Le istituzioni finanziarie possono sbloccare la produttività dei loro team di ingegneria software per aumentare significativamente l’innovazione tecnologica senza incrementare i budget IT. La tecnologia ha trasformato il settore bancario, spingendo le istituzioni tradizionali a espandere i loro team tecnologici e a richiedere loro sempre di più. Lo scrive McKinsey & Company nell’articolo “How banks can supercharge technology speed and productivity“.
Innovazione tecnologica e sfide di budget
Le squadre tecnologiche sviluppano nuovi prodotti innovativi come esperienze clienti personalizzate abilitate dall’AI, pagamenti digitali e cross-selling basato su analisi. Tuttavia – scrive McKinsey – molte banche mancano delle risorse necessarie per investire pienamente nell’innovazione tecnologica. I budget sono limitati e, man mano che l’infrastruttura IT invecchia e diventa più complessa, è necessario spendere di più solo per mantenere le luci accese.
Implementare l’AI generativa lungo l’intero ciclo di vita del prodotto
Gli strumenti di sviluppo software basati sull’IA generativa hanno giustamente ricevuto molta attenzione, in quanto consentono di risparmiare tempo prezioso per i team di ingegneri, oltre all’automazione descritta in precedenza. Molte aziende stanno sperimentando strumenti di AI generativa che consentono ai loro team di codificare più velocemente di prima (nelle aziende che non stanno conducendo progetti pilota, molti team di ingegneri stanno comunque sperimentando questi strumenti). Ma mentre questi strumenti di gen AI hanno spesso successo nei progetti pilota, ci sono diverse sfide da affrontare per scalarli in modo sicuro ed efficace.
In primo luogo, le banche tendono a trattare questi progetti pilota come un’attività di tooling e a sottovalutare la gestione del cambiamento necessaria. Si assiste a una forte adozione da parte dei primi 100 utenti entusiasti, ma a un’adozione più limitata in seguito.
In secondo luogo, molti degli strumenti presenti sul mercato sono soluzioni puntuali. Ad esempio, possono aiutare la generazione di codice, ma la codifica è solo una piccola parte delle attività degli ingegneri.
In terzo luogo, molti strumenti non sono addestrati alla base di codice dell’azienda e quindi generano codice non conforme agli standard organizzativi.
Strumenti di AI a tutte le persone coinvolte nel processo di sviluppo del software
Alcune istituzioni leader hanno affrontato il lancio di strumenti di AI gen in modo diverso: forniscono strumenti di intelligenza artificiale a tutte le persone coinvolte nel processo di sviluppo del software, non solo ai codificatori. Proprietari e manager di prodotto, analisti di dati, designer di esperienze utente e altri hanno accesso agli strumenti di gen AI di cui hanno bisogno per essere più efficienti.
Ad esempio, i product owner utilizzano strumenti di gen AI in grado di generare automaticamente le storie e i diagrammi di architettura per una nuova funzionalità in pochi secondi, un’attività che altrimenti richiederebbe giorni. Queste banche investono molto nella gestione del cambiamento, riconoscendo che la gen AI è un cambiamento fondamentale. Non si limitano a lanciare gli strumenti di gen AI e a sperare che i team li adottino, ma investono tempo e risorse significative per stabilire pratiche organizzative che garantiscano l’integrazione di questi strumenti nei flussi di lavoro quotidiani. Mettono a punto gli strumenti di gen AI sulla propria base di codice e utilizzano diversi modelli linguistici di grandi dimensioni (LLM) per compiti diversi.
Ad esempio, potrebbero usare un LLM per la generazione di nuovo codice e un altro che funziona meglio per la documentazione.
Aumentare la produttività dei team di ingegneria
Per aumentare l’innovazione tecnologica – afferma McKinsey – alcune banche leader si concentrano meno sul taglio dei costi e più sull’aumento della produttività dei loro team di ingegneria. Adottando un approccio incentrato sugli sviluppatori, comune nel settore del software, queste banche riescono a ottenere un aumento della capacità tecnologica del 50% rispetto alla media, senza aumentare il budget.
Per molte istituzioni, la spesa per la tecnologia rappresenta la base di costo più grande, ma è anche una scatola nera. Negli ultimi anni, le banche leader hanno implementato scorecard per misurare la velocità e la produttività dei team di ingegneria analizzando i dati degli strumenti utilizzati dai team.
Quattro mosse per trasformare la produttività ingegneristica
- Ottimizzare il ciclo di vita dello sviluppo software
Le banche devono ridurre il livello di sforzo manuale richiesto quando i loro team tecnologici scrivono software, attraverso l’automazione e la semplificazione dei processi. - Distribuire l’AI generativa lungo tutto il ciclo di vita del prodotto
Gli strumenti di sviluppo software abilitati dall’AI generativa possono risparmiare tempo prezioso per i team di ingegneria, migliorando la produttività del 20-30%. - Integrare team tecnologici e aziendali
Creare team congiunti di manager di prodotto e ingegneri per migliorare la velocità di sviluppo del prodotto e la reattività alle esigenze dei clienti. - Creare team di persone altamente competenti
Assumere team interni più piccoli di ingegneri altamente competenti per sviluppare software di alta qualità rapidamente.
Come realizzare la produttività
Molte banche sono in fase di adozione di questi principi per evitare di rimanere indietro tecnologicamente. Tuttavia, le trasformazioni non sono mai semplici e richiedono il supporto iniziale del CEO e del comitato esecutivo.
Prerequisiti per il successo
- Un’aspirazione audace: incoraggiare i leader tecnologici a fissare obiettivi ambiziosi.
- Impatto quantificabile: stabilire una baseline di produttività per misurare i miglioramenti.
- Coinvolgimento al di fuori dell’IT: spiegare il valore della trasformazione ai leader aziendali.
- Responsabilità chiara nel team IT: orchestrare la trasformazione con un leader collaborativo.
- Vittorie aziendali iniziali: dimostrare l’impatto iniziale su aree di interesse per i leader aziendali.
Conclusioni
Adottare un approccio focalizzato sulla produttività può rapidamente portare benefici tangibili per il business e i clienti, permettendo alle banche di potenziare la loro capacità tecnologica e innovativa.
