslissingen te nemen en baant zo de weg naar wereldwijde groei. Ik ben niet de enige die dit denkt. Het advieskantoor McKinsey becijferde dat AI-technologieën het wereld...

Bedrijven kunnen via met kunstmatige intelligentie (AI) en machine learning hun kosten aanzienlijk verminderen en hun efficiëntie vergroten, maar toch wagen fintechs nog te weinig de sprong. In mijn Silicon Valley-tijd heb ik gezien dat je dagelijkse activiteiten en processen kunt optimaliseren door AI en machine learning op de juiste manier te combineren. De technologie laat je toe betere beslissingen te nemen en baant zo de weg naar wereldwijde groei. Ik ben niet de enige die dit denkt. Het advieskantoor McKinsey becijferde dat AI-technologieën het wereldwijde bankwezen elk jaar tot één biljoen dollar aan extra waarde kan opleveren. Toch blijft AI voor veel fintechs vooral een hype. Minder dan 5% van de bedrijven heeft de technologie met succes geïmplementeerd. Veel ondernemingen lopen achter de feiten aan door een gebrek aan kennis. Ze schuwen AI overigens niet om het kostenplaatje. Het zijn vooral de operationele uitdagingen rond integratie die hen in de weg staan. Vaak ontbreekt het aan een goede organisatorische structuur, fundamentele datafuncties en aan draagvlak binnen het bedrijf. Vooral een duidelijke data- en gegevenspolitiek is bepalend voor een succesvol AI-beleid. De kracht van AI en machine learning ligt in het ontsluiten van data en inzichten die voorheen door verouderde en vaak handmatige processen niet toegankelijk waren. Daarbij is het niet de omvang van het bedrijf die bepaalt of het lukt om deze technologieën te implementeren. Het gaat erom dat je de beschikbare data ontsluit via één gemeenschappelijke informatiebron, waarin de opgeslagen data onderling met elkaar verbonden zijn. Als fundamentele datafuncties ontbreken, is het voor bedrijven verstandig om iemand aan te stellen om de data-architectuur te vernieuwen en te herstructureren. Die kan bijvoorbeeld een data lake (voor het verzamelen van grote hoeveelheden ruwe, ongestructureerde data) of een data warehouse (voor de opslag van vooraf gestructureerde data) creëren en de data flows in de organisaties herinrichten. Bedrijven die voor AI en machine learning kiezen, groeien twee keer zo snel. Hun ' return on investment' ligt bovendien drie keer hoger dan bedrijven die hun heil zoeken in traditionele en gescheiden inzet van data.Zo zag bijvoorbeeld een Japanse levensverzekeraar die AI gebruikte om uitbetalingen aan polishouders te berekenen, zijn productiviteit met 30% stijgen en realiseerde het bedrijf kostenbesparingen van zo'n één miljoen dollar per jaar.Maar om de omschakeling te maken moeten fintechs durven springen. Ze moeten de technologieën omarmen als een integraal onderdeel van het verdienmodel. Als bedrijven in de fintech-sector dit massaal doen, zullen niet alleen zij hier de vruchten van plukken. Ook de maatschappij zal genieten van een betere, op maat gemaakte dienstverlening.