Überblick
Ein Tier-1-Investmentmanager mit einem 400-köpfigen, regionenübergreifenden Wertpapier-Operations-Team setzte Smart Agents ein, um das nicht tragbare Volumen der manuellen Klärung von Differenzen zu bewältigen und eine skalierbare Automatisierung über den gesamten Bereich der Eigenkapital- und Wertpapierabstimmung hinweg zu ermöglichen.
Herausforderung
Das regionenübergreifende Operations-Team des Investmentmanagers war mit der manuellen Klärung von Differenzen überlastet, wobei steigende Transaktionsvolumina und der Druck der T+1-Abwicklung die Arbeitslast zusätzlich erhöhten. Begrenzte Offshore-Skalierungskapazitäten bedeuteten, dass das Team keine praktikable Möglichkeit hatte, das Volumenwachstum ohne zusätzliches Personal aufzufangen. Die Kombination aus manuellen Untersuchungsprozessen, fragmentierten Daten und geografischen betrieblichen Einschränkungen stellte ein systemisches Risiko für die Abwicklungs-SLAs und die betriebliche Resilienz dar.
Lösung
Der Investmentmanager implementierte Smart Agents zur Automatisierung der Erkennung, Untersuchung und Behebung von Differenzen in seinem gesamten Bestand an Eigenkapital- und Wertpapierabstimmungen. Smart Agents nutzen die proprietäre Abstimmungsintelligenz von Smartstream sowie das institutionelle Wissen des Unternehmens, um Ausnahmen autonom zu triagieren und zu beheben. Dies reduziert die Abhängigkeit von der Skalierung des Offshore-Personals bei gleichzeitiger Wahrung der vollen regulatorischen Revisionsfähigkeit. „Human-in-the-Loop“-Kontrollen stellen sicher, dass die Aufsicht bei komplexen oder hochwertigen Fällen gemäß den Governance-Anforderungen des Unternehmens erhalten bleibt.
Vorteile
Die Implementierung erreichte im ersten Jahr eine Automatisierungsrate von 50 %, was es dem Operations-Team ermöglichte, steigende Volumina ohne proportionales Personalwachstum aufzufangen und das T+1-Abwicklungsrisiko erheblich zu reduzieren. Die manuelle Klärung von Differenzen wurde in großem Umfang ersetzt, wodurch Analysten für anspruchsvollere Tätigkeiten frei wurden. Es wird prognostiziert, dass das Projekt über drei Jahre betriebliche Einsparungen in Höhe von 24 Millionen $ erzielen wird, wobei die Automatisierungsrate weiter steigt, da Smart Agents aus gelösten Fällen und sich entwickelnden Betriebsmustern lernen.
