La migrazione al cloud durata sei anni di Deutsche Bank ha reso possibile l'automazione documentale

Prima la migrazione, poi l'automazione

Il risultato principale di questo articolo è una pipeline documentale basata su IA generativa che raggiunge il 97% di precisione con il 40% di tempo di gestione in meno. Ma Leukert dedica la maggior parte del pezzo a descrivere tutto ciò che è successo prima che quel numero fosse possibile.

Deutsche Bank ha iniziato a migrare verso Google Cloud nel 2019, spostando circa 260 applicazioni, partendo deliberatamente da quelle non critiche per costruire fiducia in un ambiente regolamentato. Il lavoro sull'IA viene presentato come il frutto di quel lavoro preparatorio, non come il punto di partenza.

Questo salto ha ripagato. Abbiamo spostato circa 260 applicazioni su Google Cloud, incluse quelle critiche per il business, il che ci ha permesso di implementare rapidamente le tecnologie di IA generativa.Montana Labs

L'argomento implicito è che i guadagni in automazione fossero subordinati alla prontezza dell'infrastruttura. Una banca non può eseguire l'estrazione documentale su larga scala su sistemi che non ha ancora migrato, protetto e stabilizzato.

Il passaggio a S4/HANA è l'affermazione portante

Il dettaglio tecnico più concreto è la migrazione di SAP S4/HANA — 17 sistemi di reporting finanziario, incluso il libro mastro strategico, la pianificazione e le previsioni — dall'on-premise al cloud pubblico, descritta qui come una delle migrazioni più complesse nella storia della finanza.

I risultati riportati sono specifici: miglioramenti nell'elaborazione dati fino al 50%, e tempi di recupero ridotti da 16 a 20 volte. Sono cifre operative su resilienza e capacità di elaborazione, non numeri di precisione dei modelli.

Per una storia di automazione, questa è la parte più istruttiva. Il recupero più rapido e il margine di elaborazione sono ciò che ha permesso alla banca di integrare l'IA nel core finanziario senza trattarla come un esperimento scientifico innestato su un'infrastruttura fragile.

Dove l'automazione è realmente in funzione

Leukert cita tre usi concreti dell'IA generativa. L'elaborazione documentale automatizza migliaia di documenti al giorno — estraendo informazioni da ordini dei clienti e documenti legali — con una precisione del 97% e il 40% di tempo di gestione in meno.

Un Digital Assistant serve attualmente i dipendenti dei reparti research e origination & advisory, curando contenuti per report e analisi, con un potenziale dichiarato di espansione a livello di intera banca. E gli sviluppatori usano l'IA generativa per scrivere codice, trovare bug e migliorare la documentazione.

Si tratta di implementazioni circoscritte e delimitate — tipi di documenti specifici, gruppi di dipendenti specifici — piuttosto che di una dichiarazione di trasformazione a livello aziendale. La cifra del 97% ammette anche implicitamente un margine di errore del 3% che una banca regolamentata deve comunque gestire tramite revisione, motivo per cui il framing resta sull'assistenza e sulla riduzione dei tempi di gestione piuttosto che sulla sostituzione completa.

Il programma di formazione per 6.000 persone fa parte del costo dell'automazione

Deutsche Bank ha creato un Cloud Engineer Program e formato più di 6.000 dipendenti su competenze cloud e IA, collaborando con Google Cloud su hackathon e sprint di migrazione. Questo viene presentato insieme alla tecnologia, non come nota a margine.

L'abbinamento è il segnale utile per chiunque pianifichi un'automazione simile. La banca ha trattato le competenze del personale come un prerequisito per l'implementazione degli strumenti di IA, non come un ripensamento successivo — le stesse persone che avrebbero dovuto usare il Digital Assistant e fidarsi della pipeline documentale dovevano prima essere formate adeguatamente.

Cosa implica questa sequenza per i progetti di automazione nelle aziende regolamentate

L'implicazione specifica del racconto di Deutsche Bank è che i successi nell'automazione sono derivati da anni di lavoro poco appariscente: una migrazione a rischio controllato, uno spostamento del core finanziario storicamente complesso, e una riqualificazione di massa.

La precisione dell'elaborazione documentale e gli strumenti per gli sviluppatori sono reali, ma arrivano per ultimi nel racconto per un motivo. I team che guardano ai numeri del 97% e del 40% dovrebbero leggerli come il traguardo finale di una sequenza pluriennale, non come una funzionalità plug-in — e notare che persino la banca mantiene il suo uso dell'IA in produzione circoscritto a tipi di documenti e reparti definiti, non all'intera istituzione.