Il settore finanziario è sempre stato all'avanguardia nell'adozione di nuove tecnologie alla ricerca di efficienza e di un vantaggio competitivo. Questa spinta a esplorare nuove possibilità tecnologiche interagisce in modi interessanti con le dimensioni imponenti di molte di queste organizzazioni, il che comporta anche la necessità di standardizzare e sistematizzare le nuove tecnologie il più rapidamente possibile.
Tutto ciò significa che vale sempre la pena dialogare con gli operatori del settore finanziario, sia per comprendere i loro progetti, sia perché fungono da indicatori anticipatori delle tendenze emergenti che influenzeranno altri settori nel prossimo futuro.
Cosa abbiamo sentito alla FIMA
In questo spirito, il team di SnapLogic era presente al FIMA, un evento dedicato alla gestione dei dati nel settore finanziario. Molte delle organizzazioni rappresentate all'evento sono, ovviamente, già clienti di SnapLogic, come ad esempio Voya Financial.
Kevin Hickey, che lavora per Voya in qualità di vicepresidente del reparto Architettura per il digitale, i dati e l’intelligenza artificiale, ed io abbiamo partecipato a una tavola rotonda dal titolo «Metriche che contano: rendere operativa la governance dei dati per ottenere risultati aziendali misurabili». In realtà, tutte le aziende rappresentate alla tavola rotonda, tranne una, sono già clienti di SnapLogic!
Kevin collabora ormai da alcuni anni con SnapLogic per attuare una trasformazione tecnologica in tutte le divisioni di Voya. Ecco alcuni dei fattori chiave che lo hanno spinto a scegliere SnapLogic:
- L'integrazione della piattaforma con il suo parco tecnologico attuale e quello previsto per il futuro, dai mainframe al cloud Azure cloud a Databricks
- Una serie completa di connettori, che include modelli avanzati come ELT, fondamentali per il suo progetto "Lakehouse" con Databricks
- Esperienza per gli sviluppatori: facile da usare, scalabile e performante
Dal debito tecnico al debito di dati
Molte altre organizzazioni presenti al FIMA 26 avevano obiettivi simili. E, in effetti, una delle prime riflessioni che mi sono venute in mente ha riguardato il passaggio dal concetto di «debito tecnico» a quello di «debito di dati». Molte organizzazioni hanno cercato di affrontare la modernizzazione dei sistemi legacy come una convergenza delle piattaforme, sostituendo le singole soluzioni con un’unica fonte di verità.
Questo tipo di razionalizzazione funziona raramente, quindi il risultato finale è tutta la complessità preesistente, con in più una sovrapposizione incompleta.
C'è anche la percezione che la modernizzazione sia in concorrenza con nuove iniziative come l'intelligenza artificiale. Ma, come abbiamo discusso io e Kevin durante la nostra tavola rotonda, in realtà è esattamente il contrario. Infatti, la corsa all'implementazione di nuovi servizi basati sull'intelligenza artificiale sta fungendo da catalizzatore per le iniziative esistenti, favorendo l'integrazione e la standardizzazione dei dati tra i sistemi già in uso.
I progetti di lungo corso volti a rendere i dati accessibili al di là dei confini tecnici e organizzativi stanno ricevendo un improvviso nuovo slancio, poiché le organizzazioni ne comprendono l'importanza per le loro ambizioni in materia di IA.
Svelare i segreti della «materia oscura dei dati»
Ciò è in parte dovuto al fatto che la maggior parte dei progetti di integrazione dei dati del passato si concentrava (com'è comprensibile!) sui dati visibili, ovvero su ciò che si sapeva già esistere nelle applicazioni, nei database e in altri archivi. Tuttavia, gran parte delle informazioni utilizzate quotidianamente per le operazioni aziendali è quella che potremmo definire la «materia oscura dei dati».
Proprio come si ritiene che la materia oscura costituisca una porzione dell’universo di gran lunga superiore a quella di tutta la materia visibile, enormi quantità di conoscenza istituzionale sono racchiuse in file PDF, fogli di calcolo e simili. L’intelligenza artificiale offre la possibilità di rendere accessibile tutta questa «materia oscura», attraverso tecniche quali la Retrieval-Augmented Generation (RAG).
La governance come acceleratore, non come ostacolo
Il rovescio della medaglia del dibattito sui potenziali vantaggi dell'IA è stata la discussione sulla necessità di gestire i rischi, garantendo l'adozione di controlli e misure di sicurezza per assicurare l'allineamento dell'IA e la conformità in questo settore fortemente regolamentato.
Anche in questo caso, però, si è verificato un interessante cambiamento di prospettiva: mentre prima gli organi di governance (sia interni che esterni) erano visti come ostacoli che rallentavano l’introduzione di nuove funzionalità, ora la governance sta accelerando per stare al passo con l’evoluzione tecnologica — pur mantenendo, ovviamente, i livelli di controllo e supervisione necessari.
Dopotutto, non si tratta di stabilire se queste tecnologie verranno utilizzate, ma solo di capire con quanta responsabilità e trasparenza verranno adottate. Ecco alcune citazioni interessanti che ho sentito durante l'evento:
- «Il caos dei dati porta al caos della conoscenza»
- «Se si inseriscono dati errati, si ottiene un risultato disastroso»
- «Adottare l'intelligenza artificiale su un'infrastruttura dati non gestita è come montare dei razzi su una carrozza trainata da cavalli: sarà spettacolare, ma non in senso positivo»
Queste considerazioni sottolineano con forza il fatto che, senza una solida base di governance dei dati, è improbabile che l'adozione dell'IA porti a risultati sicuri e vantaggiosi.
I dati gestiti rappresentano una risorsa strategica
L'opinione comune era che il valore intrinseco delle enormi quantità di dati gestiti dalle istituzioni rappresentate alla FIMA fosse determinato dalla loro gestione e dalle possibilità che essa offre. I dati non gestiti rappresentano un costo, sia direttamente, per lo spazio di archiviazione che occupano, sia indirettamente, per lo sforzo necessario a garantire la conformità a tutte le varie normative applicabili.
Ma, se gestita correttamente, diventa una vera risorsa, soprattutto quando viene arricchita con informazioni provenienti da tutta l'organizzazione — compresi (soprattutto) i dati non strutturati.
In che modo SnapLogic aiuta gli istituti finanziari
Si tratta, ovviamente, di temi su cui SnapLogic si concentra da anni. I nostri clienti di lunga data, come Voya, sono pronti a cogliere le nuove opportunità che si presentano perché dispongono già di una visibilità completa su tutti i dati, le app e i sistemi che oggi gestiscono la loro attività. Ciò significa che non vi è alcun divario tra le loro attuali ambizioni in materia di IA e la realtà dei dati su cui si fondano.
La buona notizia è che, poiché SnapLogic integra e potenzia i sistemi già esistenti senza richiedere una migrazione lunga (e rischiosa!) come primo passo, possiamo aiutarvi a evitare molti dei vicoli ciechi e delle lunghe deviazioni che altrimenti sarebbero necessari, e prepararvi a ottenere vantaggi concreti e tangibili basati su una solida strategia dei dati — sia nell’ambito dell’intelligenza artificiale, sia in qualsiasi altro settore che possa offrire i maggiori benefici a voi e ai vostri utenti.
E naturalmente, se dovessi decidere di abbandonare il tuo middleware di integrazione legacy, possiamo aiutarti anche in questo! SnapLogic Intelligent Modernizer (noto anche come SLIM) è la soluzione ideale per salvare integrazioni preziose, sviluppate nel corso di anni o forse addirittura decenni, dalle piattaforme obsolete su cui sono bloccate — e farlo in modo rapido, senza rischi indefiniti.
Per scoprire come SnapLogic può accelerare il tuo percorso verso un futuro basato sui dati e pronto per l'intelligenza artificiale, partecipa a un tour autoguidato della piattaforma oppure prenota oggi stesso una demo personalizzata oggi stesso.
