Strona banku nie umarła

Przez lata banki pompowały miliony w UX, piękne makiety i angażujące landing page’e. Dzisiaj twierdzisz, że nadchodzi era klienta, który przestał klikać. Czy to oznacza, że dotychczasowe inwestycje w portale publiczne idą do kosza?

– Absolutnie nie. Portal bankowy nie przestaje być ważny. Staje się ważny w inny sposób. Następuje przesunięcie środka ciężkości. Dotychczas żyliśmy w wygodnym paradygmacie, w którym użytkownik wchodził na stronę, klikał, czytał, a my mierzyliśmy jego zaangażowanie. Obecne cyfrowe pokolenie zamiast przeklikiwać się przez zawiłe menu, woli wrzucić w ChatGPT, Perplexity czy Gemini jedno zdanie: Znajdź mi najtańszy kredyt hipoteczny ze stałym oprocentowaniem, ale bez prowizji za wcześniejszą spłatę. Klient nawet nie spojrzy na dopieszczony design. Zobaczy suchą syntezę, którą wypluł mu model językowy. Na bankowych portalach pojawił się właśnie nowy, piąty odbiorca oferty. Obok klienta, doradcy, regulatora i robotów SEO, musimy teraz projektować serwisy pod maszynę realizującą tak zwany agentic browsing. Jeśli AI błędnie zinterpretuje ofertę albo uzna ją za mniej czytelną niż ofertę konkurencji, bank może wypaść z krótkiej listy rozważanych opcji – zanim klient wejdzie na landing page.
Oczywiście mają znaczenie jako źródła dla AI również inne uznane kontenery wiedzy w Internecie, jak portale eksperckie czy choćby YouTube. Portal marki pozostaje źródłem prawdy szczególnie, gdy klient jest już na etapie szczegółowego porównania ofert.

Skoro użytkownik i tak konsumuje gotowe podsumowanie wklejone przez bota, to po co bankom zaawansowany, publiczny portal? Gdzie tu logika biznesowa?

– Logika tkwi w tym, skąd AI czerpie wiedzę. Dane Pew Research czy analizy ruchu typu Lighthouse wskazują wyraźny trend: użytkownicy coraz częściej zdają się na podsumowania AI, a w linki źródłowe klika zaledwie ułamek z nich. W ten sposób banki tracą bezpośredni ruch konsumencki. Ale to także gigantyczna szansa, jeśli wie się, co z tym zrobić. Portal banku staje się ostatecznym źródłem prawdy – obowiązującej oferty – dla algorytmów.
Sztuczna inteligencja nie potrzebuje stockowych zdjęć z uśmiechniętymi rodzinami. Potrzebuje jednoznacznej struktury danych, bezbłędnej semantyki i żelaznej logiki, którą nowoczesne systemy muszą jej podać w optymalny sposób. Jeśli odetnie się publiczne źródło prawdy lub zostawi tam strukturalny bałagan, AI nakarmi się błędami, czerpiąc wiedzę ze źródeł wtórnych, starszych lub niepewnych. Dobrze zaprojektowany i utrzymany portal publiczny to dziś główna linia obrony przed takim scenariuszem. Zauważmy jednocześnie, że ludzki klient nie znika. Portal musi obsłużyć zarówno dotychczasowego jak i nowego odbiorcę.

No dobrze, ale co z tego, że AI się pomyli w interpretacji? W e-commerce najwyżej klient dostanie buty w innym odcieniu i zrobi darmowy zwrot. Ryzyko wydaje się biznesowo niewielkie.

– W sektorze regulowanym to nie jest małe ryzyko. Jeśli AI pomyli się w interpretacji tabeli opłat i prowizji i wmówi klientowi premium, że prowadzenie konta private banking jest bezwarunkowo darmowe, mamy do czynienia ze znacznym ryzykiem compliance, zarzutem o misselling i ryzykiem utraty leada. Europejski Urząd Nadzoru Bankowego (EBA) w swoich wytycznych wprost nakazuje ostrożność wobec ogólnych modeli AI. Pytanie, czy bank może zaryzykować i podpisać się pod odpowiedzią AI. Nieścisłości to prosta droga do naruszenia wymogów prawnych.

Dlaczego modele LLM wykładają się na ofertach bankowych? Są jeszcze zbyt prymitywne, by ogarnąć prosty kredyt gotówkowy?

– W testach ofert bankowych modele poprawnie rozpoznawały nazwę produktu, grupę docelową i główną obietnicę sprzedażową, jak np. konto dla dziecka czy konto oszczędnościowe z promocyjnym oprocentowaniem. Gubiły jednak warunki, które decydują o realnej użyteczności i skuteczności sprzedaży: kto faktycznie jest posiadaczem rachunku, czy produkt jest kontem dziecka, czy subkontem rodzica, od jakiego wieku działają karta, aplikacja i BLIK, kiedy 0 zł zależy od aktywności klienta.
To nie jest wina głupiego modelu, tylko cyfrowego smogu, który banki same produkują. Oferta bankowa to często rozproszony system zależności, a opis produktu potrafi być rozsmarowany pomiędzy landing page kampanii, stronę produktu, regulamin promocji w PDF-ie, osobną tabelę oprocentowania i sekcję FAQ. Co gorsza, te dokumenty bywają ze sobą sprzeczne. AI, nie mogąc polegać na spójnej architekturze informacji, zaczyna improwizować, co może prowadzić do generowania własnych, negatywnych dla banku interpretacji. Dodatkowo podczas audytów widzimy, jak ważna dziś jest cyfrowa dostępność, czyli WCAG. Istnieje bezpośrednia korelacja między poprawnym drzewem dostępności a tym, jak stronę widzi bot. Dam przykład. Jeśli witryna nie jest przystosowana dla osób niedowidzących korzystających z czytników ekranu, to agent AI jest na niej tak samo bezradny. Dostępność to nie tylko moralnie uzasadnione umożliwienie korzystania z banku klientom z niepełnosprawnościami, czy wymóg prawny. To również Machine Readability, czyli warunek konieczny, aby maszyna w ogóle przeczytała ofertę.

Jakie są bezpośrednie konsekwencje marketingowe dla banku, który zostaje odsiany przez sztuczną inteligencję na tak wczesnym etapie?

– Konsekwencją jest niewidzialność w kanale, który rośnie. Tracimy klienta na etapie tzw. zero-click search, zanim on w ogóle pomyśli o wejściu na jakikolwiek landing page. Jeśli bot agregujący oferty uzna dane banku za niespójne lub nieczytelne, po prostu zarekomenduje konkurentów, a naszą instytucję pominie. Dla dyrektora marketingu oznacza to drastyczny spadek efektywności budżetów reklamowych. Tradycyjne SEO i kampanie PPC nie naprawią faktu, że silniki AI odcięły nas od źródła zapytań. Współczesny marketing bankowy musi zrozumieć, że walka o pozycję w AI to nie kwestia wizerunku, ale obrony udziału w rynku.

Brzmi to jak technologiczny koszmar. Czy przygotowanie portalu na erę AI oznacza kolejny, wielomilionowy projekt wymiany IT rozpisany na trzy lata, który sparaliżuje organizację?

– Gdybym przyszedł do zarządu banku z propozycją trzyletniej transformacji systemów, słusznie wyrzucono by mnie za drzwi. Pierwszym problemem nie jest brak nowej platformy, tylko brak jednoznacznego, aktualnego i kontrolowanego opisu oferty. Rozumianego nie tylko jako parametry finansowe, zazwyczaj umiejscowione w core bankingu, ale cały kontekst produktu (warunki, wyłączenia, promocje, FAQ), czyli sposób, w jaki bank tłumaczy ofertę dla klientów, nieco krzywdząco zwanego potocznie marketingowym. Wstępne uporządkowanie można osiągnąć bez uruchamiania dużych inicjatyw projektowych. Następnym krokiem jest zadbanie o warstwę dystrybucyjną. Ma ona zapewnić dostęp do danych w różnorodnych interfejsach i formatach. System wciąż musi oczywiście obsługiwać jednocześnie klienta tradycyjnego, konsumującego treści wizualnie. Całość powinna domknąć warstwa trzecia, zaufania i audytu, aby wprowadzony porządek i model pracy trwale utrzymać. To mechanizmy kontrolne, które weryfikują na bieżąco spójność i poprawność oferty. Długofalowo taki kierunek może oczywiście prowadzić do głębszych zmian w architekturze portalu, ale nie od tego trzeba zaczynać.

Załóżmy, że w poniedziałek rano zarząd banku pije kawę i chce zacząć działać. Jaki powinien być jego pierwszy krok?

– Warto zacząć od testu interpretowalności oferty: wybieramy 1-2 produkty, np. pożyczkę gotówkową i konto osobiste, a następnie sprawdzamy, jak modele AI odpowiadają na realne pytania klienta. Istotne, aby nie zatrzymać się po pierwszym pytaniu, jak w typowym audycie GEO. Wynik porównujemy z zatwierdzonym opisem produktu, regulaminem, ToiP i wymogami compliance. Efektem nie jest raport o AI, tylko lista konkretnych luk w treści, strukturze danych i procesie publikacji.

Czyli zamiast rewolucji technologicznej, czeka nas powrót do absolutnych podstaw inżynierii danych i porządku w architekturze informacji. Kto w tej nowej rzeczywistości będzie rozdawał karty?

– Przewagę w cyfrowej akwizycji zyskają te banki, których portale nauczą się mówić nie tylko językiem klienta, doradcy czy regulatora, ale także algorytmów AI. Uporządkowane treści, spójne dane produktowe i nowoczesne zarządzanie ofertą mogą zdecydować o tym, czy bank będzie właściwie rozumiany w nowych ścieżkach wyszukiwania i porównywania produktów. Warto już dziś sprawdzić, jak AI widzi i interpretuje ofertę banku.