Techcombank redéfinit le secteur bancaire grâce à l’IA : de la technologie à l’avantage concurrentiel à long terme.

L’IA devient rapidement une priorité dans les stratégies de transformation de nombreuses organisations, mais le processus commence souvent par des applications isolées telles que les chatbots, les outils de support interne ou les modèles expérimentaux pour des problèmes spécifiques.

À mesure que nous passons à l’échelle supérieure, des goulots d’étranglement apparaissent : données fragmentées, systèmes d’exploitation disparates, mécanismes de décision à plusieurs niveaux et modèles organisationnels inadaptés. C’est aussi pourquoi les cas où l’IA peut être déployée de manière synchrone à grande échelle restent rares.

Dans le secteur financier et bancaire, ce problème est encore plus complexe. Selon le PDG de Techcombank, les modèles d’IA dans le secteur bancaire ne se limitent plus à l’aide à la production de rapports, à la création de contenu ou à la réponse aux questions, mais peuvent participer directement aux décisions relatives à la notation de crédit, à l’évaluation des risques ou aux conseils sur les produits. Lorsque l’IA influence les décisions stratégiques, les exigences en matière de données, de capacités de contrôle et de mécanismes opérationnels deviennent plus importantes que la technologie elle-même.

C’est aussi pourquoi l’IA a peu de chances de devenir un avantage stratégique si les entreprises n’ont pas résolu leurs problèmes fondamentaux. Autrement dit, l’IA ne remplace pas les compétences que les entreprises n’ont pas encore développées, mais agit plutôt comme un levier pour amplifier les capacités existantes au sein du système.

Dans une perspective plus large, la transformation technologique des entreprises se déroule selon une séquence évolutive assez claire : du cloud computing et de la transformation numérique à l’IA, et maintenant à la mise en place de systèmes de prise de décision basés sur les données et l’IA. Alors que les transformations numériques précédentes se concentraient sur la numérisation des processus, la phase suivante consiste à optimiser les décisions à grande échelle.

C’est également l’approche que Techcombank privilégie depuis de nombreuses années. Au lieu d’intégrer l’« intelligence » dans chaque application, la banque opte pour une couche décisionnelle centralisée, distincte des systèmes opérationnels. Selon Jens Lottner, les systèmes d’exécution restent ainsi relativement simples, tandis que l’analyse, l’évaluation des risques et les recommandations sont traitées de manière centralisée avant leur mise en œuvre.

Cette approche montre que l’IA ne se contente pas de modifier le fonctionnement des entreprises, mais qu’elle remodèle également la manière dont elles prennent leurs décisions.

Les trois piliers de la transformation de Techcombank.

L’analyse de la feuille de route de Techcombank révèle que sa structure opérationnelle s’est articulée autour de trois piliers au fil des ans : la digitalisation, les données et les talents. Ces domaines, dans lesquels la banque a investi pour renforcer ses capacités technologiques, constituent également le socle d’une stratégie de transformation à long terme, élaborée avant même que l’intelligence artificielle ne devienne un phénomène de masse.

Dans ce modèle, les données ne sont plus considérées comme un simple sous-produit de la technologie, mais comme un atout à maîtriser. Le système traite actuellement environ 8 milliards de points de données par jour, établit des profils clients comportant près de 12 000 attributs et exploite 55 modèles d’IA pour répondre à diverses problématiques d’application.

Cependant, le plus grand défi ne réside pas dans la technologie. Selon le PDG de Techcombank, la compétence la plus difficile à développer se situe à l’intersection du commerce et de la technologie : des personnes capables de comprendre à la fois le langage technique et les enjeux commerciaux. C’est un défi commun à de nombreuses entreprises vietnamiennes aujourd’hui. La technologie peut s’acquérir, mais la transformation organisationnelle et le développement des compétences prennent généralement beaucoup plus de temps.

Jens Lottner cite un exemple éloquent d’application réussie de l’IA : l’approche de Techcombank pour atteindre les entreprises familiales. Ce groupe joue un rôle crucial dans la structure économique vietnamienne, mais a longtemps été confronté à des difficultés d’accès au crédit en raison d’un manque de données financières standardisées.

Au lieu de s’appuyer uniquement sur les méthodes d’évaluation traditionnelles, la banque constitue de nouveaux ensembles de données à partir d’images des magasins, de la fréquentation, des niveaux d’activité et d’autres indicateurs afin d’étayer son évaluation des risques. Dans ce cas précis, l’IA contribue non seulement à améliorer l’efficacité opérationnelle, mais aussi à étendre sa capacité à servir des segments de clientèle auparavant difficiles à atteindre.

D’un point de vue plus large, cela pourrait également expliquer la plus grande importance de l’IA dans le secteur financier : non seulement améliorer la productivité, mais aussi débloquer de nouveaux modèles de croissance et élargir l’accès au capital pour divers segments de l’économie.

On constate que, dans un contexte de réduction de l’écart technologique, l’avantage concurrentiel ne réside plus forcément dans la possession de la technologie en premier, mais dans la capacité des entreprises à transformer en permanence la technologie en valeur réelle à grande échelle.

Et c’est là que l’IA entre véritablement en jeu dans la phase suivante.

Source : https://daibieunhandan.vn/techcombank-tai-dinh-nghia-ngan-hang-bang-ai-tu-cong-nghe-den-loi-the-canh-tranh-dai-han-10418863.html