Ruotsalainen Klarna jatkaa rohkeaa linjaansa tekoälyn hyödyntämisessä. Toimitusjohtaja Sebastian Siemiatkowski ilmoitti tällä viikolla, että yhtiö on irtautumassa myös Atlassianin työkaluista, kuten Jirasta, Confluencesta ja Bitbucketista. “Bye bye Jira”, hän tiivisti.
Miksi Klarna hylkää SaaS-ohjelmistot?
Siinä missä monet perinteisemmät pankit ovat siirtymässä SaaS-aikakauteen, Klarna on jo askeleen pidemmällä. Siemiatkowskin mukaan monista suurista SaaS-järjestelmistä on vuosien varrella tullut monimutkaisia, prosessikerroksilla kuormitettuja alustoja, joiden ylläpito vaatii konsultteja ja erikoisasiantuntijoita. Lopputulos on hänen sanoin “glorifioitu tietokanta”, joka ei tue liiketoiminnan ketteryyttä.
Tämä pätee yhtä hyvin CRM- ja HR-järjestelmiin kuin kehitys- ja projektinhallintatyökaluihin. Klarna on jo luopunut Salesforcesta ja Workdaysta, ja nyt sama linja jatkuu Atlassianin tuotteiden kohdalla.
Datan konsolidointi AI:n edellytyksenä
Klarna ei näe tekoälyä irrallisena työkaluna, vaan arkkitehtuurin päälle rakentuvana kerroksena. Siemiatkowski vertaa AI:ta uuteen työntekijään: tehokas vain silloin, kun prosessit on selkiytetty ja data koottu yhteen.
Siksi Klarna on investoinut voimakkaasti datan konsolidointiin, eli siihen, että asiakas-, tuote-, compliance- ja kehitysdata eivät ole erillisten SaaSien sisällä, vaan yhdessä hallitussa tietokannassa. Tämän päälle voidaan rakentaa sisäisiä AI-ratkaisuja, jotka “ymmärtävät” koko yhtiön toimintaympäristöä.
Arkkitehtuurin muutos näkyy käytännössä
Kun perusta on kunnossa, uutta voidaan rakentaa nopeasti. Klarna kehitti vain kahdessa viikossa oman AI-pohjaisen tiketöinti- ja projektinhallintajärjestelmän, joka Siemiatkowskin mukaan on helppokäyttöisempi ja yrityksen kulttuuriin paremmin istuva kuin yksikään valmisratkaisu.
Samalla periaatteella Klarna on rakentanut uudelleen asiakaspalvelunsa (ChatGPT-botti, jota täydentää ihminen tarpeen mukaan), markkinoinnin tuotantoprosessinsa ja riskienhallinnan työkalunsa.
Mitä tästä voi oppia perinteinen pankki?
Perinteisten pankkien haaste on usein se, että data on hajallaan eri järjestelmissä ja prosessit elävät järjestelmäkohtaisesti. Klarna näyttää esimerkkiä, jossa arkkitehtuuri rakennetaan ensin uusiksi – data omiin käsiin, päälle tekoälykerros, ja vasta sen jälkeen mietitään käyttäjäystävällisiä työkaluja.
Viesti on selkeä: tekoäly ei yksin ratkaise mitään, mutta kun data, prosessit ja arkkitehtuuri ovat kunnossa, AI voi nopeuttaa kehitystä, tehostaa toimintaa ja tehdä työstä mielekkäämpää myös ihmisille.
Legacy-järjestelmien uudistamisen parissa toimivalle pankille herääkin kysymys: onko seuraava versio yhteensopiva AI-aikakauden kanssa?
Tekoäly on myös keskiössä joulukuun Nordic Banking Forumissa.
