Bendigo ve Adelaide Bank, bir perakende bankacılık uygulamasının kodunu yeniden yazmak için üretken yapay zeka ve MongoDB’yi kullanarak eski uygulamalardan bazılarını modernize etmek ve buluta taşımak için yeni bir yol açtı.
.jpeg&h=420&w=748&c=0&s=0)
Bendigo ve Adelaide Bank CIO’su Andrew Cresp.
Yaklaşık 400 eczane ve diğer banka dışı işletmeler (“acenteler”) tarafından kendi topluluklarında bankacılık hizmetleri sunmak için kullanılan vezne yazılımı olan Acente Teslim Sisteminin (ADS) modernizasyonu, dünyada bir ilk olarak tanıtılıyor ve ADS ile işbirliği içinde gerçekleştiriliyor. MongoDB.
Birçok Avustralyalı finans kurumu gibi Bendigo ve Adelaide Bank da buluta geçişin ortasında, ancak tüm uygulamaların ve iş yüklerinin kolayca kaldırılıp değiştirilemeyeceğini veya modernize edilemeyeceğini gördü.
Bankanın bilişim şefi Andrew Cresp, “Eski uygulamalar bulut geçişini gerçekten engelleyebilir” dedi iTnews.
“İş yüklerinizin yüzde 40 ila 60’ını karşıladığınız iki kuruluşta deneyimim oldu [migrated]ve kalan uygulamalara bakıyorsunuz ve [conclude]’Bu bize bir servete mal olacak. İşe yarayan bir iş senaryosunu nasıl yaratacağız?’
“ADS gerçekten bunun örneklerinden biri olacaktı.”
Çözüm, MongoDB Atlas ile MongoDB’nin profesyonel hizmetler organizasyonu tarafından oluşturulan üretken yapay zeka araçlarının bir kombinasyonu şeklinde geldi.
“MongoDB ekibi öncelikle, [underlying] veri tabanı [for ADB] bulut için ideal olan yeteneklerine göre. Aslında bunu oldukça hızlı bir şekilde, üç hafta içinde atlattık” dedi Cresp.
“Bu, egzersizin gerçekten değiştiği yer. Herkes oradaydı, veritabanını taşımanın ilginç olduğunu ama uygulamayı taşımanın zor iş olduğunu söylediler. Neden bu konuda bir girişimde bulunmuyoruz?
“Böylece ortak ekip, bu uygulamanın veri tabanı çağrıları yapma şekline göre nasıl yeniden düzenlenebileceği üzerinde birlikte çalıştı. Bu küresel ilk kullanım senaryosunun gerçekten güçlü olmasının nedeni budur çünkü aslında MongoDB’ye ihtiyacımız vardı. [team] MongoDB tarzında düşünmek.
“Uygulamanın nasıl ‘konuştuğunu’ düşünüyorlar [to the database and other systems] ve sonra bunu geriye doğru çalışmak, bence bu, diğer yapay zeka programlarından en önemli farktır.”
Bendigo ve Adelaide Bank için önemli bir sonuç da üretken yapay zekanın uygulama modernizasyonuyla ilgili ağır işlerin çoğunu yapabileceğine olan güvendir.
Cresp, “Bu bir ‘yardımcı pilot’ değildi, yalnızca geliştiricilerimizin yüzde 30 daha verimli olmasına yardımcı oluyordu” dedi.
“Aslında uygulamayı yeniden yazdı, belgeleri oluşturdu… ve uygulama için otomatik test yeteneklerini yeniden yazdı.
“Bu uygulama modernizasyonu kullanım örneğinin genel olarak sektör için oyunun kurallarını değiştireceğini düşünüyorum.”
Cresp, üretken yapay zekadan bir uygulamayı yeniden yazmasını isteme konusundaki başlangıçtaki bazı şüpheleri ve “sağlıklı şüpheciliği” kabul ederken, çıktının yüzde 90 oranında olduğunu söyledi.
“Yüzde 90’ın kalitesi bizi oldukça şaşırttı” dedi. “BT [just] bazı şeyleri yanlış yorumluyor, ki belli ki hala insanlara ihtiyacın var [to correct].”
Bankacılık kullanım durumu ve düzenleyici kısıtlamalar göz önüne alındığında, üretken yapay zeka Bendigo ve Adelaide Bank’a özeldi.
Cresp, “Burada kullandığımız geniş dil modeli dahilidir” dedi.
“Ona ‘git, bizim API’lerimizden iyi API’ler yazmayı öğren’ diyorduk. Sınırlarımızın dışına hiçbir şey göndermemize gerek yoktu.”
Modernizasyonun tamamı üç aylık bir süre boyunca gerçekleştirildi.
MongoDB, modernleştirilmiş uygulamanın bu zaman diliminde ön üretime geçmesi amacıyla tipik etkileşim modelinin 14 haftadan fazla olduğunu ve iki haftada bir süren yedi sprintten oluştuğunu doğruladı.
Cresp “büyük bir tartışma” olduğunu söyledi [internally] Yeni modernizasyon sürecini ilk önce hangi uygulama üzerinden gerçekleştireceğiz? “Çok büyük bir şeyi ısırmak istemedik” dedi.
Yine de iş açısından kritik bir temel uygulama seçildi ve sonuç olarak Bendigo ve Adelaide Bank, daha büyük hedefleri modernize etmek için artık aynı yöntemi kullanabileceğinden emin oldu.
Cresp, “Bundan sonra şube gişe sistemimizi yapacağız” dedi.
“Şu anda tüm şube gişe sistemimiz üzerinde çalışıyoruz [and] ödeme platformlarımız, [and] bunu kullanıyoruz [modernisation] hemen yaklaşın.”
ADS modernizasyonu, uygulama alanında ne kadar çoğaltılabileceği konusunda şirket içinde de önemli bir ilgi uyandırdı.
Cresp, “Elbette şu anda en büyük sorunumuz, herkesin bu yeteneği bu uygulamalar için kullanmak istemesi ve biz de sadece heyecanı yönetmeye çalışıyoruz” dedi.
“Bu süreci kullanmak istediğimiz sonraki uygulamaların bir listesi var ve bu işe dahil olan ekip gerçekten çok hevesli.”
Cresp, bankanın MongoDB ile ilerlemeden önce ADS modernizasyonunun bir parçası olarak diğer isimsiz üretken yapay zeka araçlarına da baktığını söyledi.
Banka, modernizasyonun hızlı bir şekilde gerçekleşmesini sağlamanın yanı sıra, yöntemin diğer daha yoğun alternatif yaklaşımlarla karşılaştırıldığında uygun maliyetli olduğunu da belirtti.
Amaç, bu uygulama modernizasyon yönteminden daha fazla faydalanırken aynı zamanda hızla gelişen üretken yapay zeka alanını da takip etmektir.
Cresp, “Üretken yapay zekanın sorunu, sürekli birbirlerinin üzerinden atlıyor olmalarıdır, bu yüzden işin püf noktasının her şeye cevabımızın bu olduğunu söyleyecek kadar fazla takılıp kalmamak olduğunu düşünüyorum çünkü üç ay içinde bu değişebilir” dedi. .