Un modèle opérationnel propulsé par l’IA pour les équipes de livraison d’une grande banque nord-américaine
Une grande banque avait investi dans des outils d’IA, mais ses équipes de livraison travaillaient comme elles l’avaient toujours fait. Pendant 15 semaines, nous avons formé plus de six cellules de livraison et travaillé en leur sein, mis l’IA au travail sur tout le cycle de vie du logiciel avec des points de contrôle humains, et laissé une feuille de route pour étendre la démarche.
- Client
- Une grande banque nord-américaine
- Secteur
- Services bancaires
- Durée
- 15 semaines
Le défi
- L’IA était traitée comme un achat d’outils, et non comme un changement dans la façon de travailler du personnel.
- Les processus de livraison étaient complexes, cloisonnés et différents dans chaque unité d’affaires.
- Le savoir institutionnel n’était pas documenté, ce qui limitait ce que l’IA pouvait en faire.
- Il n’existait aucun moyen de mesurer l’adoption de l’IA, l’habilitation du personnel ou l’amélioration de la livraison.
- Les modèles de gouvernance et de responsabilité n’étaient pas conçus pour une façon de travailler propulsée par l’IA.
Ce que nous avons fait
- Nous avons donné à chaque cellule un camp de formation immersif d’une semaine, portant sur l’IA tout au long du cycle de vie du logiciel et sur la planification conjointe de travaux réels.
- Nous avons intégré des ingénieurs d’Electric Mind à des cellules de livraison actives pour appliquer les nouvelles pratiques à des projets en cours.
- Nous avons défini comment l’IA accélère chaque phase (définition, conception, développement et tests), avec des points de contrôle humains entre les phases.
- Nous avons livré un modèle opérationnel cible et une feuille de route priorisée couvrant les personnes, les processus et la technologie.
- Nous avons rédigé une stratégie de formation d’entreprise et un plan d’habilitation du personnel pour que la banque puisse continuer d’étendre le changement par elle-même.
Résultats
Les cellules utilisent maintenant l’IA de la définition au déploiement, avec des personnes qui approuvent le travail à chaque point de contrôle. La banque en est ressortie avec un personnel mieux outillé en IA et des équipes de livraison plus rapides, ainsi qu’avec un modèle opérationnel, une feuille de route et un plan de formation qui lui permettent d’étendre l’approche à d’autres équipes sans dépendre d’une hausse des effectifs.
Réalisations
Autres études de cas.
Lancer une plateforme de paiement de banque à banque avec Clik2pay
Clik2pay voulait permettre aux gens de payer leurs factures directement à partir de leur compte bancaire, dans un marché encombré où la sécurité départage les gagnants. Nous avons bâti et lancé la plateforme avec l’entreprise, puis l’avons aidée à bâtir l’équipe qui l’exploite aujourd’hui.
Lancée puis confiée à l’équipe produit de Clik2pay
Lire l’étude de casTrouver où les agents d’IA sont rentables dans les opérations bancaires courantes
Une banque nord-américaine voulait utiliser des agents d’IA pour éliminer les frictions de ses opérations bancaires courantes. En 12 semaines, nous avons évalué ses processus avec 16 équipes, validé les idées les plus prometteuses au moyen de prototypes fonctionnels et bâti la feuille de route que la banque met maintenant en œuvre.
10 à 15 M$ d’économies annuelles cernées, mais pas encore réalisées
Lire l’étude de casRenouveler la stratégie et l’architecture de données de l’une des 20 plus grandes banques régionales américaines
Une banque régionale dotée d’une plateforme de données bien établie nous a demandé de renouveler sa stratégie de données pour l’analytique et l’IA. Nous avons comparé sa maturité à celle de ses pairs et conçu l’architecture cible et le modèle opérationnel que la banque a adoptés comme feuille de route en matière de données.
De 2,3 à 3,3 en maturité des données sur deux ans, selon un modèle étalonné sur les pairs
Lire l’étude de casProchaine étape
Dites-nous ce que vous devez mettre en production.
Une personne chevronnée de notre équipe lit chaque message et vous répond pour planifier un court appel.