Inovācijai ir liela loma valsts publiskajā pārvaldē, lai tā spētu gan attīstīties un ieviest modernus risinājumus, kas atvieglo pārvaldes darbinieku ikdienu, gan arī piedāvāt kvalitatīvus pakalpojumus sabiedrībai. Tāpat publiskajā attīstībā un pilnveidē ir būtiski, ka publiskā sektora iestādes un ierēdņi spēj dalīties savā pieredzē un sastrādāties sazobē. Tādēļ Valsts Kancelejas Inovāciju laboratorija uz sarunu aicināja Finanšu un Kapitāla Tirgus komisijas (FKTK) Finanšu inovāciju departamenta direktori Marini Krasovsku, lai vairāk uzzinātu un dalītos ar veiksmīgo pieredzi, kuru piedzīvojusi FKTK inovācijas laboratorija “iLab”.
FKTK ir pilntiesīga autonoma valsts iestāde, kas regulē un pārrauga Latvijas banku, krājaizdevu sabiedrību, apdrošināšanas sabiedrību un apdrošināšanas starpnieku, finanšu instrumentu tirgus dalībnieku, privāto pensiju fondu, maksājumu iestāžu un elektroniskās naudas iestāžu darbību. Kopumā Finanšu un kapitāla tirgus komisija uzrauga aptuveni 300 finanšu sektora dalībniekus. Komisija veicina finanšu un kapitāla tirgus stabilitāti, konkurētspēju un attīstību, kā arī nodrošina klientu interešu aizsardzību.
Kādēļ FKTK radās ideja par “iLab”?
Tehnoloģijas šobrīd attīstās ļoti ātri, un uzņēmumi tās sāk maksimāli ieviest savā ikdienā, lai uzlabotu darba efektivitāti. Finanšu tirgus jomā, ir ienākuši tādi risinājumi kā lietojumprogrammu saskarnes (API), blokķēdes, mākslīgais intelekts, mašīnmācība (machine learning). Ļoti liela nozīme ir robotizācijai personīgajās finansēs. Parādās dažāda tipa tirgus segmenti un jauni tirgus dalībnieki, kā arī jauni biznesa modeļi. Mums kā regulatoram un uzraugam ir svarīgi zināt, kā strādāt ar tehnoloģijām, ko nozīmē dažādie biznesa modeļi un kā tie atšķiras. Svarīgi ir izprast, kā mēs šīs tehnoloģijas varam pielietot uzraudzības jomā, un kā ar to palīdzību pienācīgi izvērtēt tirgus dalībnieku riskus. Mēs izprotam, ka uzraudzības un atbilstības metožu sarežģītība pieaug līdz ar strukturēto un nestrukturēto datu apjoma palielināšanos. Dati kļūst arvien detalizētāki, uzraudzības metodes arvien sarežģītākas, un nepieciešami arvien labāk mērķēti tehnoloģiskie rīki datu apstrādei, lai novērstu sistēmiskos riskus. Papildus tam nepieciešama mūsu iekšējo sistēmu automatizācija, lai novērstu cilvēcisko kļūdu riskus un uzlabotu produktivitāti ierobežotu cilvēkresursu apstākļos.
Mēs sekojam līdzi tam, kādus tehnoloģiskos uzlabojumus un iespējas ievieš gan Eiropas Centrālā Banka, gan Eiropas Banku uzraudzības iestāde. Mēs nedrīkstam atpalikt. Mums jākāpina sava kapacitāte un jāsaprot, kā mēs varam pāriet uz pilnībā automatizētu uzraudzību, regulāciju un licencēšanas procesu. Mēs sapratām, ka liela nozīme ir informācijai un mums ir jāstiprina iekšējā kompetence, un ir nepieciešama vide, kur mēs varam mācīties, eksperimentēt un dalīties ar zināšanām, lai ieviestu dzīvē FKTK SupTech (supervisory technology) stratēģiju.
Kādi ir “iLab” mērķi?
Radot “iLab”, mūsu mērķis, pirmkārt, bija kāpināt tehnoloģiju izmantošanu organizācijā. Otrkārt, veicināt IT zināšanas un kompetences uzraudzībā strādājošiem ekspertiem. Tāpat mērķis bija arī veicināt atvērtu vidi sadarbībai starp departamentiem, komandām, grupām un starp dažādiem kolēģiem, kam iepriekš darba pienākumos nebija darbs ar inovāciju, nodrošinot jaunas zināšanas un iemaņas.
Kas ir “iLab”?
“iLab” ir vieta, kur var pārbaudīt idejas, attīstīt inovāciju, izstrādāt kāda risinājuma vai idejas pierādījumu (proof of concept) vai arī ātri saprast, ka ideja nebūs īstenojama. Tā ir vieta, kur drīkst kļūdīties. Nekļūdās tas, kurš neattīstās. Mums ir ļoti vienkārši noteikumi, kā strādā “iLab”. Viens no noteikumiem ir neizdošanās riska apzināšanās (fail fast) – ja tiek konstatēts, ka kāds projekts vai tehnoloģija nav īstenojama, tas tiek pieņemts bez jebkādiem pārmetumiem, tādējādi tiek noņemtas visas barjeras, un rezultātā cilvēki var domāt kreatīvāk, dodot iespēju attīstīties, secināt, eksperimentēt un sniedzot sajūtu, ka ikviens var iesaistīties.
Tehnoloģiju lietošanas popularizēšana ir svarīga jebkurā organizācijā. Tas attīsta iekšējās kompetences, palīdz efektīvāk strādāt komandā, kā arī ļauj novērtēt dažādas idejas. Šobrīd finanšu tirgū aktīvi attīstās tādas tehnoloģijas kā datumākoņošana (cloud analytics), prognozējošā analītika (predictive analytics), mašīnmācība (machine learning), mākslīgais intelekts, tīmekļa tehnoloģijas (web-based technologies), dabiskās valodas programmēšana (natural-language programming), robotizēta procesu automatizācija (robotic process automation) u.c. Jautājums ir – kas no tā visa ir vajadzīgs, lai padarīt uzraudzības procesu efektīvāku?
Kā darbojas “iLab”?
Lai izvēlētos, ar kādām tehnoloģijām strādāt, mēs ieviesām online balsošanu. Visiem darbiniekiem organizācijā bija iespēja pieteikt jebkuru tehnoloģiju, kuru ir interese izpētīt. Balstoties uz balsošanas rezultātiem, tika izvēlētas tās, ar kurām mēs strādāsim “iLab”. Laboratorijā darbs tiek organizēts hakatona veidā. Mums ir trīs mēnešu laika ierobežojums katram projektam, un katram projektam ir trīs fāzes. Pirmajā fāzē notiek tehnoloģiju izpēte. Otrā fāze ir biznesu procesu apzināšana. Trešā fāze – prototipu izveidošana.
Hakatona laikā “iLab” dalībnieki izpēta, kā tehnoloģija strādā, kurās jomās to var pielietot. Protams, tam apakšā ir vairāki izvēles kritēriji:
- darbiniekiem vispirms jāizpēta, cik šis risinājums ir piemērots perspektīvā, proti, vai tehnoloģija ir īslaicīgs vai ilgtermiņa risinājums;
- tāpat jāizpēta, vai ir kāda inovatīva priekšrocība, izmantojot šo tehnoloģiju salīdzinājumā ar to, kas standartā ir pieejams tirgū;
- jāsaprot tehnoloģiju funkcionalitāti;
- jāsecina, vai tehnoloģija ir integrējama un pielāgojama esošai infrastruktūrai vai nav;
- vai risinājums ir pieejams tirgū, vai arī mums pašiem tas ir jāattīsta;
- ļoti svarīgi ir, cik laika un resursu ir nepieciešams ieviešanai un vai tā ir komplicēta.
Tie ir tikai daži no izpētes elementiem finansiālajai efektivitātei, rezultātiem un kvalitātei.
Laboratorijai var pieteikties jebkurš darbinieks no jebkura departamenta, tas ir absolūti brīvprātīgi. Galvenais, lai būtu vēlme un gatavība tam atvēlēt savu laiku. Darbinieki tika sadalīti komandās pa 5–6 cilvēkiem, un katram tika nozīmēta loma. Proti, ja kāds nepiedalījās, komanda nevarēja strādāt tālāk. Piemēram, master user – izmēģināja risinājumu dažādos scenārijos, sagādāja testa datus un interpretēja rezultātu. GooSearcher – meklēja dažādus risinājumus, to pielietojumu. Ideju ģenerators – meklēja, ko vēl ar šo tehnoloģiju varētu darīt un veidus, kā to labāk izdarīt. Arhitekts skatījās, kā risinājumu kopumā var integrēt gatavo tehnoloģisko arhitektūru un ieviesa risinājumu, konfigurēja, atkļūdoja. Master – pārvaldīja procesu, nodrošināja iekļaušanos termiņos, mērķu sasniegšanā, izšķīra strīdus un palīdzēja atrisināt problēmsituācijas. Taču biznesa īpašnieks formulēja biznesa projektu un rēķināja ieguvumus. Svarīgi atzīmēt, ka šīs lomas nekādā veidā nav saistītas ar ieņemamajiem amatiem un ar to, ko darbinieki strādā ikdienā.
Mēs katrā posmā uz laboratoriju aicinājām ārējos ekspertus no tirgus. Tie bija pārstāvji no privātiem uzņēmumiem, kas strādāja ar šo pašu tehnoloģiju. Šie pieredzes stāsti sniedza plašāku ieskatu par konkrēto tehnoloģiju, tās pielietojumu, iespējām, funkcijām un priekšrocībām.
Lai veicinātu kreativitāti, mēs katrā posmā ļāvām komandām savstarpēji apmainīties ar domām un “pašpikot”, kā cita komanda organizē darbu un cik efektīvi izmanto projekta vadības rīkus, lai nonāktu pie rezultāta. Šis tīklošanās elements tika izmantots visu laboratorijas laiku.
Protams, mēs sekojām līdzi termiņiem, palīdzējām ar projektu vadības instrumentiem, bet nejaucāmies komandu darbos. Katra posma noslēgumā komandām finanšu inovācijas komitejai bija jāprezentē sasniegtais progress un realizētais prototips.
Kādas metodes tiek pielietotas?
Mēs izmantojam daudz un dažādas pieejas. Turklāt mēs tās maksimāli vienkāršojam, cik vien tas ir iespējams, neieviešot liekus rāmjus un sarežģījumus.
Parasti sākumā ir kāda konkrēta problēma, un pēc tam šai problēmai tiek meklēti atbilstoši risinājumi. Taču viena no metodēm, ko mēs pielietojam, ir citādāka – vispirms mēs sākam ar tehnoloģijas izpēti: ko tā dod, kāda ir citu organizāciju un pasaules pieredze dažādās nozarēs. Un tikai nākamajā fāzē sākas biznesa scenāriju sagatavošana, kādos procesos varēs potenciālo risinājumu pielietot un kā tas ietekmēs cilvēkresursus un kvalitāti. Šis paņēmiens pilnībā maina domāšanas veidu. “Zināmam risinājumam zināmai problēmai” nav vietas “iLab”.
Mums laboratorijā arī nav vienota nolikuma. Mums ir tikai viens prezentācijas slaids ar informāciju par to, ko mēs darām un ko nedarām. Ja organizācija vēlas ieviest inovācijas, tad ir jāatbrīvojas gan no birokrātijas, gan arī strukturāliem slogiem u.tml.
“iLab” mēs pielietojam arī projektu vadības principus. Protams, projektu vadība ir komplicēta joma, bet mēs vienojāmies, ka izmantosim tikai dažus elementus, ierobežojot dokumentēšanas procesu.
Mēs izmantojam arī tādus dizaina domāšanas elementus kā prototipēšanu jeb biznesa procesu konstruēšanu, kas ļauj ātri izvērtēt, cik dzīvotspējīgs ir risinājums pirms prototipa izstrādes. Ja prototips ir izveidots un mēs redzam, ka tas tiešām sniedz lielu rezultātu un efektivitāti, tad mēs šo projektu “ņemam ārā” no laboratorijas, un atbildīgie cilvēki tālāk veido šo projektu un vada pēc klasiskas projektu vadības principa. Tur vairs nav nepieciešams eksperimentēt, bet gan ir jāsāk ieviest un jāizvērtē biznesa process.
Papildus, mēs izvirzījām tādus uzstādījumus kā “fail fast” un “proof of concept”. “Fail fast” ir Agile metodes elements, kas ļauj ātri pierādīt, ka ideja vai prototips nav dzīvotspējīgs, un optimizēt vai slēgt projektu sākumfāzē. Savukārt “proof of concept” ir idejas potenciāla praktiskā demonstrācija, veidojot prototipu, kas sākumā var nebūt pilnīgs.
Ar kādām tehnoloģijām tiek strādāts laboratorijā, kādi projekti ir realizēti?
Tehnoloģijas ir daudz un dažādas. Esam vairāk koncentrējušies, kā arī aicinājām ekspertus uz tām tehnoloģijām, par kurām nobalsoja lielākā daļa no darbiniekiem, piemēram, cloud analytics. Tā ļauj strādāt ar liela apjoma datiem, izmantojot milzīgas apstrādes jaudas, kā arī nodrošina piekļuvi vairākiem darbiniekiem un komandām, strādājot pie kopīgiem projektiem. Papildus tā sniedz datu labāko vizualizāciju un iespēju strādāt ar prognozēm. Ar šo tehnoloģiju laboratorijā paralēli strādāja divas komandas. Interesanti ir tas, ka katra komanda tam piegāja ar savu vīziju un izstrādāja atšķirīgos prototipus. Piemēram, komandas vērtēja dažādu izstrādātāju risinājumus, analizējot, kas mums labāk der vai pretēji – neder. Mēs eksperimentējām, piemēram, ar predictive analytics rīkiem, vai tas mums nodrošinās papildu iespējas darbā ar tirgus dalībnieku datiem. Mūsu mērķis bija attīstīt datos bāzētas uzraudzības būtisku komponenti – analītisko rīku jeb Business Intelligence, – tādēļ tika izvērtēti tirgū pieejamie BI risinājumi. Darba gaitā tika sagatavots prototips un rezultātā uzsākts SupTech projekts jaunas BI platformas ieviešanai. Viens no būtiskākajiem secinājumiem bija, ka stratēģiski svarīgi ir virzīties mākoņpakalpojumu virzienā, jo BI izstrādātāji savas attīstības stratēģijas arī ir noteikuši, uzsvaru liekot tieši uz mākoņpakalpojumiem.
Strādājām arī ar speech to text, novērtējot iespējas un biznesa vajadzības pārveidot audiotekstu rakstiskā formātā. Rezultātā tika gan identificētas potenciālās jomas jeb darba procesi, ietaupītie cilvēkresursi, gan tehniskie risinājumi un to darbības kvalitāte Mēs uzskatām, ka šī tehnoloģija varētu mums atvieglot procesus un atbrīvot resursus darbā ar dokumentāciju.
Tāpat pagājušajā gadā laboratorijā īstenojām tīmekļa analītikas (network analytics) projektu. Tā ir papildu iespēja AML ekspertiem saredzēt un identificēt necaurspīdīgas sakarības, šaubīgas sakarus, riskantas transakcijas starp vairākiem procesa dalībniekiem – juridiskām vai fiziskām personām. Network analytics ļauj strādāt ar dažādiem scenārijiem, proti, šī sistēma pati izveido sasaistes rīku, kādā veidā dalībnieki ir saistīti darījumos. Laboratorijā tika novērtētas iespējas, kā papildināt jau esošo risinājumu ar papildu analītikas rīku naudas atmazgāšanas maksājumu paternu (uzvedības scenāriju/shēmu) atklāšanai. Rezultātā tika iegūta detalizētāka informācija par AML risinājuma funkcionālajām iespējām un tādējādi arī AML risku pārvaldīšanas efektivitāti vairākās Latvijā reģistrētās bankās. Projekta gaitā arī izvērtējam tirgū esošus risinājumus, tādējādi uzzinot, kādas tehnoloģijas lieto mūsu tirgus dalībnieki, lai efektīvāk novērstu šāda veida riskus. Tāpat identificējām elementus, kuri ir nepieciešami mūsu jau esošajai network analytics sistēmai, lai padarītu analītiskos rīkus naudas atmazgāšanas jomā vēl efektīvākus.
Projekts, ko mēs iniciējām šogad, ir ambiciozs – sintētisko datu izstrāde. Kāpēc tas ir svarīgi? Finanšu tirgū eksistē vajadzība notestēt risinājumus uz reāliem datiem, bet šādi dati nav pieejami. Tas ir aktuāli RegTech (regulatīvo tehnoloģiju) uzņēmumiem, kuru risinājumus izmanto gan bankas, gan finanšu tehnoloģiju uzņēmumi, gan citi dalībnieki.
Šobrīd finanšu tirgū ir ļoti liels pieprasījums sintētiskajiem datiem. Datu ģenerēšana jeb fake data ir ļoti unikāla joma, jo šobrīd Eiropā nav līdzīga analoga, lai varētu kāds izstrādātājs pieslēgties un izvērtēt, vai viņu AML risinājums nodrošina rezultātu, piemēram, vai “noķer” visas transakcijas ar paaugstinātu un augstu risku un cik tas atbilst reālajai situācijai.
Projekta ietvaros mēs sadarbojāmies ar Latvijas universitātēm, piesaistījām ārējos ekspertus, kas darbojas testēšanas un datu jomā. Rezultātā “iLab” komanda izveidoja sintētisko datubāžu prototipu, pie kura realizācijas darbs sāksies jau nākamajā gadā, piesaistot gan mācībspēkus, gan arī ar citus ekspertus šajā jomā.
Vai ir arī kāds veiksmes stāsts?
Kad laboratorijā idejas dzīvotspēja ir pierādīta un projekts no laboratorijas pāriet uz realizāciju – tas ir veiksmes stāsts. Cloud analytics projekts, kura mērķis ir attīstīt uzraudzībā datos bāzētas analītiskus rīkus jeb BI (business intelligence) ir veiksmīgi noslēgts. Projekta ietvaros mēs izveidojām prototipu, kas no vairākiem datu avotiem un pārskatiem automātiski ģenerē finanšu tirgus dalībnieku profilus, kas atvieglo uzraugam ikdienas darbu, palīdzot saredzēt potenciālus riskus. Rezultātā ir uzsākts reāls projekts ārpus laboratorijas, un organizācijas stratēģiskajā līmenī virzāmies uz mākoņjomu.
Šogad realizējām CAMSsol projektu, lai stiprinātu finanšu tirgus uzraudzību. Tika izstrādātas datos bāzēta kapitāla tirgus uzraudzības biznesa prasības, tai skaitā manipulāciju konstatēšanai, iekšējās tirdzniecības (insider trading) identificēšanai. Papildus vērtējām, kā izstrādāt risinājumu, kas identificē izvairīšanos no atpirkšanas piedāvājuma. Rezultātā tika sagatavoti pieci prototipi un realizēta pirmā projekta fāze. 2023. gadā turpināsim strādāt pie ieviešanas organizācijā.
Vai darbiniekiem tiek rīkotas kādas īpašas apmācības?
Lai organizāciju padarītu efektīvāku, paralēli ar laboratorijas darbiem bija organizētas diezgan plašas mācības projektu vadībā organizācijas līmenī, lai celtu iekšējo efektivitāti un kvalitāti uzraudzības pasākumos un attīstības projektos.
Jaunas metodes ir pielietotas arī ārpus laboratorijas. Piemēram, lai uzlabotu tirgus dalībnieku licencēšanas procesu, mums notika dizaina domāšanas darbnīcas. Mēs strādājām ar visiem dizaina domāšanas elementiem, iesaistījām procesā mūsu tirgus dalībniekus, caur intervijām sastādījām profilus un kopīgi būvējām klientu pieredzes stāstu (customer journey) un veidojām prototipus. Rezultātā ir pilnībā pārskatīts esošais licencēšanas process, izveidota cita efektīva pieeja, kas būtiski samazina izskatīšanas laiku gan uzraugiem un ekspertiem, gan klientiem.
Kādi uzlabojumi ir novēroti kopš ir ieviests “iLab”?
Vairākas izmaiņas ir novērojamas organizācijā, proti, mēs novērojam, ka darbinieki ir iemācījušies daudz labāk strādāt daudzveidīgās komandās un pielietot projektu vadības rīkus reālajā praksē. Kopumā ievērojami uzlabojās komandas darbs, kā arī tika celta darbinieku kompetence IT jomā. Pieaugusi drosme dalīties ar idejām. Pēc “iLab” ieviešanas ir daudz gūtās mācības, kurus noformulējām kā desmit zelta padomus inovāciju sekmīgai ieviešanai.
- Inovāciju jomā izvirziet mērķus, kas atbilst jūsu organizācijas ilgtermiņa stratēģijai.
- Novērsiet birokrātiskās procedūras, samaziniet hierarhizāciju un iesaistiet savus talantīgākos darbiniekus ar dažādām kompetencēm un atbildības jomām.
- Izstrādājiet dažas vienkāršas vadlīnijas.
- Nosakiet konkrētu termiņu, kura laikā ideja jāattīsta līdz prototipam vai MVP vai arī jākonstatē, ka iecere tomēr nebūs īstenojama. Idejai un tās virzīšanai noteikti nepieciešams īpašnieks.
- Izveidojiet darbnīcu vai iekšēju laboratoriju. Ja nevarat atļauties nolīgt īpašu inovatoru komandu, varat nodrošināt iespēju darbiniekiem starp ikdienas pienākumiem izbrīvēt zināmu laika sprīdi, ko tie var veltīt savu ideju attīstīšanai.
- Pieļaujiet iespēju, ka neizdosies, un nekritizējiet neveiksmi. Šāda attieksme palīdzēs veidot inovāciju testēšanai un attīstīšanai labvēlīgu vidi.
- Idejai jābūt jēgpilnai un nozīmīgai tiem, kas strādās ar tās attīstību.
- Uzlabojiet organizācijas iekšējo komunikāciju.
- Pieņemiet darbā uz inovācijām vērstus cilvēkus un iedrošiniet viņus. Jūs ātri pamanīsiet, kuri cilvēki ir vērsti uz inovācijām un var sniegt organizācijai pievienoto vērtību.
- Jūs varat strādāt pie inovācijām arī attālināti! Arī mūsu iLab iedzīvināšana un komandu darbs noritēja pilnībā attālināti.