L’optimisation des plateformes offre aux clients et aux parties prenantes une meilleure façon d’effectuer des opérations bancaires
Et ainsi, ils ont commencé à voir les avantages de faire les choses eux-mêmes. Ainsi, le changement de culture a été, je pense, l’une des choses les plus importantes que nous ayons réalisées au cours des dernières années, depuis mon arrivée. Deuxièmement, nous avons construit tout un ensemble de capacités, que nous appelons capacités communes. Des choses comme comment configurer de nouveaux flux de travail ? Comment prendre des décisions à l’aide de feuilles de calcul et de modèles de décision plutôt que de les coder dans des systèmes ? Ainsi, vous pouvez le configurer, le modifier et faire les choses plus efficacement. Et puis des outils comme des listes de contrôle, qui peuvent être à nouveau intégrés dans des systèmes et automatisés en quelques minutes, dans de nombreux cas. Aujourd’hui, des millions de tâches et des millions de décisions sont exécutées grâce à ces capacités, ce qui a soudainement changé la donne dans notre capacité à fournir une automatisation à grande échelle.
Enfin, l’IA et l’apprentissage automatique jouent désormais un rôle important dans les fondements de tout ce que nous faisons en matière d’opérations et de services clients. Par exemple, nous effectuons de nombreuses analyses de processus. Nous effectuons l’équilibrage de charge. Ainsi, lorsqu’un client appelle, vers quel agent ou vers quel groupe de personnes dirigeons-nous cet appel client afin qu’il puisse réellement servir le client le plus efficacement possible. Dans le domaine des paiements, nous faisons beaucoup appel au machine learning. La détection de la fraude en est une autre, et je dirai que je suis très heureux que nous ayons eu le temps d’investir et de réfléchir à toutes ces capacités fondamentales. Nous sommes donc désormais prêts à affronter la prochaine grande étape des changements qui sont désormais à notre portée, en particulier dans le monde en évolution de l’IA et de l’apprentissage automatique et, bien sûr, du cloud public.
Laurier: Excellent. Oui, vous avez certainement souligné la diversité des offres du cabinet. Ainsi, lorsque vous créez de nouvelles technologies et plates-formes, quelles sont certaines des méthodologies et pratiques de travail que vous utilisez pour créer à grande échelle, puis optimiser ces flux de travail ?
Vrinda : Oui, comme je l’ai déjà dit, la banque privée propose de nombreuses offres, mais amplifiez cela avec toutes les autres offres proposées par JPMorgan Chase, la franchise, une banque commerciale, une banque de financement et d’investissement, une banque de consommation et communautaire, et bon nombre de nos clients couvrent tous ces secteurs d’activité. Cela apporte de nombreux avantages, mais cela comporte aussi des complexités. Et l’une des choses qui m’obsède personnellement est de savoir comment simplifier les choses, sans ajouter à la complexité ? Deuxièmement, il y a un mantra de réutilisation. Ne réinventez pas, car il est facile pour les technologues de regarder un logiciel et de dire : « C’est génial, mais je peux créer quelque chose de mieux. » Au lieu de cela, les trois choses sur lesquelles je demande aux gens de se concentrer et sur lesquelles notre organisation et nos partenaires se concentrent collectivement sont tout d’abord d’examiner les résultats commerciaux. Nous coachons nos équipes sur le fait que le succès et l’innovation ne viennent pas de la reconstruction de quelque chose que quelqu’un a déjà construit, mais plutôt de l’exploiter et de franchir le pas suivant en y ajoutant des fonctionnalités supplémentaires pour créer des résultats commerciaux à fort impact.
Donc, concentrons-nous sur le résultat numéro un. Deuxièmement, si vous rencontrez un problème, essayez de l’examiner dans une perspective plus large pour voir si vous pouvez résoudre le modèle plutôt que ce problème spécifique. Alors, je vais vous donner un exemple. Nous avons construit un chatbot appelé Casey. C’est actuellement l’un des produits les plus appréciés de notre banque privée. Et Casey ne fait rien de vraiment complexe, mais il résout un modèle très courant, qui consiste à poser quelques questions simples, à obtenir les entrées, à joindre cela aux services de données, à joindre cela aux services d’exécution et à terminer la tâche. Et nous avons des centaines de milliers de tâches que Casey effectue chaque jour. Et l’un d’entre eux, notamment une fonctionnalité très simple, le client souhaite une lettre de référence bancaire. Casey est appelé à le faire des milliers de fois par mois. Et ce qui prenait autrefois trois ou quatre heures à produire ne prend plus que quelques secondes.
Donc, cela change soudainement le résultat, change la productivité et change le bonheur des gens qui font des choses que vous savez qu’ils considéraient eux-mêmes comme banales. Donc, résoudre le modèle, encore une fois, est important. Et enfin et surtout, se concentrer sur les données est l’autre chose qui nous a aidé. Rien ne peut être amélioré si vous ne le mesurez pas. Donc, pour vous donner un exemple de processus, la première chose que nous avons faite a été de sélectionner les processus les plus complexes et de les cartographier. Nous avons compris chaque étape du processus, nous avons compris le but de chaque étape du processus, le temps pris dans chaque étape, nous avons commencé à nous demander : avez-vous vraiment besoin de cette approbation de cette personne ? Nous avons constaté que depuis six mois, pas un seul élément n’a été rejeté. Alors, est-ce même une approbation significative pour commencer ?
En se demandant si ce processus pourrait être amélioré grâce à l’IA, l’IA pourrait-elle dire automatiquement : « Oui, veuillez approuver » ou « Il y a un risque à ce que cela ne soit pas approuvé » ou « C’est bon, cela nécessite un examen humain ». Et puis apporter ces changements dans nos systèmes et nos flux, puis mesurer de manière obsessionnelle l’impact de ces changements. Tout cela nous a apporté de nombreux avantages. Et je dirais que nous avons fait des progrès significatifs rien qu’avec ces trois principes : se concentrer sur les résultats, se concentrer sur la résolution du modèle et se concentrer sur les données et les mesures dans des domaines tels que l’intégration des clients, dans des domaines tels que la maintenance des données clients, et cetera. Cela nous a donc été très utile car dans une banque comme la nôtre, l’échelle est extrêmement importante.
Laurier: Ouais, c’est une très bonne explication. Alors, lorsque de nouveaux défis surviennent, comme le passage au cloud public, comment équilibrer les opportunités à cette échelle, mais aussi la puissance et les ressources de calcul, dans le coût de l’investissement réel ? Comment garantir que la transition vers le cloud soit réellement efficace à la fois financièrement et opérationnellement ?
Vrinda : Excellente question. Il est donc évident que tous les technologues du monde sont très enthousiasmés par l’avènement du cloud public. Cela nous donne les pouvoirs de l’agilité et des économies d’échelle. Chez JPMorgan Chase, nous sommes en mesure de tirer parti de capacités évolutives de classe mondiale à portée de main. Nous avons également la possibilité de nous associer à des technologies talentueuses chez les fournisseurs de cloud et de nombreux fournisseurs de services avec lesquels nous travaillons et qui proposent des solutions avancées disponibles en premier sur le cloud public. Nous avons hâte de mettre la main dessus. Mais cela implique une grande responsabilité car en tant que banque, nous devons nous soucier de la sécurité, des données des clients, de la confidentialité, de la résilience, de la manière dont allons-nous fonctionner dans un environnement multi-cloud, car certaines données doivent rester sur site dans notre nuage privé. Il y a donc beaucoup de complexité, et nous avons des ingénieurs à tous les niveaux qui y réfléchissent beaucoup, et leur travail jour et nuit consiste à essayer de comprendre cela.
Alors que nous envisageons de passer au cloud public dans ma région, je passe personnellement du temps à réfléchir en profondeur à la manière dont nous pourrions construire des architectures financièrement efficaces. Et la raison pour laquelle j’en parle est que, traditionnellement, lorsque nous pensons aux centres de données où notre matériel et nos logiciels sont hébergés, les développeurs et les architectes n’ont pas à se soucier des coûts, car vous commencez par dimensionner l’infrastructure, vous commandez cette infrastructure, c’est captif, il reste dans le centre de données et vous pouvez l’étendre, mais il s’agit d’un coût unique à chaque mise à niveau. Avec le cloud, cette situation change radicalement. C’est à la fois une opportunité mais aussi un risque. Ainsi, une optique financière devient alors très importante dès le départ. Permettez-moi de vous donner quelques exemples de ce que je veux dire. Les développeurs du cloud public disposent d’un grand pouvoir, et ce pouvoir s’accompagne de responsabilités.
