Español 056SMU-PDF-ENG

Machine Translated by Google
056SMU
DBS BANK: UNA EMPRESA DE TECNOLOGÍA QUE APRESCA TODO EN LA IA
DBS Bank Limited (DBS), con sede en Singapur, había alcanzado muchos hitos hacia su
visión de convertirse en una empresa tecnológica impulsada por la inteligencia artificial (IA) para abril
2023. Hace más de una década, el banco se había embarcado en un viaje de transformación digital, buscando volverse digital
hasta la médula, integrando la tecnología en la experiencia del cliente y adoptando
una cultura de startups.1 Como parte de este viaje, DBS decidió aprovechar el aprendizaje automático basado en IA para
resolver los problemas y puntos débiles de los usuarios. Si bien la transición durante la década anterior para pasar a estar
impulsada por la IA había sido exitosa, la empresa se había dado cuenta de que el esfuerzo por incorporar la IA en todos sus
2
productos y servicios era un viaje continuo con objetivos en movimiento.
Antes de la transformación, DBS tenía la reputación de ser 'Damn Bloody Slow' y no ser
amigable con el cliente.3 Cuando Piyush Gupta (Gupta) se unió al banco como director ejecutivo en 2009, se dio cuenta de que,
para seguir siendo relevante, el banco tendría que pensar de manera diferente. Implementó un impulso en toda la organización
para la transformación digital y la implementación de IA, y obtuvo el apoyo de la junta directiva de la compañía para reservar un
presupuesto sustancial para la transformación.4 En los primeros años de la transformación, DBS logró una tasa de crecimiento
anual compuesta (CAGR) del 9%. ) en ingresos y 13% CAGR en beneficio neto.5 Esto motivó a la alta dirección a invertir más
en la transformación y permitió a la empresa diversificar su negocio.
6
En 2023, la transformación empresarial impulsada por la IA había dado como resultado varias victorias importantes para el
banco, incluida una reputación de servicio al cliente excepcional y soluciones digitales innovadoras. DBS tenía
informó un desempeño récord ya que las ganancias netas crecieron un 20% a 6,02 mil millones de dólares en el año fiscal 2022.7
La compañía había invertido 0,74 mil millones de dólares en tecnología anualmente durante los últimos cuatro años, siendo el
fondo de inversión de más rápido crecimiento asignados a mejorar las capacidades de datos.
La estimación era que las iniciativas de IA habían generado 110,25 millones de dólares en términos de ingresos adicionales y
18,38 millones de dólares gracias a la prevención de pérdidas y ganancias de productividad solo en 2022. Gupta creía que el
valor económico del crecimiento impulsado por la IA podría superar la marca de los mil millones en los próximos cinco años.8
Mientras tanto, la industria bancaria también había evolucionado. El aumento de la digitalización había intensificado la
competencia dentro de la industria, lo que llevó al gobierno de Singapur a introducir regulaciones que permitieran a los bancos
9
totalmente en línea comenzar a operar para 2022. Por ejemplo, Grab, la empresa de tecnología
de transporte privado del sudeste asiático , obtuvo una licencia bancaria digital completa y se aventuró en la banca en 2022 en
10
asociación con el proveedor de telecomunicaciones SingTel, con sede en Singapur. Singapur tenía una penetración
bancaria del 98% y la mayoría de los operadores tradicionales contaban con sólidos conjuntos de productos digitales.
Aun así, los analistas conjeturaron que las empresas de tecnología entrarían al mercado con precios de productos
agresivos y soluciones más innovadoras e intensificarían la competencia.11 Sin embargo, Gupta confiaba en la
transformación de su empresa hasta el momento y señaló: "En general, creo que Estamos relativamente bien
posicionados y deberíamos poder defendernos”.
12
Este caso fue escrito por el profesor emérito Steven M. Miller y Lipika Bhattacharya de la Singapore Management University y el
profesor Thomas H. Davenport del Babson College. El caso se preparó únicamente para proporcionar material para la discusión en
clase. Los autores no pretenden ilustrar el manejo efectivo o ineficaz de una situación gerencial. Es posible que los autores hayan
ocultado ciertos nombres y otra información de identificación para proteger la confidencialidad.
Copyright © 2023, Universidad de Gestión de Singapur Versión: 20230921
Este documento está autorizado para su uso únicamente en la Dirección Multinacional (PRE 2024I) de Lia Linares Calderón en la Universidad Peruana de Ciencias Aplicadas (UPC) desde abril de 2024 hasta octubre de 2024.
SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA
DBS había utilizado un enfoque 'Todo incluido en la IA' para transformar e infundir IA en todos los aspectos de su negocio e invirtió significativamente
para permitir el desarrollo y la implementación de soluciones basadas en IA.13
DBS también había utilizado la IA para incursionar en nuevos negocios, como un intercambio digital y un intercambio global de carbono, en busca de
nuevas fuentes de ingresos.14 Sin embargo, el crecimiento futuro también exigía identificar y ejecutar las oportunidades de negocio adecuadas.15 Pero,
¿cuáles podrían ser?
Disrupción, banca tradicional y su cada vez menor relevancia
Una motivación clave para DBS en su camino hacia convertirse en una empresa de tecnología fue la naturaleza cambiante de la banca tradicional. Esto
se hizo más evidente con el embate de la pandemia de COVID19 en 2020, cuando incluso los consumidores tradicionales se adaptaron rápidamente a
aplicaciones digitales como la banca móvil y la atención al cliente a través de IA. Un estudio realizado en 30 países señaló que entre febrero y junio de
2020, el uso de la banca móvil había aumentado un 34%, mientras que la banca en sucursales había disminuido un 12%, lo que llevó a los analistas a
predecir que la banca tradicional desaparecería gradualmente y la mayoría de los servicios bancarios se digitalizarían. durante los próximos cinco a siete
años.16
La nueva ola de disrupción digital había hecho que los bancos fueran vulnerables a perder participación de mercado frente a las empresas tecnológicas,
que ya se habían establecido como actores de servicios financieros.17 Las empresas tecnológicas habían comenzado a incursionar en los servicios
financieros a principios de la década de 2000 y pudieron competir en costos, lo que obligó a los bancos perdieran márgenes a medida que sus servicios
se mercantilizaron cada vez más. 18 Para 2021, fintechs como PayPal, Alibaba, Squared, Grab, Adyen y Klarna ya habían alcanzado una capitalización
de mercado significativa, superior a la de algunos bancos multinacionales.19 Por ejemplo, en noviembre de 2021, la capitalización de mercado de PayPal
ascendía a 267 mil millones de dólares, que en ese momento tiempo fue casi el doble de la capitalización de mercado de Goldman Sachs y mayor que la
capitalización de mercado de todas, excepto unas pocas, las instituciones financieras globales más grandes.20
El comportamiento de los consumidores en la banca también estaba cambiando, ya que los consumidores fueron progresivamente capaces de comparar
tasas hipotecarias, tasas de interés y otras ofertas bancarias en línea, eligiendo las condiciones más favorables sin importar si el producto provenía de un
banco tradicional o de una plataforma tecnológica. A medida que este enfoque de los productos financieros ganó fuerza, los clientes pudieron disfrutar de
una transparencia de precios mucho mayor y de una comparabilidad directa de los productos. Un estudio realizado en 2021 sobre consumidores en Asia
Pacífico encontró que el 62% de los clientes preferían iniciar una nueva relación bancaria digitalmente, en comparación con el 40% que estaba dispuesto
a visitar una sucursal si fuera necesario.
21
En agosto de 2021, se estimaba que había 250 bancos digitales en todo el mundo, el 20 % de ellos en la región APAC.22,23 Un factor clave a favor de
la banca digital fue el alto costo de establecer y administrar sucursales bancarias físicas, lo que hacía que La prestación de servicios basados en
tecnología es menos rentable. En un banco minorista tradicional típico, el 30% de los costos totales fueron incurridos por su red de sucursales, mientras
que un 20% adicional de sus costos fueron incurridos por sus departamentos de TI para mantener los sistemas heredados.24 La relación costoingreso
promedio de los bancos disruptores La oferta de servicios digitales se estimó en un 26%, mientras que la de los bancos tradicionales se estimó en un
60%.
25
La mayoría de los bancos tradicionales habían comenzado a introducir innovaciones independientes basadas en inteligencia artificial, como chatbots para
asesoramiento financiero, sistemas de moneda digital, precios variables basados en conocimientos de comportamiento, reconocimiento facial para el uso
de cajeros automáticos e incluso préstamos basados en las ganancias de un individuo de redes de préstamos entre pares. Sin embargo, estas iniciativas
habían sido en su mayoría cambios incrementales e independientes que no afectaron los procesos centrales de los bancos.
26
A diferencia de estas estrategias, DBS había utilizado un enfoque de
organización completa para incorporar la digitalización y la creación de soluciones basadas en IA.
2/20
Transformación Digital en DBS
Originalmente conocido como Banco de Desarrollo de Singapur, DBS se estableció en Singapur como una sociedad anónima para
asumir las responsabilidades de financiamiento industrial de la Junta de Desarrollo Económico o EDB del país. Inició operaciones en
septiembre de 1968 y se centró en
27
financiar los proyectos de industrialización y desarrollo urbano de Singapur. A lo largo de los años, DBS
amplió enormemente su presencia en toda Asia a través de adquisiciones y crecimiento orgánico y se convirtió en el banco más grande
28
del sudeste asiático. Sin embargo, a medida que la empresa creció rápidamente, su servicio al cliente
rezagado.
La motivacion
El viaje de transformación de DBS estuvo motivado por algunos factores clave. La empresa ocupaba el puesto más bajo en servicio al
cliente entre los bancos más grandes de Singapur.29 El banco también enfrentaba limitaciones institucionales para lograr un
crecimiento impulsado por adquisiciones y una expansión orgánica en Asia, particularmente en las economías emergentes del sudeste
y sur de Asia.30 El banco también estaba enfrentando una disminución ingresos y un crecimiento estancado, y las soluciones digitales
presentaban nuevas oportunidades de crecimiento.31
Sin embargo, en ese momento, DBS tenía 22.000 empleados en diferentes mercados, y la implementación de cambios organizacionales
fue difícil.32 Además, como la mayoría de las soluciones tecnológicas se adquirieron de partes externas y el talento tecnológico se
subcontrató predominantemente, era engorroso y lento desarrollar tecnología. permitió cambios en procesos, productos y servicios.33
Enfoque de cada unidad
A finales de 2009, DBS se embarcó en un viaje de transformación e identificó áreas clave que necesitaban una revisión, incluidas la
tecnología y la cultura. Se utilizó un enfoque de toda la organización para ejecutar la estrategia de transformación, que se centró en
tres pilares: ser digital hasta la médula, integrarse en el recorrido del cliente y pensar y actuar como una empresa nueva.
34
Cuando el banco comenzó a embarcarse
En su recorrido, la IA surgió como una capacidad y ventaja central que impulsó la transformación y ayudó al banco a escalar soluciones
de manera rápida y efectiva.35
Al realizar la transición, DBS tuvo cuidado de garantizar que sus negocios existentes no fueran descuidados.36 El mandato de
transformación digital se aplicó en todas las unidades organizativas por
imponiendo entusiasmo y vigor hacia la nueva visión.37 Incluso se esperaba que funciones de apoyo como Auditoría y Recursos
Humanos (RRHH) digitalizaran sus procesos comerciales y de trabajo existentes, y estos esfuerzos generaron varios beneficios. Por
ejemplo, el departamento de Auditoría obtuvo considerables ganancias en productividad al implementar primero análisis de datos,
seguido de técnicas basadas en aprendizaje automático, para automatizar tareas como la elaboración de perfiles de riesgo de
sucursales, el análisis de fraude comercial y la evaluación del riesgo crediticio. De manera similar, RR.HH. pudo mejorar la satisfacción
de los empleados mediante el uso de modelos de aprendizaje automático basados en datos para reconocer los rasgos clave de los
empleados con mejor desempeño, anticipar el posible desgaste y desarrollar estrategias de intervención adecuadas.
38
Tecnología de revisión
DBS también reorganizó sus diversas plataformas de capacidad empresarial para infundir tecnología a los negocios.
Los primeros seis años del viaje de transformación se dedicaron a revisar la infraestructura tecnológica y de operaciones para reforzar
39
la alineación de TI con el negocio. Durante esta fase, las divisiones
de tecnología y operaciones se combinaron para formar una sola entidad, con sus líneas jerárquicas consolidadas para mejorar la
excelencia operativa. Además, los procesos clave del banco fueron
simplificado mediante la aplicación de principios lean. Se renovó la tecnología central y se creó una nueva y mejorada
3/20
Se instaló una arquitectura empresarial para soportar la diversa gama de aplicaciones bancarias para diferentes
productos, canales, funciones y niveles de integración.40 Se implementó un nuevo sistema bancario central en 12 mercados en
28 meses. Se lanzaron aplicaciones para banca por Internet y banca móvil para aumentar las capacidades de transacciones
bancarias del banco. Además, dos consejos separados (un Consejo de Experiencia del Cliente para mejorar la participación del
cliente y un Consejo de Innovación para fomentar una
cultura de la innovación) se crearon con la intención de fomentar un cambio de mentalidad cultural hacia la digitalización, motivando
la experimentación y la innovación dentro de la organización e introduciendo
nuevas experiencias de clientes habilitadas digitalmente con la ayuda de ideas de los empleados.41
Construyendo una ventaja de IA
Los primeros esfuerzos en materia de IA en el banco incluyeron algunos fallos que proporcionaron aprendizajes clave. Por ejemplo,
en 2013, DBS colaboró con la empresa de investigación local A*STAR en el desarrollo de un laboratorio de IA en virtud de un
contrato de tres años para explorar aplicaciones de IA con científicos de datos asignados de ambas empresas.42 El equipo trabajó
en media docena de proyectos, algunos de los cuales tuvieron éxito mientras que otros no. Gupta describió esta cartera de
43 DBS también
proyectos conjuntos como “herramientas de señalización” para la organización.
llevó a cabo un proyecto piloto a gran escala con Watson de IBM para una aplicación de gestión patrimonial, pero sin un resultado
exitoso.44
A través de estos contratiempos, DBS aprendió que para la ejecución exitosa del proyecto, los enfoques ágiles eran imprescindibles
y las soluciones debían ajustarse con el tiempo, con un producto mínimo viable como punto de partida en lugar de entregar una
solución elaborada y completamente funcional después de un lapso significativo de tiempo. tiempo.45
Nuevo marco
En 2015, una vez implementada la infraestructura central de operaciones y tecnología, DBS comenzó a analizar tendencias clave
en tecnologías emergentes y nuevas competencias. Algunos miembros clave del banco visitaron las empresas de tecnología más
reconocidas del mundo, incluidas Google y Amazon, para conocer las mejores prácticas de la industria. Casi al mismo tiempo, se
acuñó un acrónimo pegadizo dentro del banco para ayudar a galvanizar a la organización en torno a la transformación. Conocido
como GANDALF (donde la “D” significaba la ambición de DBS de ser visto en la misma liga que los titanes tecnológicos Google,
Amazon, Netflix, Apple, LinkedIn y Facebook)46, el acrónimo fue un grito de guerra para motivar a los empleados a pensar en
cuadro (consulte el Anexo 1 para obtener más información sobre el marco de la rueda de queso GANDALF).47
Creando victorias tempranas
DBS intentó crear algunas victorias tempranas para impulsar el apoyo dentro de la organización hacia la transformación (consulte
el Anexo 2 para obtener detalles sobre algunos proyectos de victorias tempranas). En 2014, por ejemplo, el equipo de cajeros
automáticos de DBS trabajó con un equipo de ciencia de datos para crear modelos predictivos para el mantenimiento preventivo y
la reposición de efectivo en sus cajeros automáticos. Este esfuerzo ayudó a reducir los tiempos de inactividad de los cajeros
automáticos, disminuir los casos de falta de efectivo en más del 90 %, la cantidad de viajes necesarios para recargar las máquinas
en un 10 %, la cantidad de efectivo sobrante devuelto al banco en más del 30 % y mejorar la satisfacción del cliente.
48
Otro experimento a gran escala hacia la digitalización y la creación de soluciones de inteligencia artificial fue un proyecto llamado
Digibank, lanzado por primera vez como una oferta en las operaciones del banco en India en 2016. DBS se convirtió en el primer
banco exclusivamente móvil del país, así como el primer banco en utilizar la identificación nacional y la tarjeta biométrica (llamada
49 El lanzamiento y
Aadhaar) para la incorporación totalmente digital de nuevos clientes bancarios.
posterior operación de Digibank ayudó a transformar el enfoque del banco hacia los call center de banca minorista.
y todos los aspectos del servicio al cliente minorista, no solo en la India, sino también en Singapur y en otros
4/20
mercados de operación también.50 El equipo de Ciencia del Cliente de Digibank India supervisó el recorrido de cada cliente
de Digibank en tiempo real, utilizando herramientas y capacidades basadas en IA. Buscó de manera proactiva indicaciones
de cuándo el cliente tenía dificultades para usar la aplicación móvil y desarrolló estrategias de intervención para guiar a los
clientes con las opciones sobre cómo continuar con su viaje. La implementación de estas capacidades de ciencia del cliente
permitió a Digibank India lograr mejoras sustanciales en la productividad, un crecimiento de su base de clientes de casi seis
veces y un crecimiento en el número de transacciones financieras de más de 12 veces, manteniendo al mismo tiempo la
misma plantilla en su centro de contacto con el cliente durante más de 10 años. un período de cuatro años.51
Contratación de talentos de IA
DBS también intentó desarrollar su talento tecnológico y capacidades de infraestructura con el objetivo de
pasar de un 85% de subcontratación a un 85% de subcontratación interna. La idea era pasar de la subcontratación de
tecnología a desarrollarla internamente y crear un "ADN tecnológico". A partir de 2015, DBS se embarcó en una ola de
contrataciones y comenzó a contratar trabajos que anteriormente habían sido realizados por proveedores de TI externos.
En 2017, por ejemplo, DBS intentó contratar alrededor de 200 profesionales de la tecnología, incluidos científicos de datos
y expertos en inteligencia artificial.52 La empresa contrató a tecnólogos senior con experiencia laboral previa en empresas
como Google, Yahoo y Huawei, para crear soluciones de vanguardia con interfaces de programación de aplicaciones. (API),
computación en la nube, ingeniería de confiabilidad del sitio o SRE y expandir los ecosistemas.53 El enfoque en el talento
se conocía cariñosamente como “construir nuestra madera” y comprendía un enfoque triple: construir ADN y capacidades
tecnológicas; ser el empleador elegido por los mejores talentos tecnológicos; y mejorar y recapacitar a los empleados para
que estén preparados para el futuro.54
Los datos primero y todo va a la nube
Las soluciones basadas en IA dependían en gran medida de datos apropiados y accesibles y DBS se dio cuenta de que,
para avanzar con el análisis habilitado por IA, necesitaba convertirse en una organización que priorizaba los datos. La firma
lanzó su programa de transformación Data First en 2018 y lo definió en términos de cuatro pilares: 1) Capacidad de análisis,
2) Cultura y plan de estudios, 3) Habilitación del uso de datos y 4) Plataformas tecnológicas. Consideró los cuatro pilares
como habilitadores críticos para generar valor a partir de los datos, y también para proporcionar la base para pasar de ser
una empresa "Data First" a una empresa "All in on AI"55 (consulte el Anexo 3 para ver una representación visual de los
datos). Primero).
Con este fin, todas las aplicaciones bancarias centrales heredadas se trasladaron gradualmente a plataformas modernas
para garantizar una prestación de servicios consistente, confiable y escalable. Además, se virtualizaron la mayoría de los
servidores de datos y se instituyó una política de "todo va a la nube".56 La política de "todo va a la nube" eliminó la excesiva
dependencia de los servidores de datos tradicionales, lo que permitió al banco ampliar su potencia informática para manejar
cada vez más aumentar la cantidad de datos y, al mismo tiempo, reducir la huella del centro de datos.57
Promoción de la experimentación con IA
Una de las estrategias para que la IA echara raíces fue experimentar mucho y establecer infraestructura y procesos para
mejorar la productividad y escalabilidad de las soluciones. Un conjunto de indicadores clave de rendimiento (KPI) era
realizar mil experimentos al año, muchos de ellos con datos e inteligencia artificial. Se llevaron a cabo eventos en los que
se presentaron estos experimentos para alentar a los gerentes del banco a pensar más profundamente sobre cómo podrían
usar los datos del banco para implementar soluciones de inteligencia artificial relevantes para el negocio. Normalmente, en
estos eventos se destacaron entre 20 y 30 de los proyectos más innovadores. Gupta participó personalmente en la
organización de estos eventos para mostrar lo que consideraba experimentos interesantes en todo el banco utilizando IA y
58
otras tecnologías.
5/20
Abrir la billetera
Gupta también "abrió la billetera" a la experimentación con IA al brindar a las unidades y funciones de negocios la flexibilidad de
contratar científicos de cuasi datos dentro de sus propias unidades (más allá de los científicos de datos contratados en el Centro
de Excelencia de Análisis de los bancos) para ver qué podría lograr. Por ejemplo, utilizando este enfoque, la división de Recursos
Humanos creó una aplicación Job Intelligence Maestro (JIM) para ayudar a contratar a las personas más calificadas en el banco.
La división también desarrolló un modelo de predicción de desgaste de personal, que utilizó alrededor de 147 entradas de datos
(como la hora en que los empleados llegaron a trabajar y la cantidad de sitios web que visitaron) para derivar las posibilidades de
desgaste.59
Incorporar la IA en la experiencia del cliente
Se implementaron rápidamente proyectos destinados a digitalizar los recorridos de los clientes. La atención se centró en alejarse
de las sucursales bancarias para adquirir clientes a través del marketing digital, eliminar el papel, eliminar los puntos débiles de
los clientes, permitir el cumplimiento instantáneo a través de la automatización de transacciones, impulsar
comportamientos difíciles de los clientes y ventas cruzadas a través de la participación en línea.60
DBS infundió datos de comportamiento del cliente con datos del sistema para crear modelos analíticos en tiempo real para
satisfacer las necesidades de los clientes digitales y mejorar la eficiencia interna. Por ejemplo, el equipo del centro de atención al
cliente pudo reducir las llamadas entrantes en más de un 14 % en Singapur analizando los patrones de transacciones de los
clientes, los comportamientos en línea y los datos históricos para determinar la receptividad de los clientes hacia la realización
digital. De manera similar, el Grupo de Banca Institucional pudo obtener información de los datos de la red de la cadena de
suministro para deducir oportunidades y riesgos en las redes de la cadena de suministro de sus clientes. Estos conocimientos
aumentaron la precisión del banco a la hora de adquirir clientes, maximizar el valor para los clientes y complementar las decisiones
crediticias con datos de transacciones.61 Gupta había señalado:
Esto es muy significativo y material. Y es una forma mucho más inteligente y apropiada de tratar con los
clientes: ofrecerles opciones, ideas, conocimientos y reflexiones. Ése es el panorama general de dónde nos
encontramos y lo que estamos tratando de hacer.62
Estrategia de automatización
Una estrategia de automatización para toda la empresa y tecnologías como la automatización robótica de procesos (RPA)
Se implementaron para apoyar y guiar la adopción de la IA en la organización. En 2017, DBS se asoció con IBM para formar un
Centro de Excelencia para brindar servicios de extremo a extremo para implementar y mantener el programa RPA.
63
Para 2020, la empresa automatizó más de 100 procesos complejos con RPA, que
incluían tareas que formaban parte de flujos de trabajo de “automatización inteligente” que empleaban soluciones de aprendizaje
automático para la toma de decisiones basada en datos, el reconocimiento óptico de caracteres y el reconocimiento de voz.64
Si bien algunos proyectos basados en datos tenían como objetivo generar eficiencias internas, otros proyectos tenían como
objetivo mejorar las experiencias de los clientes. Se implementaron soluciones basadas en IA para
marketing hiperpersonalizado centrado en el cliente, análisis de sentimientos, toma de decisiones crediticias, reconocimiento de
imagen y voz, predicciones de desgaste y falta de efectivo en cajeros automáticos y otras actividades bancarias cotidianas. DBS
también trabajó con los reguladores para aumentar la aceptabilidad de estas solicitudes para actividades de toma de decisiones.65
Para mejorar la productividad de la creación, implementación y mantenimiento de modelos de IA y los procesos relacionados, la
empresa también creó una nueva plataforma de datos llamada ADA, o "Advancing DBS with AI". La plataforma incluía una
variedad de capacidades para la ingesta de datos, la seguridad, el almacenamiento, la gobernanza, la visualización y la gestión
de modelos de análisis/IA. El objetivo era permitir el mayor autoservicio posible.
6/20
Dentro del banco es posible que el personal interno cree nuevos modelos de IA y los mantenga a lo largo del tiempo.
Muchos de los sistemas de análisis e inteligencia artificial se migraron a nubes híbridas para permitir una implementación, escalamiento
y procesamiento más rápidos.66
Se formó un equipo separado para desarrollar una nueva plataforma de servicios digitales que pudiera fomentar colaboraciones para
ofrecer nuevas soluciones digitales; la idea era construir un ecosistema con socios para presentar diversos servicios digitales para los
clientes. La plataforma API comprendía un depósito de componentes comerciales, de datos y de infraestructura para configurar ofertas
digitales. En el momento de su lanzamiento en 2017, la plataforma ofrecía 150 API en más de 20 categorías de servicios, como
transferencias de fondos y pagos en tiempo real, y contaba con más de 50 empresas participantes, incluidos grandes nombres como
AIG (seguros), McDonald's (servicio rápido comida) y Foodpanda (entrega de comida).
67
Nuevas vías de negocio
DBS también utilizó su enfoque en IA para diversificar su negocio e incursionar en nuevos negocios. Se formaron equipos separados
para innovar activamente en busca de nuevas oportunidades de crecimiento empresarial y aventurarse en negocios no bancarios,
incluidos mercados electrónicos, como DBS Car Marketplace, DBS Electricity Marketplace, DBS Property Marketplace y Carousel. El
proceso de DevOps se automatizó desde las pruebas hasta la implementación, lo que multiplicó por diez la cadencia de lanzamiento
de nuevas aplicaciones.68 DBS también celebró acuerdos de referencia cruzada con plataformas regionales de préstamos entre pares
como Funding Societies y Moolah Sense.69
También se lanzaron algunos proyectos experimentales para probar nuevas vías. Por ejemplo, en 2017, DBS implementó POSB Smart
Buddy, el primer programa de pagos y ahorros de tecnología portátil en la escuela del mundo que implicó la creación de un ecosistema
de pagos electrónicos dentro de las escuelas, para permitir a los estudiantes jóvenes cultivar hábitos sensatos de ahorro y gasto. Una
aplicación móvil Smart Buddy que la acompañaba permitió a los padres gestionar de forma remota las asignaciones diarias, los gastos
y los ahorros de sus hijos, al tiempo que permitía a los estudiantes controlar sus propias finanzas.70
Recapacitación del personal
Se implementaron varios programas de capacitación, utilizando una combinación de capacitación, talleres y tutorías en línea y fuera de
línea, para dotar a los empleados de las habilidades y recursos necesarios para adaptarse a nuevas formas de trabajo o nuevas formas
de trabajo. Por ejemplo, los empleados del centro de atención al cliente que ya no atendían llamadas telefónicas fueron recapacitados
para asumir nuevos roles laborales, como agentes de chat en vivo y diseñadores de experiencia del cliente. Se propagó un entorno de
aprendizaje continuo a medida que los empleados fueron capacitados para aprovechar los datos para mejorar el recorrido del cliente y
el desempeño comercial.
Se desarrolló un plan de estudios seleccionado llamado DigiFY para impartir siete habilidades digitales: pensamiento de viaje, ágil,
basado en datos, negocios digitales, tecnologías digitales, comunicación digital y riesgos y controles.
Estos cursos se ofrecieron a los empleados a través de una universidad virtual. Para 2020, más del 80% de
el personal había pasado por el plan de estudios. Además, se lanzó un programa de seis meses 'Data Heroes' para desarrollar
capacidades de análisis de datos con un plan de estudios intensivo y práctico para dotar a los empleados de las habilidades necesarias
para convertirse en traductores de datos. Se lanzó otro programa llamado 'hack2hire' para atraer talentos que mejorarían las ofertas
digitales de DBS en una variedad de habilidades, aprovechando las tecnologías de la nube, el aprendizaje automático, la inteligencia
artificial, los grandes datos y el análisis; A mediados de 2020, 'hack3hire' había contratado a unos 5.000 empleados en diferentes
programas de innovación.71
Ampliación de implementaciones de IA
7/20
DBS utilizó cinco metodologías clave para intensificar el abastecimiento de IA. En primer lugar, se identificaron más de 200 casos de uso de
datos en toda la empresa para ofrecer valor empresarial, y más de 150 de ellos utilizaron análisis avanzados o IA. En segundo lugar, las
capacidades avanzadas de análisis e inteligencia artificial se reforzaron gracias a los esfuerzos dedicados de más de 700 expertos en datos y
análisis involucrados en estas iniciativas. En tercer lugar, se estableció un entorno de aprendizaje distintivo para fomentar una cultura basada en
datos en toda la organización. Se desarrolló un plan de estudios de aprendizaje electrónico seleccionado y un programa de capacitación integral.
implementado para inculcar una mentalidad basada en datos. En cuarto lugar, ADA se utilizó para dar cabida al almacenamiento de big data y a
herramientas de análisis avanzado. Además, el enfoque tecnológico intentó generar experiencias de cliente que fueran relevantes, confiables y
seguras. Además, se mejoraron continuamente los procesos de gobernanza y las políticas sobre el uso responsable de los datos para aprovechar
nuevas perspectivas comerciales y
reforzar la confianza del cliente. 72
La idea era emplear múltiples palancas de valor con casos de uso individuales de IA (consulte el Anexo 4 para conocer los impulsores de valor
73
integrales de IA). Mientras que muchos otros bancos habían optado por adquirir capacidades de IA de proveedores
externos, Gupta se había centrado en crear internamente tantos casos de uso de IA como fuera posible. Con ello, el banco pretendía tener
capacidades comparables a las de los "nativos digitales", es decir, empresas tecnológicas que nacieron en la era digital. La perspectiva de Gupta
era que, al poseer capacidades de IA similares a las de estos nativos digitales, DBS Bank podría innovar eficazmente y competir con ellos
cuando fuera necesario.74
Para 2020, más del 90% de la organización utilizaba la plataforma ADA; El 93% de las aplicaciones existentes operaban en el nuevo entorno y
el 99% de las aplicaciones se habían migrado desde servidores físicos a la nube privada virtual. DBS también trasladó gran parte de sus datos
de los almacenes de datos tradicionales a los lagos de datos75, ya que esta última arquitectura era mucho más barata de operar y se adaptaba
mejor a datos menos estructurados.76 Además, el banco creó una nueva estructura para sus metadatos, limpió 80 millones registros de datos
incompletos, desarrolló nuevos protocolos sobre quién podía acceder a los datos y qué datos de los clientes era adecuado capturar, e introdujo
herramientas de visualización para hacer más evidentes las tendencias en los datos. El banco también creó nuevas estructuras de gobernanza
para los datos, incluido un “Comité de Uso Responsable de Datos” que examinó si, o en qué medida, era apropiado recopilar y utilizar los datos
de cara al cliente en tipos particulares de situaciones.
77
Para 2021, la habilitación de la IA ayudaba cada vez más a DBS a fortalecer su servicio al cliente, potenciando
a los empleados realizar su trabajo de manera más eficiente y motivar más innovaciones dentro de su ecosistema.78 El director de análisis de
DBS, Sameer Gupta (Sameer), explicó:
Creamos un protocolo de IA interno que sirve como depósito de conocimientos para todos nuestros casos de uso de IA.
Tiene más de 250 casos de uso y cualquiera puede buscarlo. Si alguien está trabajando en el "desgaste", por ejemplo,
puede buscar herramientas, técnicas y características de datos relevantes. él/ella no
Hay que construir desde cero. La creación de activos reutilizables fue otro enfoque. Queríamos que los activos de código
bajo que los equipos de datos han creado se aprovecharan en múltiples casos de uso, incluido el procesamiento del
lenguaje natural.79
Recompensas
DBS experimentó un crecimiento de los ingresos desde las primeras fases de su viaje de transformación (consulte el Anexo 5 para ver el crecimiento de los
ingresos de DBS a lo largo de los años). Los ingresos netos de la empresa crecieron de 4.853 millones de dólares estadounidenses (6.603 dólares singapurenses)
millones en 2009 a 960 millones de dólares (1.300 millones de dólares singapurenses) en 2018 y 1.650 millones de dólares (2.240 millones de dólares
singapurenses) en 2022.80
El banco también incursionó en negocios no bancarios e invirtió en mercados electrónicos, plataformas de financiación regionales y otras
plataformas de pago. En 2020, por ejemplo, nuevas asociaciones estratégicas con PayLah!
8/20
contribuyó a triplicar los volúmenes de transacciones, y DBS Property and Car Marketplaces generó más de 740 millones
de dólares en préstamos en Singapur, Taiwán y Hong Kong.81
A pesar de estos resultados prometedores, los ingresos de estas asociaciones no fueron los esperados, en parte debido
a los impactos negativos de la pandemia de COVID19. El plan a seguir era redoblar los esfuerzos para centrarse en
ampliar estas oportunidades en los próximos años (consulte el Anexo 6 para ver otras grandes empresas que utilizan el
enfoque 'Todo incluido en la IA').82
La transformación también permitió a la empresa incursionar sin problemas en nuevas tecnologías. En 2021, DBS lanzó
una plataforma de créditos de carbono llamada Climate Impact X (CIX), un mercado global de intercambio de carbono
para proporcionar a las empresas créditos de carbono de alta calidad para abordar el cambio climático.
Además, contribuyó a la estabilidad de los ingresos de la empresa durante tiempos difíciles. En particular, en 2020, 2021
y 2022, DBS registró unos ingresos totales de 10.725 (14.592) millones de dólares, 10.585 (14.401) millones de dólares y
12.129 (16.502) millones de dólares respectivamente, a pesar de que varias industrias, incluida la bancaria, atravesaron
años financieros difíciles. debido a la pandemia.83
Para 2023, DBS había creado más de 100 algoritmos de inteligencia artificial y aprendizaje automático que analizaban un
mercado de datos interno utilizando 15.000 puntos de datos de clientes para generar varios tipos de empujones para
mejorar el servicio al cliente. Por ejemplo, solo en Singapur, el banco generaba alrededor de 30 millones de insights/
empujones hiperpersonalizados cada mes para atraer a sus clientes minoristas y patrimoniales. Algunos ejemplos de
estos “empujones” impulsados por la IA incluían alertar a los clientes sobre pagos duplicados o facturas de servicios
84
públicos más altas de lo normal, y habían provocado un aumento del 10 al 12 % en las respuestas de los clientes.
¿Qué sigue?
Si bien DBS fue uno de los primeros en impulsar la IA, muchos otros bancos y empresas de todos los sectores también
se dieron cuenta y comenzaron a incursionar en transformaciones similares para 2021.85
Según una encuesta de Gartner, el 69% de los directores de las empresas sintieron que la pandemia había acelerado
86
significativamente sus iniciativas digitales. Por ejemplo, Bank of America informó haber recibido
87 El tamaño de
más depósitos a través de dispositivos móviles que sus sucursales físicas en 2020.
las transacciones a través de dispositivos móviles también había aumentado significativamente y muchas organizaciones
habían implementado tecnologías sofisticadas como identificaciones biométricas para titulizar las transacciones. Por ejemplo,
el banco ANZ había implementado la tecnología Voice ID sin autenticación adicional para que los clientes realizaran pagos
de más de 1.000 dólares estadounidenses a través de una aplicación móvil (consulte el Anexo 7 para conocer más
aplicaciones de IA en banca y finanzas).88
El enfoque AllinonAI ha permitido a DBS seguir siendo competitivo en medio de un panorama bancario cambiante,
mediante la aplicación de soluciones tecnológicas para minimizar la latencia en la toma de decisiones y ofrecer resultados
operativos y comerciales. También ayudó al banco a reducir costos mediante la aplicación de soluciones inteligentes para
automatizar procesos, tareas e interacciones, y aumentar la eficiencia y las capacidades predictivas.89
Además, había ayudado al banco a mejorar drásticamente su servicio al cliente e implementar varias soluciones nuevas
90
orientadas al cliente. Por ejemplo, el banco introdujo alertas para notificar a los clientes sobre
tipos de cambio favorables en moneda extranjera para ayudarlos a invertir mejor, datos de ubicación para proteger a los
clientes o avisos para alertar a los clientes cuando detectaban una transacción extraña con tarjeta.91
Sin embargo, siguieron surgiendo nuevos riesgos de tecnologías emergentes como 5G, Internet de las cosas (IoT) y
avances en la IA, como los modelos de lenguajes grandes (LLM) o la IA generativa. Se consideró que tenían el potencial
de cambiar las experiencias de los clientes en la industria financiera. Se esperaba que otras tecnologías emergentes
como blockchain, libros de contabilidad distribuidos y monedas digitales
cambiar la naturaleza del negocio bancario (consulte el Anexo 8 para obtener más detalles sobre tecnologías nuevas y
emergentes).
9/20
Además, se esperaba que la experiencia del cliente se convirtiera en una ventaja competitiva fundamental y que
la IA desempeñara un papel fundamental al permitir predicciones e interacciones personalizadas para clientes
individuales (consulte el Anexo 9 para conocer los componentes de las empresas AllinonAI). Pero con los
cambios drásticos en las capacidades de IA que estaban disponibles desde principios de 2023, el camino a
seguir sobre cómo utilizar la IA para obtener ventaja competitiva y crecimiento, mayor productividad y más
innovación no estaba claro. Con el estallido de los recientes avances en IA, junto con otros grandes cambios en
los entornos macroempresariales y geopolíticos, parecía mucho más un territorio inexplorado.
¿Cómo podría DBS competir con las empresas de tecnología en un mercado bancario que cambia rápidamente?
¿Cómo podría seguir operando como los 'nativos digitales'? ¿Cómo podría seguir siendo relevante en una
industria bancaria y financiera competitiva? ¿En qué oportunidades podría apostar y cómo? ¿Cómo podría la IA
ayudar con esas oportunidades? ¿Podría el enfoque 'All in on AI' seguir proporcionando al banco una ventaja
competitiva?
10/20
EXPOSICIÓN 1: RUEDA DE QUESO DE TRANSFORMACIÓN DBS GANDALF
El acrónimo DBS GANDALF se formuló en base a la aspiración de la empresa de desarrollar sus propias capacidades tecnológicas, al igual que las
grandes empresas tecnológicas. G representaba a Google, AAmazon, NNetflix, AApple, LLinkedIn, FFacebook, mientras que DBS aspiraba a ser
la D en GANDALF.
Fuente: Dave Gledhill, "Executing the digital Strategy", DBS, SGX, noviembre de 2017, https://links.sgx.com/Executing_the_digital_strategy.ashx,
consultado en mayo de 2023.
EXHIBICIÓN 2: DBS GANA PRONTO PROYECTOS DE IA
IVR en Singapur
Los clientes minoristas en Singapur tenían la costumbre de hacer llamadas al centro de contacto cada vez que tenían una pregunta,
incluso si esa pregunta podía resolverse cómodamente mediante la aplicación móvil o el sitio web.92 Esto llevó al diseño de la Respuesta
de Voz Interactiva (IVR ) programa de interceptación, que permitió al banco filtrar llamadas que podrían dirigirse a la aplicación móvil. El
centro de contacto con clientes minoristas que atiende al mercado local en Singapur recibió entre cinco y seis millones de interacciones
entrantes por año y más del 80% de estas interacciones fueron llamadas telefónicas, y el resto consistió en chats en vivo y correos
electrónicos.93 El sistema IVR fue diseñado para realizar consultas La plataforma de la máquina de DBS informa en tiempo real sobre el
cliente y predice el motivo de la llamada. Se implementó una interceptación genérica que permitía a los clientes que se encontraban en
situaciones específicas (por ejemplo, una transacción con tarjeta de crédito rechazada) ser dirigidos inmediatamente a los funcionarios de
servicio al cliente del banco, saltándose las tediosas opciones del menú telefónico. A los seis meses de funcionamiento, el menú
rediseñado redujo el tiempo que un cliente dedicaba a una llamada en 30 segundos, mientras que la satisfacción del cliente mejoró de 3,5
a 4,1 (siendo 5 el más satisfecho). Unos años después de la implementación del programa IVR, el volumen de llamadas se redujo en un
8%, lo que indica la mejora del proyecto.
éxito.94 Además, para fomentar la colaboración entre humanos y robots en el centro de contacto, se implementó una aplicación de
reconocimiento de imágenes cuánticas (QIRA) para integrar perfectamente la automatización, con la incorporación de expertos humanos
cuando fuera necesario.95
Sistema ALD
Otro proyecto clave se implementó para utilizar la IA para prevenir el lavado de dinero.96 Los sistemas existentes basados en reglas se
estaban utilizando en el banco para gestionar la lucha contra el lavado de dinero; sin embargo, una de sus deficiencias comunes fue que
crearon demasiados falsos positivos (a veces hasta el 98%). El grupo de vigilancia de transacciones del banco creó un modelo de
aprendizaje automático que podría filtrar alertas utilizando los datos del banco y priorizar la lista de casos sospechosos. A cada caso se
le asignó una “puntuación de riesgo” y los casos de menor riesgo fueron
11/20
puestos en “hibernación” durante 90 días con el supuesto de que no necesitaban investigación, hasta que su puntuación de riesgo
aumentó. También se desarrolló un "enlace de red" utilizando una base de datos gráfica para analizar las relaciones entre
delincuentes potenciales, y se construyó un nuevo sistema para el banco utilizando tecnologías de código abierto. Además, se
implementó un sistema de gestión de casos llamado 'Cruise' para reemplazar el enfoque existente, que requiere mucha mano de
obra, para el flujo de trabajo de la investigación. La plataforma Cruise integró los resultados del motor basado en reglas, el modelo
de filtro de aprendizaje automático y el sistema de enlace de red, y proporcionó a los analistas un acceso fácil e integrado a los
datos relevantes de todo el banco que eran necesarios para dar seguimiento a la transacciones que estaban investigando. Si bien
los sistemas basados en reglas no pudieron eliminarse debido a requisitos regulatorios, los sistemas de valor agregado como Cruise
permitieron a los analistas combinar la información del sistema de aprendizaje automático con el sistema basado en reglas para
97
tomar decisiones mejores y más rápidas sobre la detección del lavado de dinero. Mientras que
antes, los analistas de vigilancia de transacciones pasaban dos o más horas analizando una alerta, después de implementar lo
anterior, podían analizar alrededor de un tercio más de casos en la misma cantidad de tiempo, con mayor precisión.
Fuente: Elaboración propia en base a diversas fuentes publicadas.
ANEXO 3: PRIMER MARCO DE DATOS DBS
DBS intentó dar prioridad a los datos haciendo que "Data First" formara parte de su cultura empresarial. Para respaldar la cultura
Data First, se creó una estructura de desarrollo de soluciones dos en uno (líderes comerciales y tecnológicos con KPI conjuntos)
para motivar a los empleados hacia una visión común y holística para brindar una experiencia de cliente diferenciada.
12/20
DBS también conceptualizó el Marco PURE para garantizar el uso responsable de los datos en todo el banco, donde el banco
evalúa los casos de uso de datos según sus principios PURE (intencional, no sorprendente, respetuoso y explicable).
El proceso fue un facilitador clave para garantizar que el uso de los datos fuera responsable y que las consideraciones de privacidad de los
datos estuvieran integradas en la cultura y las prácticas comerciales de cada unidad.
Fuente: Informe Anual DBS 2020
GRÁFICO 4: IMPULSORES DE VALOR TÍPICOS DE LAS EMPRESAS 'TODAS EN LA IA'
Velocidad de ejecución: aplique IA para acelerar el tiempo de obtención de resultados operativos y comerciales minimizando la latencia en
la toma de decisiones y la acción.
Reducción de costos: aplique IA para automatizar de manera inteligente procesos, tareas e interacciones comerciales para reducir costos,
aumentar la eficiencia, mejorar la sostenibilidad ambiental y garantizar la previsibilidad.
Comprensión de la complejidad: aplique IA para mejorar la comprensión y la toma de decisiones descifrando patrones, conectando puntos y
prediciendo resultados a partir de fuentes de datos cada vez más complejas.
Compromiso transformado: aplique IA para cambiar la forma en que los clientes y empleados interactúan con los sistemas inteligentes para
ampliar los medios de compromiso a través de voz, visión, texto y tacto.
Innovación impulsada: aplique IA para generar conocimientos profundos sobre dónde jugar y cómo ganar, permitiendo la creación de nuevos
productos, oportunidades de mercado y modelos de negocio.
Confianza fortalecida: aplique IA para proteger la marca de riesgos como fraude, despilfarro, abuso e intrusión cibernética, asegurando en
consecuencia a las partes interesadas y mejorando la confianza entre los clientes.
Fuente: Thomas H. Davenport y Nitin Mittal, “All in on AI”, Harvard Business Review Press, 2023. pág. 23.
13/20
GRÁFICO 5: CRECIMIENTO DE INGRESOS DE DBS
18.000.000
16.000.000
14.000.000
12.000.000
10.000.000
8.000.000
6.000.000
4.000.000
2.000.000
0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Ingresos totales Beneficio neto
Fuente: Informes Anuales
GRÁFICO 6: EJEMPLOS DE EMPRESAS DE TECNOLOGÍA QUE ESTÁN "TODAS EN LA IA"
Compañía Enfoque 'todo incluido en la IA'

Loblaw, la cadena de supermercados más grande de Canadá, se expandió hasta convertirse en la plataforma de software para
atención médica más grande del país. Su aplicación de salud basada en inteligencia artificial ayuda a los canadienses a navegar
de manera efectiva a través del sistema de salud y proporciona una “puerta de entrada” a los servicios de salud. También utiliza
capacidades de inteligencia artificial para proporcionar información nutricional y recomendaciones de productos saludables
Loblaw para los 55.000 productos vendidos en sus tiendas minoristas.
Anthem, una gran compañía de seguros médicos de EE. UU., utiliza una plataforma habilitada para inteligencia artificial para
Himno conectar digitalmente a sus miembros con los proveedores y servicios de atención médica que necesitan.
Calico aprovecha la inteligencia artificial y el aprendizaje automático para analizar grandes cantidades de datos en su investigación con el fin de
Calicó identificar nuevos objetivos de intervención en enfermedades relacionadas con el envejecimiento.
CCC inteligente CCC es una empresa mediana que domina el suministro de datos y análisis de imágenes basados en inteligencia artificial
Soluciones para la evaluación de daños por colisión de seguros de automóviles.
Toyota se ha centrado en utilizar la IA para hacer que la conducción humana sea más inteligente y segura en lugar de
fabricar vehículos totalmente autónomos para reducir las muertes por accidentes automovilísticos, especialmente entre
adolescentes y otras personas que conducen imprudentemente. Además, su sistema avanzado de asistencia al conductor
toyota habilitado por IA ofrece capacidades de estacionamiento y crucero semiautónomos.
Airbus aprovecha las tecnologías de inteligencia artificial en diversas áreas de su negocio para mejorar la eficiencia, la
Aerobús seguridad y la experiencia del cliente en la industria de la aviación.
Shell ha implementado IA para exploración y producción, refinación y productos químicos, cadena de suministro, seguridad y
Caparazón sostenibilidad.
Deloitte utiliza la IA en auditoría y aseguramiento, servicios legales y fiscales, consultoría, gestión de riesgos y operaciones.
Deloitte
Una compañía de seguros china que utilizó IA para crear nuevos modelos de negocio, estrategias, ecosistemas
y procesos. La plataforma Good Doctor crea un nuevo negocio en el sector sanitario; La empresa desarrolló varias plataformas
Hacer ping de inteligencia artificial para crear nuevos negocios a partir de nuevos escenarios de casos de uso.
La compañía de seguros de automóviles utiliza modelos de aprendizaje automático para traducir los comportamientos de
conducción en los precios que cobra a los clientes individuales; también utiliza análisis de inteligencia artificial de imágenes
Progresivo de teléfonos móviles para acelerar el procesamiento de reclamos y para ayudar en otros aspectos del proceso de seguro.
Unilever utiliza la IA en toda la organización, en el desarrollo de productos, marketing, gestión de la cadena de suministro,
Unilever control de calidad y servicio al cliente.
Fuente: Thomas H. Davenport y Nitin Mittal, “All in on AI”, Harvard Business Review Press, 2023.
14/20
GRÁFICO 7: EJEMPLOS DE APLICACIONES DE LA IA EN BANCA Y FINANZAS

Áreas Aplicación de la IA
Detección de fraude
Los algoritmos de IA se utilizan para detectar y prevenir transacciones fraudulentas.
Evaluación de riesgos
La IA se utiliza para analizar grandes cantidades de datos para evaluar los riesgos crediticios y crediticios.
Los algoritmos de IA se utilizan para operaciones de alta frecuencia, gestión de riesgos y
Comercio algorítmico
Personalización de portafolios.
La IA se utiliza para analizar grandes cantidades de datos para evaluar la solvencia y tomar decisiones
Puntuacion de credito
crediticias.
Gestión de la cartera Servicios de gestión de carteras y asesoramiento de inversiones impulsados por IA.
Operaciones La IA ayuda a automatizar tareas repetitivas y mejorar la eficiencia en áreas como el procesamiento administrativo y
el cumplimiento.
Planificacion Financiera Los asesores financieros basados en inteligencia artificial brindan asesoramiento de inversión personalizado.
Marketing y ventas Las recomendaciones personalizadas impulsadas por IA ayudan a los bancos a realizar ventas cruzadas de productos.
Experiencia y servicio al cliente.

Los chatbots con tecnología de inteligencia artificial brindan atención al cliente 24 horas al día, 7 días a la semana y manejan consultas básicas.
Fuente: DBS Bank, “Inteligencia artificial: el futuro de la banca y las finanzas”, https://www.dbs.com/artificialintelligencemachinelearning/
artificialintelligence/aithefutureofbankingand finance.html, consultado el 26 de mayo de 2023.
GRÁFICO 8: TECNOLOGÍAS NUEVAS Y EMERGENTES EN EL ÁREA FINANCIERA
Había varias tecnologías nuevas y emergentes que se consideraban influyentes para cambiar la industria financiera en el futuro cercano. Algunas de las tecnologías más
relevantes incluyeron los avances de la IA, 5G, IoT, blockchain y la IA generativa.
5G ofrecía mayores velocidades de transmisión y menor latencia, lo que facilitaba que las redes admitieran dispositivos conectados, aplicaciones con uso intensivo de ancho
de banda, operaciones remotas y redes virtuales.98 Por otro lado, la IoT había comenzado a prevalecer con el auge de los dispositivos inteligentes y las máquinas. Conectividad
entre máquinas sin intervención humana. Esto podría marcar el comienzo de las comunicaciones con sensores basados en máquinas en las ciudades inteligentes y la
democratización generalizada del uso de datos.99
Por otra parte, hubo un cambio dramático en las capacidades de IA demostrado con el lanzamiento de GPT3 por parte de Open AI en 2020, y esa capacidad se amplificó
sustancialmente con el lanzamiento posterior de ChatGPT por parte de la compañía hacia fines de 2022 y GPT4 a principios de 2023100 . Una serie de modelos de IA y
versiones de ChatGPT basados en estos modelos GPTX más nuevos, junto con modelos similares de otras organizaciones, se basaron en modelos de lenguaje grande (LLM),
también llamados modelos generativos o básicos. Este mismo enfoque subyacente de usar estos modelos previamente entrenados en grandes cantidades de datos no
estructurados (texto o imágenes, video, audio, código de computadora o cualquier combinación de los mismos)101 y que utilizan un modelo de IA y un enfoque de entrenamiento
relativamente recientes basados en el transformador. arquitectura, ha dado lugar a una proliferación (una expansión de magnitud de “explosión cámbrica”) de capacidades y
aplicaciones de IA generativa que se están implementando rápida y ampliamente en todos los sectores de la economía, especialmente en la banca y las finanzas.102
Fuente: Elaboración propia
15/20
GRÁFICO 9: COMPONENTES DE EMPRESAS “IMPULSADAS POR IA” QUE ESTÁN “TODAS EN LA IA”
• Amplia adopción empresarial de la IA, utilizando múltiples tecnologías • Muchos
sistemas de IA en implementación de producción • Emplear
IA para reinventar y rediseñar los procesos de trabajo • Un alto porcentaje de
la organización domina la IA y cómo se puede aplicar • Compromisos e inversiones a largo plazo
en IA • Fuentes de datos únicas y voluminosas, analizadas y
procesadas en tiempo real • Un marco para una IA ética y confiable implementada • La organización
se convierte en una máquina de aprendizaje
Fuente: Thomas H. Davenport y Nitin Mittal, “All in on AI”, Harvard Business Review Press, 2023, págs. 7125.
16/20
Referencias
1 Annie Koh, Robin Speculand, Adina Wong y WeeKiat Lim, “DBS: Digital Transformation to Best Bank in the World”, Singapore Management University,
julio de 2020, https://cmp.smu.edu.sg/case/4426 , consultado en abril de 2023.
2 DBS, Tecnología del futuro, “Redefiniendo el futuro de la banca como empresa tecnológica”, 1 de noviembre de 2022, https://www.dbs.com/technology
future/dbsredefiningthefutureofbanking asatechnologycompany.html, consultado en abril de 2023.
3 Thomas H. Davenport y Randy Bean, “Retrato de un líder en IA: Piyush Gupta de DBS Bank”, MIT Sloan Review,
31 de agosto de 2021, https://sloanreview.mit.edu/article/portraitofanaileaderpiyushguptaofdbsbank/, consultado en abril de 2023.
4 Ibídem.
5 Sia Siew Kien, Peter Weill y Mou Xu, “DBS: From the 'World's Best Bank' to Building the FutureReady Enterprise”, https://store.hbr.org/product/
NTU231, consultado en marzo de 2022.
6 Ibídem.
7 Reuters, “Las ganancias del cuarto trimestre del banco de Singapur DBS aumentan un 69%, dice que la tasa aumenta a moderada”, CNA, Business, 13 de
febrero de 2023, https://www.channelnewsasia.com/business/singaporebankdbsq4profit jumpsraterisesmoderate3273506, consultado en abril de 2023.
8 Kelly Ng, “Piyush Gupta cuenta con la inteligencia artificial y las capacidades de datos de DBS para adelantarse a sus pares”, DBS, 31 de octubre de 2022,
https://www.dbs.com/artificialintelligencemachinelearning/artificialintelligence /, consultado en abril de 2023.
9 Autoridad Monetaria de Singapur, “MAS Announces Successful Applicants of Licenses to Operate New Digital Banks in Singapore”, 4 de diciembre de 2020,
https://www.mas.gov.sg/news/mediareleases, consultado en abril de 2023.
10 Anshuman Daga, “El director ejecutivo de DBS dice que es difícil que los bancos digitales se introduzcan en Singapur”, Reuters, 3 de diciembre de 2021,
https://www.reuters.com/technology/dbsceosaysharddigitalbanksgain marketsharesingapore20211203/, consultado en enero de 2022.
11 Sheila Chiang, “Los bancos digitales de Singapur ofrecen incentivos para ganar nuevos clientes: ¿es sostenible?”, CNBC, 20 de febrero de 2023, https://
www.cnbc.com/singaporesdigitalbanksdangleincentivestowin newcustomersisitsustainable.html, consultado en abril de 2023.
12 Ibídem.
13 Thomas H. Davenport y Nitin Mittal, “All in on AI: How Smart Companies Win Big with Artificial Intelligence”, Harvard Business Review Press, 24 de enero
de 2023, https://www.amazon.com/AllAICompanies ArtificialIntelligence ebook/dp/B09Q6KHWVT, consultado en enero de 2023.
14 Anshuman Daga, “DBS CEO Says Tough for Digital Banks to Muscle into Singapore”, Reuters, 3 de diciembre de 2021, https://www.euronews.com/next/
2021/12/03/reutersnextdbs, consultado Abril de 2023.
15 DBS, “Inteligencia artificial: el futuro de la banca y las finanzas”, 18 de abril de 2023, https://www.dbs.com/artificialintelligencemachinelearning/
artificialintelligence/aithefutureof bankingandfinance.html, consultado en abril de 2023.
16 Jörg Erlebach, Marc Pauly, Lucas Du Croo De Jongh y Michael Strauß, “The Sun is Getting on Traditional Banking”, BCG, 24 de noviembre de
2020, https://www.bcg.com/publications/2020/bionicbanking quizáselfuturodelabanca, consultado en enero de 2022.
17 Mariano Belinky, Emmet Rennick y Andrew Veitch, “The Fintech 2.0 Paper: Rebooting Financial Services”, Oliver Wyman, junio de 2015 https://
www.oliverwyman.com/The_Fintech_2_0_Paper.pdf, consultado en marzo de 2022.
18 Ibídem.
19 Naeem Aslam, “La capitalización de mercado de Paypal es casi el doble que la de Goldman Sachs; Por qué Wall Street debe prestar atención”,
NASDAQ, 8 de noviembre de 2021, https://www.nasdaq.com/articles/paypalsmarketcapisalmostdoublegoldmansachswhywallstreetneedstopay
attention , consultado Junio de 2023.
20 Ibídem.
21 Fintech News Singapore, “In APAC, Southeast Asia Consumers are Most Received to Challenger Banks”, 1 de abril de 2021, https://fintechnews.sg/49973/
virtualbanking/inapacsoutheastasiaconsumersare mostreceivedtochallenger banks/, consultado en enero de 2022.
22 Jungkiu Choi, Prasanna Santhanam, Pauline Wray, Shobhit Shubhankar y Jeroen Vandensteen, “The Rise of Digital Banking in Southeast Asia”,
BCG, https://mediapublications.bcg.com/TheRiseofDigitalBanking inSoutheastAsia.pdf, consultado en enero de 2023.
23 Ibídem.
24 Ibídem.
25 Colm Farrell, “Monzo: Una oferta digital que tiene a los bancos tradicionales del Reino Unido luchando”, Iniciativa digital de la Escuela de Negocios de
Harvard, 9 de febrero de 2020, https://d3.harvard.edu/platformdigit/submission/monzoadigital offeringthathastraditionalukbanksscrambling/, consultado
en enero de 2023.
26 Ibídem.
27 Infopedia de Singapur, “Banco de Desarrollo de Singapur”, 1 de diciembre de 2015, https://
eresources.nlb.gov.sg/infopedia/articles/SIP_20151201_132040.html, consultado en enero de 2023.
17/20
28 Thomas H. Davenport y Randy Bean, “Retrato de un líder en IA: Piyush Gupta de DBS Bank”, MIT Sloan Review, 31 de agosto de 2021, https://
sloanreview.mit.edu/article/portraitofan aileaderpiyushguptaofdbsbank/, consultado en abril de 2023.
29 Ibídem.
30 Ibídem.
31 Annie Koh, Robin Speculand, Adina Wong y WeeKiat Lim, “DBS: Digital Transformation to Best Bank in the World”, Singapore Management
University, 1 de julio de 2020, https://cmp.smu.edu.sg/case /4426, consultado en abril de 2023.
32 Ibídem.
33 Ibídem.
35 Douglas Blakey, “Mastering the AI Advantage: How DBS Transformed into a Digital Leader”, Retail Banker International, 30 de enero de
2023, https://www.retailbankerinternational.com/analysis/howdbstransformedintoa worldclassdigitalleader/?cfview&cfclosed, consultado en abril
de 2023.
36 Siew Kien Sia, Peter Weill y Nila Zhang, “Designing a FutureReady Enterprise: The Digital Transformation of DBS Bank”, California Management
Review, 63(3), 5 de marzo de 2021, https://journals.sagepub.com /doi/, consultado en abril de 2023.
37 Ibídem.
38 Ibíd.
39 Ibídem.
40 Sia Siew Kien, Christina Soh, Peter Weill e Yvonne Chong, “Rewiring the Enterprise for Digital Innovation: The Case of DBS Bank”, Nanyang Business
School, 2 de junio de 2015, https://Case%20Study.pdf, consultado en agosto. 2023.
41 Ibídem.
42 Xiaoli Li, “Análisis de datos: de la investigación al impacto en el mundo real”, A*Star Institute of Infocomm Research (I2R), 18 de mayo de 2021,
https://ims.nus.edu.sg/wpcontent/uploads /2021/06/XiaoliLi.pdf, consultado en abril de 2023.
43 Thomas H. Davenport y Randy Bean, “Retrato de un líder en IA: Piyush Gupta de DBS Bank”, MIT Sloan Review,
31 de agosto de 2021, https://sloanreview.mit.edu/article/portraitofanaileaderpiyushguptaofdbsbank/, consultado en abril de 2023.
44 Eileen Yu, “DBS Bank es el primer cliente Watson de IBM en Asia”, ZDNet, 9 de enero de 2014, https://www.zdnet.com/
finance/dbsbankisibmsfirstwatsoncustomerin asia/, consultado en abril de 2023.
45 Robin Speculand, “Un modelo de tres pasos para construir ecosistemas: lecciones del mejor banco del mundo”, DBS, Business Ecosystem
Alliance, https://businessecosystemalliance.org/2021/12/06/atrespaso modelforbuildingecosystemslessons/, consultado en abril de 2023.
46 Tuber, “Why DBS want to be Gandalf”, División de Servicio Público Desafío, 5 de abril de 2018, https://www.psd.gov.sg/
challenge/ideas/feature/whydbswantstobe gandalf#: consultado en junio de 2023.
47 Dave Gledhill, “Executing the Digital Strategy”, DBS, 17 de noviembre de 2017, https://Executing_the_digital_strategy, consultado en abril de 2023.
48 Finextra, “DBS Recognised for Innovations in ATM Technology”, 28 de noviembre de 2014, https://www.finextra.com/
pressarticle/57870/dbsrecognisedforinnovationsinatmtechnology, consultado en abril de 2023.
49 Thomas H. Davenport y Steven M. Miller, “Working with AI: Real Stories of HumanMachine Collaboration”, The MIT Press, 27 de septiembre de 2022,
https://mitpress.mit.edu/9780262047241/workingwith ai/, consultado en abril de 2023.
50 Tom Davenport “El futuro del trabajo ahora: ciencia del cliente en DBS Bank”, Forbes, 7 de abril de 2021, https://www.forbes.com/
sites/tomdavenport/2021/04/07/thefutureof worknowcustomerscienceatdbsbank/?sh=21cc7b5f3edc, consultado en abril de 2023.
51 Ibídem.
52 Simon Mortlock, “DBS MD: 'Estoy contratando 200 técnicos en 12 meses'”, efinancialcareers, 22 de mayo de 2017, https://
www.efinancialcareers.sg/news/2017/05/dbstechnologyjobs sohsiewchoo, consultado en abril de 2023.
53 Grupo DBS, “Transformando DBS Bank en una empresa tecnológica”, Innovación bancaria. 3 de diciembre de 2020, artículos/
transformingdbsbanktechcompany, consultado en abril de 2023.
54 DBS, Informe Anual 2020.
55 Sameer Gupta, “A Look at How DBS is Becoming a DataDriven Bank”, presentación en la Conferencia QuantumBlack AIxImpact,
Singapur, 18 de febrero de 2022, https://www.youtube.com/watch?v=gPxHNup_zCk, consultado Junio de 2023.
56 Sia Siew Kien, Peter Weill y Mou Xu, “DBS: From the 'World's Best Bank' to Building the FutureReady Enterprise”, Centro de Investigación
de la Información del MIT, 18 de marzo de 2019, https://store.hbr.org /product/NTU231, consultado en abril de 2023.
57 Ibídem.
58 Tom Davenport, “El futuro del trabajo ahora: ciencia del cliente en DBS Bank”, Forbes, 7 de abril de 2021, https://www.forbes.com/
sites/tomdavenport/2021/04/07/thefutureof worknowcustomerscienceatdbsbank/?sh=21cc7b5f3edc, consultado en abril de 2023.
18/20
59 Ibídem.
62 Kelly Ng, “Piyush Gupta cuenta con las capacidades de datos e inteligencia artificial de DBS para adelantarse a sus pares”, DBS, 31 de octubre de
2022, https://www.dbs.com/artificialintelligencemachinelearning/artificialintelligence/, consultado en abril de 2023.
63 DBS, “DBS Bank Accelerates Digitalisation Transformation with Robotics Programme”, 30 de noviembre de 2017,
DBS_Bank_accelerates_digitalisation_transformation_with_robotics_programme, consultado en abril de 2023.
64 Anand Singh Chandel, “Cómo hacer que la banca sea 'invisible' con la transformación digital”, IBM, 9 de abril de 2019, https://www.ibm.com/
blogs/clientvoices/bankinginvisibledigitaltransformation/, consultado en abril de 2023.
66 Achim Granzen, "DBS Bank siguió cuatro principios de diseño al construir su plataforma de datos empresariales",
Forrester, 5 de julio de 2020, https://www.forrester.com/blogs/dbsbankfollowedfourdesignprincipleswhenbuildingtheirenterprisedataplatform/,
consultado en abril de 2023.
67 Ibíd.
68 DevOps es un conjunto de prácticas mundialmente conocido que combina el desarrollo de software y las operaciones de TI. Su objetivo es acortar el
ciclo de vida del desarrollo de sistemas y proporcionar una entrega continua con alta calidad de software.
69 Robin Speculand, “Un modelo de tres pasos para construir ecosistemas: lecciones del mejor banco del mundo”, DBS, Business Ecosystem
Alliance, https://businessecosystemalliance.org/2021/12/06/atrespaso modelforbuildingecosystemslessons/, consultado en abril de 2023.
68 DBS, “POSB Smart Buddy: el primer programa de pagos y ahorros de tecnología portátil en la escuela del mundo se lanza en 19 escuelas”, 16 de
agosto de 2017, Worlds_first_in_school_wearable_tech_ Savings_and_paids_programme, consultado en abril de 2023.
71 Banking Innovation, “DBS Bank: An AllEncompassing Innovation Leader”, 27 de agosto de 2020, https://
bankinginnovation.qorusglobal.com/content/reports/dbsbankallencompassinginnovationleader, consultado en enero de 2023. .

74 QuantumBlack AI de McKinsey, “Power Up: How Southeast Asia's Largest Bank is Becoming AIFueled”, 29 de noviembre de 2022, https://
www.mckinsey.com/poweruphowsoutheastasiaslargestbank isbecomingaifueled, consultado en abril de 2023.
75 Un lago de datos es un repositorio centralizado diseñado para almacenar, procesar y proteger grandes cantidades de datos estructurados,
semiestructurados y no estructurados.
76 Ibídem.
77 ET Edge Insights, “Reimagining Banking Through Transformative Digitization”, 16 de junio de 2020, https://etinsights.etedge.com/reimaginingbanking
throughtransformativedigitization/, consultado en abril de 2023.
78 Informe Anual DBS 2021.
79 QuantumBlack AI de McKinsey, “Power Up: How Southeast Asia's Largest Bank is Becoming AIFueled”, 29 de noviembre de 2022, https://
www.mckinsey.com/poweruphowsoutheastasiaslargestbank isbecomingaifueled, consultado en abril de 2023.

82 Ibídem.
83 DBS, Informe Anual 2020, Informe Anual 2021 e Informe Anual 2022.
84 Kelly Ng, “Piyush Gupta cuenta con las capacidades de datos e inteligencia artificial de DBS para adelantarse a sus pares”, DBS, 31 de octubre de
2022, https://www.dbs.com/artificialintelligencemachinelearning/artificialintelligence/, consultado en abril de 2023.
85 Vladimir Lugovsky, “Digital Transformation in Banking: How to Make the Change”, Forbes, 29 de diciembre de 2021, https://www.forbes.com/sites/
forbesbusinesscouncil/2021/12/29/, consultado en enero de 2023.
86 Laurence Goasduff, “COVID19 Accelerates Digital Strategy Initiatives”, Gartner, 6 de noviembre de 2020, https://www.gartner.com/
smarterwithgartner/covid19acceleratesdigitalstrategyinitiatives, consultado en abril de 2023.
87 Deloitte Insights, “Acelerar la transformación digital en la banca”, 2018, https://www2.deloitte.com/
content/dam/Deloitte/jp/Documents/financialservices/bk/enbkglobalbankingsurvey. pdf, consultado en enero de 2023.
88 Financial Review, “ANZ's DrawnOut Tech Transformation”, 8 de diciembre de 2021, https://www.afr.com/

chanticleer/anzsdrawnouttechtransformation20211207p59feg, consultado en enero de 2022.
19/20
89 Tom Groenfeldt, "DBS lidera el uso de IA y aprendizaje automático mientras mantiene el toque humano", Forbes, 6 de diciembre de 2022,
https://www.forbes.com/sites/tomgroenfeldt/2022/12/06/dbsleadsin usaraiymlmientrasmantenemos eltoquehumano/?sh=6f3c54d4354b,
consultado en abril de 2023.
90 Ibídem.
91 Ibíd.
92 Ibíd.
93 Ibíd.
94 Tom Davenport, “The Future of Work Now: Customer Science at DBS Bank”, Forbes, 7 de abril de 2021, consultado en abril de 2023.
95 Thomas H. Davenport y Steven M. Miller, “Working with AI: Real Stories of HumanMachine Collaboration”, The MIT Press, 27 de septiembre de
2022, https://mitpress.mit.edu/9780262047241/workingwith ai/, consultado en abril de 2023.
96 Tom Davenport, “El futuro del trabajo ahora: vigilancia de transacciones impulsada por IA en DBS Bank”, Forbes, 23 de octubre de 2020, https://
www.forbes.com/sites/tomdavenport/2020/10/23/the futurodeltrabajoahora vigilanciadetransaccionesimpulsadaporaiendbs
bank/?sh=1d019cc13f7f 97 Ibíd. , consultado en abril de 2023.

99 Ibíd.
100 OpenAI, “Product Overview”, https://openai.com/product, consultado el 27 de mayo de 2023.
101 Jeanina Casusi, “¿Qué es un modelo de fundación? Un explicador para no expertos”, Instituto de Inteligencia Artificial Centrada en
Humanos (HAI), Universidad de Stanford, 10 de mayo de 2023, https://hai.stanford.edu/news/whatfoundationmodelexplainernonexperts ,
consultado el 26 de mayo de 2023.
102 Cem Dilmegani, “10+ Generative AI Finance Use Cases in 2023”, AIMultiple, 26 de julio de 2023, https://
research.aimultiple.com/generativeaifinance/, consultado el 27 de mayo de 2023.
20/20

Español 056SMU-PDF-ENG

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Español 056SMU-PDF-ENG

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

DBS BANK: UNA EMPRESA DE TECNOLOGÍA QUE APRESCA TODO EN LA IA

Copyright © 2023, Universidad de Gestión de Singapur Versión: 2023­09­21

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

Disrupción, banca tradicional y su cada vez menor relevancia

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

Transformación Digital en DBS

Enfoque de cada unidad

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

Construyendo una ventaja de IA

Creando victorias tempranas

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

Los datos primero y todo va a la nube

Promoción de la experimentación con IA

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

Incorporar la IA en la experiencia del cliente

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

Nuevas vías de negocio

Recapacitación del personal

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

EXPOSICIÓN 1: RUEDA DE QUESO DE TRANSFORMACIÓN DBS GANDALF

EXHIBICIÓN 2: DBS GANA PRONTO PROYECTOS DE IA

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

Fuente: Elaboración propia en base a diversas fuentes publicadas.

ANEXO 3: PRIMER MARCO DE DATOS DBS

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

Fuente: Informe Anual DBS 2020

GRÁFICO 4: IMPULSORES DE VALOR TÍPICOS DE LAS EMPRESAS 'TODAS EN LA IA'

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

GRÁFICO 5: CRECIMIENTO DE INGRESOS DE DBS

Ingresos totales Beneficio neto

Fuente: Informes Anuales

GRÁFICO 6: EJEMPLOS DE EMPRESAS DE TECNOLOGÍA QUE ESTÁN "TODAS EN LA IA"

Compañía Enfoque 'todo incluido en la IA'

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

GRÁFICO 7: EJEMPLOS DE APLICACIONES DE LA IA EN BANCA Y FINANZAS

Experiencia y servicio al cliente.

GRÁFICO 8: TECNOLOGÍAS NUEVAS Y EMERGENTES EN EL ÁREA FINANCIERA

Fuente: Elaboración propia

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

• Amplia adopción empresarial de la IA, utilizando múltiples tecnologías • Muchos

sistemas de IA en implementación de producción • Emplear

IA para reinventar y rediseñar los procesos de trabajo • Un alto porcentaje de

la organización domina la IA y cómo se puede aplicar • Compromisos e inversiones a largo plazo

en IA • Fuentes de datos únicas y voluminosas, analizadas y

se convierte en una máquina de aprendizaje

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

72 DBS, Informe Anual 2021.

80 DBS, Informe Anual 2022.

88 Financial Review, “ANZ's Drawn­Out Tech Transformation”, 8 de diciembre de 2021, https://www.afr.com/

SMU­23­0018 DBS Bank: una empresa de tecnología que apuesta por la IA

98 DBS, Informe Anual 2020.

También podría gustarte

Copyright © 2023, Universidad de Gestión de Singapur Versión: 20230921

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA

88 Financial Review, “ANZ's DrawnOut Tech Transformation”, 8 de diciembre de 2021, https://www.afr.com/

SMU230018 DBS Bank: una empresa de tecnología que apuesta por la IA