Transformative Evolution: A Comprehensive Study on FinTech's Transformation with Emphasis on Leveraging AI Copilot for UX Enhancement
Author
Rai, Bipin
Term
4. term
Publication year
2024
Submitted on
2024-05-30
Pages
69
Abstract
This thesis examines how artificial intelligence can enhance product development and user experience (UX) during SimCorp’s transition from legacy software to modern web frameworks, with a particular focus on deploying an AI copilot for portfolio and product workflows. The study combines a literature and desk review with on-site observation and qualitative interviews with a product manager, a portfolio manager, and a software engineer involved in AI integration (including Azure OpenAI). Thematic analysis surfaces key challenges: the need for consistent performance despite large data volumes and complex calculations, limitations of the existing tech stack, data privacy and security concerns (ensuring client data is not shared across clients or used for model training), and a lack of transparency and explainability that undermines trust and keeps portfolio managers inclined toward manual execution. Additional issues include mitigating hallucinations through precise prompting and shifting computations to the API side, deciding when AI is preferable to traditional development, estimating operating costs tied to token usage, and managing the resource-intensive migration from extensive legacy systems. Despite these hurdles, the findings point to clear benefits: an AI copilot can accelerate investment decision-making and improve UX by acting as a central information hub that aggregates relevant data, produces visualizations, and summarizes insights to support more efficient, outcome-focused work. The thesis offers practical guidance for SimCorp’s ongoing move toward AI-driven portfolio analysis and UX modernization.
Dette speciale undersøger, hvordan kunstig intelligens kan bruges til at forbedre produktudvikling og brugeroplevelse (UX) i SimCorps overgang fra legacy-software til moderne webrammer, med særligt fokus på en AI-copilot i portefølje- og produktudviklingssammenhænge. Undersøgelsen kombinerer litteratur- og desk research med on-site observationer og kvalitative interviews med en produktchef, en porteføljeforvalter og en softwareingeniør, som arbejder med AI-integrationen (bl.a. via Azure OpenAI). Gennem tematisk analyse identificerer studiet centrale udfordringer: behov for stabil ydeevne trods store datamængder og komplekse beregninger, begrænsninger i den tekniske stack, databeskyttelse og sikkerhed (herunder at klientdata ikke deles på tværs eller bruges til modeltræning), samt manglende transparens og forklarbarhed, der svækker tilliden til AI-forslag og får porteføljeforvaltere til at foretrække manuel beslutningstagning. Derudover peges der på nødvendigheden af at håndtere hallucinationer via præcise prompts og flytte beregninger til API-siden, at vurdere hvornår AI er bedre end traditionelle udviklingsmetoder, at estimere driftsomkostninger baseret på tokenforbrug samt at håndtere den ressourcekrævende overgang fra omfattende legacy-systemer. På trods af barriererne peger resultaterne på klare fordele: En AI-copilot kan accelerere investeringsbeslutninger og forbedre UX ved at fungere som et centralt informationsnav, der indsamler relevante data ét sted, genererer visualiseringer og opsummerer indsigter for at støtte mere effektive, outcome-baserede arbejdsgange. Specialet giver praksisnære indsigter til SimCorps videre arbejde med AI-drevet porteføljeanalyse og modernisering af brugeroplevelsen.
[This apstract has been generated with the help of AI directly from the project full text]
Keywords