Liderazgo Capital Humano Actualidad

Piyush Gupta, CEO de DBS Bank: retrato de un líder en Inteligencia Artificial

Gupta llegó a DBS como CEO en 2009, cuando la empresa ocupaba el puesto más bajo en servicio al cliente entre los bancos de Singapur. Hoy se clasifica como uno de los mejores en atención y ha ampliado su presencia en toda Asia.

Thomas H. Davenport, Randy Bean 02 Abr 2022

Existe un acuerdo generalizado de que el apoyo de la alta dirección es necesario para la adopción exitosa de la Inteligencia Artificial (IA) dentro de las grandes organizaciones.

Quizás esto podría decirse de cualquier tecnología relativamente nueva, pero la IA tiene un impacto comercial mayor que la mayoría.

Por qué las empresas deben adoptar prácticas responsables con la Inteligencia Artificial

Publicidad
Publicidad

Es la tecnología considerada por los encuestados de la encuesta de tecnología de NewVantage Partners 2021 como la más transformadora de todas las tecnologías disponibles en la actualidad.

Piyush Gupta, CEO del Grupo DBS Bank, ha estado en la industria bancaria, conocida por ser conservadora, durante casi 40 años, sin embargo, ha logrado crear no solo una potencia bancaria y de servicio al cliente a partir de lo que alguna vez se conoció como “Damn Bloody Lento”, también es un “adoptador” muy agresivo de la Inteligencia Artificial.

Los esfuerzos y las pasiones personales de Gupta, y su voluntad de empujar al banco a experimentar, incluso cuando podría resultar en una falla a corto plazo, ilustran poderosamente la capacidad de un alto ejecutivo para liderar la adopción efectiva de una nueva tecnología.

Cultivando una amplia experimentación

Gupta llegó a DBS como CEO en 2009, cuando la empresa ocupaba el puesto más bajo en servicio al cliente entre los bancos de Singapur.

Hoy se clasifica como uno de los mejores en servicio y ha ampliado enormemente su presencia en toda Asia a través de adquisiciones y crecimiento orgánico. Es el banco más grande del sudeste asiático y también tiene una presencia creciente en China e India.

La evaluación de servicios y clientes, una herramienta para ser mejores

DBS ha ganado múltiples premios bancarios globales, incluido ser nombrado Banco Global del Año por The Banker, Mejor Banco del Mundo por Global Finance y Mejor Banco Digital del Mundo por Euromoney, dos veces.

Gupta nos dijo que sus primeras iniciativas de IA en DBS fueron fracasos, aunque instructivos. Los describe como “herramientas de señalización” para la organización.

En 2013, contrató a DBS para un laboratorio de IA con la Agencia para la Ciencia, la Tecnología y la Investigación (A*STAR), la principal organización de investigación y desarrollo del sector público de Singapur.

DBS firmó un contrato de tres años para explorar aplicaciones de IA con científicos de datos asignados tanto de DBS como de A*STAR.

Trabajaron en media docena de proyectos, ninguno de los cuales tuvo éxito. Pero Gupta dijo que él y la organización aprendieron mucho sobre los tipos de proyectos de IA que serían más exitosos para el banco.

Al principio, una de las estrategias de Gupta para la IA era simplemente comenzar con la tecnología temprano y probar muchas cosas diferentes. Uno de los indicadores clave de rendimiento del banco se basó en la realización de mil experimentos al año, muchos de ellos con datos e IA.

Gupta reveló estos experimentos en eventos que organizó para promover la lluvia de ideas y alentar al banco a pensar más profundamente sobre cómo podría implementar la IA. Los experimentos de IA son, por supuesto, bastante comunes, pero no a esta escala.

También “abrió la billetera” a la experimentación de IA al brindar a las unidades de negocios y funciones la flexibilidad de contratar cuasi-científicos de datos para ver qué podían lograr. Citó al equipo de Recursos Humanos como un ejemplo de los resultados positivos de un experimento de este tipo.

El jefe de Recursos Humanos, que no tenía antecedentes técnicos, creó un programa skunkworks para identificar y probar aplicaciones de Inteligencia Artificial que ayudarían al equipo de recursos humanos.

El grupo desarrolló JIM, la aplicación Job Intelligence Maestro, para ayudar a los reclutadores del banco a contratar al talento adecuado para puestos de alto volumen de manera más eficiente.

Recursos Humanos también desarrolló un modelo de predicción de desgaste que permitió al banco analizar puntos de datos como la capacitación, la compensación, los patrones de licencia y más de un colaborador para predecir la probabilidad de que abandone la organización.

Síguenos en LinkedIn para mantenerte informado

Trayendo raíces profundas en tecnología a la banca

Los datos son lo que alimenta la IA y muchas empresas han tenido que implementar cambios sustanciales en sus entornos de datos para que sean adecuados para iniciativas agresivas de IA.

Lo que no es común es que el director general de una gran empresa dirija personalmente la transformación de los datos. Antes de llegar a DBS, Gupta había sido director ejecutivo de Citigroup para el Sudeste de Asia y el Pacífico, pero sus raíces bancarias estaban en las operaciones y la tecnología.

Era un protegido del ex director ejecutivo de Citi, John Reed, quien fue quizás el primer banquero global en comprender la importancia de la información y la tecnología para la industria, y quien lideró una transformación centrada en la información de los negocios administrativos y de consumo de ese banco.

Gupta lideró los servicios de transacciones para Citi en Asia, luego ascendió a director regional del banco. (Tomó un breve desvío para fundar un negocio de punto com, que según dijo fracasó rápidamente. Para nosotros, eso refuerza tanto su deseo de innovación como su disposición a errar el blanco).

Gupta atribuye su interés y capacidad para impulsar la transformación de datos de DBS a su trabajo con Citi, donde participó en la creación de los primeros centros de datos del banco y aprendió sobre arquitecturas de datos.

En DBS, Gupta ha liderado una gran transformación en la gestión de datos. Como muchas empresas, DBS ha trasladado gran parte de sus datos de almacenes tradicionales a lagos de datos; estos últimos son mucho más baratos y se adaptan mejor a la información menos estructurada.

Además, DBS creó una nueva estructura para sus metadatos, limpió 80 millones de registros incompletos, desarrolló nuevos protocolos para determinar quién podía acceder a los datos y qué datos de clientes eran adecuados para capturar, e introdujo herramientas de visualización para que las tendencias fueran más evidentes.

DBS también ha creado nuevas estructuras de gobierno para los datos. Por ejemplo, estableció un Comité de Uso Responsable de Datos que examina si la información de cara al cliente es apropiada para recopilar y usar.

Los criterios aplicados no están relacionados solo con lo que es legal, sino también con lo que los clientes encontrarían aceptable. El banco también sigue el mantra de PURE: que los datos recopilados deben tener un propósito, no sorprender, ser respetuosos y explicables.

Todas estas son acciones de datos algo comunes para las organizaciones que adoptan la IA, pero es raro que los directores ejecutivos estén muy involucrados en ellas.

Las empresas están ganando mucho dinero con la Inteligencia Artificial

DBS ahora emplea a alrededor de 1,000 colaboradores de datos y análisis, incluidos científicos de datos, analistas de datos e ingenieros de datos.

Algunos están en un grupo central, pero más están ubicados en varias funciones y unidades de la empresa. “Tenemos el doble de ingenieros en tecnología que banqueros”, señaló Gupta.

El banco también ha capacitado a más de 18,000 colaboradores en habilidades de datos, creando una empresa de “científicos de datos ciudadanos”.

Alrededor de 2,000 colaboradores son competentes en áreas avanzadas de ciencia de datos e Inteligencia Comercial, y se ha identificado a otros 7,000 para mejorar sus habilidades en disciplinas como el uso de datos, análisis e inteligencia artificial.

El banco ha podido crear eficiencias sustanciales con IA en ciertas áreas, como su centro de contacto con el cliente, utilizando un chatbot capaz. Sin embargo, hasta el momento, la mayor adopción de IA no ha resultado en la pérdida de puestos de trabajo en DBS, en parte porque las personas han recibido capacitación para ayudarlos a cambiar de roles.

Gupta reconoce que, si bien sigue comprometido con ayudar a su gente a mejorar sus habilidades para que puedan agregar valor a la IA, nadie sabe cuán capaz será la IA en el futuro.

Cuando Gupta buscaba recientemente nuevas formas de energizar a las personas y enseñarles más sobre cómo se puede usar la IA, una persona sugirió alentar a los colaboradores a participar en la DeepRacer League de Amazon Web Services, que utiliza un simulador de autos de carrera autónomos para enseñar aprendizaje automático y de refuerzo.

DBS se fijó el objetivo de capacitar hasta 3,000 colaboradores en 2020 utilizando este enfoque. El propio Gupta compitió y, como dijo, “estaba feliz de terminar entre los 100 mejores entre nuestra gente”.

Pero a otros colaboradores empleados de DBS les fue extremadamente bien, y uno fue nombrado campeón en la AWS DeepRacer League F1 ProAm.

Lecciones de liderazgo en IA

¿Qué podemos aprender sobre el liderazgo de IA a partir de este ejemplo? El trabajo de Gupta con IA demuestra varias lecciones que podrían ayudar a los líderes de otras organizaciones a tener éxito también con IA.

1. Ayuda mucho tener experiencia con la tecnología de la información. Un director ejecutivo que no tenga antecedentes como los de Gupta ciertamente puede aprender lo suficiente sobre la IA y la infraestructura de TI relacionada para ser efectivo, pero requerirá una gran cantidad de esfuerzo.

2. Es importante trabajar en múltiples frentes. Las iniciativas específicas en las que un líder decida participar variarán de una empresa a otra, pero los altos ejecutivos son particularmente importantes para señalar el interés en la tecnología, establecer una cultura de decisiones basadas en datos, impulsar la innovación en toda la empresa y motivar a los colaboradores a adquirir nuevos habilidades.

3. Los líderes tienen el poder de la bolsa. La exploración de IA es algo costosa, y el desarrollo y la implementación de producción de IA son realmente costosos. Los líderes de IA deben dedicar suficiente inversión para permitir ambos niveles de adopción. Tenga en cuenta que Gupta abrió la billetera para la experimentación en los primeros días de la adopción de IA y no requirió mucha justificación financiera.

Es valioso que un líder sénior de IA se comprometa personalmente con algún aspecto de la transformación centrada en la IA. Los datos siempre son un tema importante, aunque relativamente pocos directores ejecutivos lo entenderán tan bien como lo ha hecho Gupta. Alternativamente, los líderes podrían adoptar un caso de uso particular de IA y patrocinarlo hasta su finalización.

Gupta dejó en claro que está comprometido en continuar desarrollando las capacidades de DBS en IA, y cree que la tecnología eventualmente será una apuesta en la mesa en la industria bancaria.

Muchos otros bancos han empleado capacidades de IA de proveedores externos, pero Gupta se compromete a crear internamente tantos casos de uso de IA como sea posible.

“Tenemos que tener las mismas capacidades que los nativos digitales”, comentó. “Entonces podemos continuar innovando y compitiendo con ellos cuando sea necesario”.

¿La crítica ayuda o dificulta la creatividad en la lluvia de ideas?