Wdrożenie AI: nie ma jednego modelu, który byłby dobry dla każdego banku

Współorganizatorem debaty była firma Asseco Poland, prowadził ją Paweł Minkina, wiceprezes zarządu Centrum Procesów Bankowych i Informacji, redaktor naczelny Miesięcznika Finansowego BANK, a uczestniczyli w niej: Karolina Bizub, Head of Corporate Technology Tribe, ING Bank Śląski; Beata Jarecka, dyrektorka Departamentu Operacji Sprzedażowych, mBank; Maciej Jeruzal, dyrektor Biura Automatyzacji Procesów, Departament Transformacji Cyfrowej, Nest Bank; Ewa Madej-Popiel, dyrektorka Departamentu Transformacji Procesu Weryfikacji Klienta, Centrum Analiz i Transformacji Cyfrowej, Bank Pekao S.A.; Tomasz Motyl, CIO, UniCredit Polska; Piotr Sagan, dyrektor Biura Transformacji Agile, Centrum Analiz i Transformacji Cyfrowej, Bank Pekao SA; Bartosz Sokoliński, dyrektor ds. rozwiązań AI, Departament Informatyki i Telekomunikacji, Bank Ochrony Środowiska i Marcin Szaroszyk, IT Chapter Leader, BNP Paribas Bank Polska. Partnera debaty reprezentował Jarosław Bryl, dyrektor Pionu Business Intelligence Asseco Poland SA.

Paweł Minkina: Back office czy front office, jeżeli chodzi o AI? Takie pytanie pada w trakcie większości paneli dotyczących sztucznej inteligencji. Podczas poprzedniej naszej debaty zdecydowana większość bankowców – blisko 90% – stwierdziła, że back office. Czy zgadzacie się państwo, że pierwszym polem testowym AI będzie właśnie back office?

Tomasz Motyl: AI ma pewną skazę. Boty, czyli wcześniejsze rozwiązania predykcyjne często odpowiadały klientowi na dwa pytania, a na trzecie już nie i odsyłały go gdzieś dalej. I właśnie ta kwestia interakcji z człowiekiem może powodować, że klienci będą się jej obawiać i uważać, że rozwiązanie technologiczne znowu ich zwiedzie. W związku z tym back office bardziej nadaje się na testowe wdrożenia, bo wynik jest bardziej przewidywalny – mamy bowiem cały zestaw danych i wiemy, co powinniśmy z nimi zrobić. Chociaż z drugiej strony nadchodzi czas, by wyjść na zewnątrz, do klienta, żeby także i front office był zaopiekowany.

Karolina Bizub
Head of Corporate Technology Tribe,
ING Bank Śląski

Beata Jarecka
dyrektorka Departamentu Operacji Sprzedażowych,
mBANK

Maciej Jeruzal
dyrektor Biura Automatyzacji Procesów, Departament Transformacji Cyfrowej,
Nest Bank

Jarosław Bryl: Łatwiej nam zacząć od siebie, bo mamy mnóstwo danych. Banki są dość dobrze oprocesowane i opomiarowane wewnętrznie, zatem każdą rzecz można zmierzyć i zweryfikować, sprawdzić, jak się zmienia po zainwestowaniu w AI.

Maciej Jeruzal: Front office jest ważny, bo pokazujemy na zewnątrz, że wdrożyliśmy, jako instytucja, dobre rozwiązanie, zaoferowaliśmy sztuczną inteligencję, która dostrzega klienta i może go obsłużyć. Ale to back office jest tym miejscem, które jest znacznie bezpieczniejsze przy wdrażaniu nowych rozwiązań.

Piotr Sagan: Mamy dobrze zwymiarowane i pomierzone procesy bankowe, jest jednak kierunek, który może nas zgubić, jeżeli będziemy osadzali AI na procesach, które funkcjonują dzisiaj w świecie białkowym, a nie skupimy się na budowaniu procesów, które będą powstawały wokół rozwiązań AI. Czy budowanie takiego procesu back office, który będzie jedynie wspierany sztuczną inteligencją przynosi efektywność? Tego nie wiemy, bo nie jesteśmy w stanie dobrze tego zmierzyć. Generalnie tego typu procesy utykają – na ryzyku, na compliance. I jeżeli nie wychwycimy tych rzeczy, to zawsze będziemy mieli zautomatyzowane kawałki procesu, ale one i tak gdzieś utkną. Zatem to także trzeba brać pod uwagę. Bo – moim zdaniem – jeżeli pójdziemy z AI na front office, to może nas to zgubić, bo klient od nas odejdzie, gdyż nie będzie miał zaufania do tych nowych rozwiązań. Chyba że będziemy budowali bank as a service i ten front będzie wystawiony dla innych agentów – wtedy jak najbardziej możemy mocne wsparcie AI wykorzystać.

Marcin Szaroszyk: Najpierw powinniśmy przygotować zespół wokół wartości, które ma sztuczna inteligencja dowieźć, a dopiero później wdrażać rozwiązanie. Przecież jeżeli zespół jest silosowany, to ta AI też będzie się silosowała wokół tego obszaru, który będzie realizować. Jeżeli stosujemy rozwiązanie, że zespół A coś przygotowuje, zespół B te dane sprawdza, a zespół C je gdzieś wdraża, to każdy z tych elementów jest silosem. I jeżeli będziemy w ten sposób wdrażali AI, to będzie to działanie nieefektywne.

Ewa Madej-Popiel
dyrektorka Departamentu Transformacji Procesu Weryfikacji Klienta, Centrum Analiz i Transformacji Cyfrowej, Bank Pekao S.A.

Tomasz Motyl
CIO, UniCredit Polska

Piotr Sagan
dyrektor Biura Transformacji Agile, Centrum Analiz i Transformacji Cyfrowej,
Bank Pekao SA

Beata Jarecka: Każda organizacja mniej lub bardziej bazuje na silosach. I to się zmienia w czasie, teraz jest więcej procesów, które są budowane cross-organizacyjnie – mówię o back office, IT, biznesie. I właśnie takie cross-organizacyjne projekty pozwalają na to, żeby wdrożyć AI i w back office, i na froncie. Zaczynamy już mówić także o middle-office w zarządzaniu procesami i w obsłudze klienta. Żeby te możliwości przełożyć nie tylko na automatyzację, ale też na to doświadczenie klienta. I dzięki temu pomijamy te punktowe wrażanie automatyzacji, bo kiedyś rzeczywiście – jak automatyzowaliśmy i optymalizowaliśmy proces na poziomie projektów technologicznych – zdarzało się, że każdy w swoim silosie miał swój kawałek, a później gdy próbowaliśmy je połączyć, okazywało się, że każdy ma inne wtyczki.

Maciej Jeruzal: Przy wdrażaniu sztucznej inteligencji powinniśmy przede wszystkim budować w organizacji, wśród pracowników kulturę AI, żeby jej nie wdrażać dla samego wdrażania. Pracownicy muszą się do tego rozwiązania przekonać. Muszą spojrzeć na swoją pracę i znaleźć boty, które ją ułatwią. Mamy taki sklep, w którym te boty są wytwarzane przez pracowników oddolnie, oni przecież najlepiej wiedzą, czego potrzebują do pracy. Korzystają z tego w różnych sytuacjach, jeśli np. potrzebują informacji w zakresie jakiejś procedury czy kolejnego kroku w procesie, to korzystają z tego bota, bo jest to zdecydowanie szybsze od zaglądania do dokumentu papierowego. Wówczas pracownicy czują tę zmianę, a transformacja dokonuje się oddolnie.

Paweł Minkina: Sektor bankowy jest pod wieloma względami niezwykle stabilny, także organizacyjnie. Czy zatem przełamania silosów można dokonać agile’owo raczej powoli, z roku na rok? Jest to chyba głębsza zmiana struktury samej bankowości i głębsze przemyślenie tego jak bank – jako organizacja – powinien funkcjonować?

Tomasz Motyl: Ten przekaz musi iść z samej góry, od najważniejszego szefostwa. To stamtąd musi przyjść komunikat, że AI ma być najważniejsze we wszystkich pięciu obszarach. Operacyjność, IT i biznes muszą działać razem, bo tylko wtedy uda się coś poprawić.

Ewa Madej-Popiel: Super jest to, że pojawiają się oddolne ruchy, pracownicy budują sobie narzędzia i korzystają z nich, pokonują próg wejścia i lęku, a ich efektywność jednostkowa się zwiększa. Super jest także to, że kierownictwo wyznacza duże cele i pcha całą organizację do przodu. Moim zdaniem to są rzeczy, które powinny zachodzić równolegle. A naszą rolą, jako menadżerów, jest zadbanie o to, żeby ktoś odpowiadający za strategię łączył te działania. Bo tak naprawdę nie ma złotego rozwiązania, nie ma jednego modelu, który byłby dobry dla każdego banku czy każdej organizacji. Jak ludzie czują głód technologiczny i organizacja im daje kolejne narzędzia, to oznacza, że poziom ich ­adopcji będzie szybki.

Bartosz Sokoliński
dyrektor ds. rozwiązań AI, Departament Informatyki i Telekomunikacji,
Bank Ochrony Środowiska

Marcin Szaroszyk
IT Chapter Leader, BNP Paribas
Bank Polska

Marcin Szaroszyk: Niestety, w przypadku kiedy management mówi, że macie teraz korzystać z AI, osiągniemy efekt zerowy. Z mojej perspektywy wynika, że skuteczną akcją, którą powinno się zrobić jest szukanie use case’ów oddolnie – takich, które faktycznie komuś pomagają, jakimś zespołom, i pokazać pracownikom takie właśnie success stories. Czyli pokazać, że nasi koledzy, np. Bartek, Kasia albo Roman, wdrożyli AI w swojej codziennej pracy i potrafią już wykorzystać nową technologię. Wydaje mi się, że warto odwoływać się do takich prostych psychologicznych uwarunkowań i starać się budować dla pracowników bezpieczne środowisko.

A osoby, które tworzą powtarzalne rzeczy, czy realizują jakieś procesy, które są identyczne i tydzień po tygodniu coś – przepraszam za kolokwialność – klepią, muszą wiedzieć, że gdy zaczniemy automatyzować ten proces, to one po prostu staną się nadzorcami nad AI i nie powinny obawiać się, że sztuczna inteligencja wygryzie ich ze stanowiska. Wtedy bowiem z poziomu klepania raportów, przejdziemy poziom wyżej i zaczniemy być audytorami.

Jarosław Bryl
dyrektor Pionu Business Intelligence, Asseco Poland SA

Paweł Minkina
wiceprezes zarządu Centrum Procesów Bankowych i Informacji, redaktor naczelny Miesięcznika Finansowego BANK

Bartosz Sokoliński: Musimy pamiętać, że od czasu do czasu sztuczna inteligencja i tak się pomyli – ma przecież 97% dokładności, czyli na sto zapytań trzy razy się pomyli. I to człowiek będzie odpowiedzialny za to, żeby ten błąd wyłapać. Człowiek będzie zarządzał wyjątkami, a nie całym biznesem, i to jest właśnie ta różnica czy zmiana.

Ewa Madej-Popiel: To, że nasi pracownicy będą obsługiwać te wyjątki, z którymi sobie AI nie radzi, tak naprawdę oznacza, że muszą zdecydowanie lepiej znać się na tych zagadnieniach – do tej pory tych wyjątków po prostu nie mieli. Dziś większość z nich to normalni analitycy i często nie mają takich zdolności, żeby w sprawach wyjątkowych, bardzo złożonych, zająć zdecydowane stanowisko. Będziemy zatem potrzebować ludzi o unikalnych kompetencjach i ogromnym doświadczeniu, które przerobiły całą masę takich wyjątków.

Paweł Minkina: Mamy oczywiście w organizacjach pewien opór silosów, ale czy zauważacie państwo taki trend, że grupy pracowników oddolnie sygnalizują zapotrzebowanie na rozwiązania AI? Albo zgłaszając chęć podniesienia swoich kwalifikacji w tym zakresie?

Marcin Szaroszyk: Mamy w tym wszystkim jeden składnik, o którym często zapominamy – demografię. Automatyzacja jest bardzo potrzebna, i nie mówię tutaj tylko o modelach językowych, czy np. o rozwiązaniach, które zostaną zastosowane w fabrykach i będą odpowiadały za różnego rodzaju elementy produkcji bądź jedynie pakowały jakieś rzeczy. Musimy pamiętać o tym, że my jako naród – ale ogólnie jest to globalny trend – że jako populacja kurczymy się. I będzie coraz mniej osób, które będą chciały np. w mieście powiatowym zajmować się pakowaniem rzeczy w fabryce, będziemy zatem po prostu musieli zastanowić się, w jaki sposób tą kwestię rozwiązać.

Bartosz Sokoliński: Mówiliśmy już o tym, że modele AI się mylą, halucynują, ale – pamiętajmy – że będą wchodziły nowe i zobaczymy, jak one będą działały. Poza tym przed nami jeszcze rozwiązania związane z komputerami kwantowymi, które być może dodatkowo zmienią wszystko. Rozmawialiśmy też o tym, że społeczeństwo się starzeje. Jest jednak jeszcze jedna kwestia, być może nie dotyczy ona banków, ale jest ważna w ogóle. Chińczycy już od pierwszej klasy podstawówki czy nawet jeszcze w przedszkolu uczą dzieci współpracować z AI. Wiem, że jak my w Polsce się za to weźmiemy, to już… w 2047 r. będziemy mieli podobny program – testowo w szóstej klasie.

Jeśli zaś chodzi o sztuczną inteligencję, to mam poczucie, że u nas jest straszne parcie na nią. Biznes co chwila ma jakieś nowe pomysły. My to trochę hamujemy. Stworzyliśmy coś na kształt lejka pomysłów i mówimy, że zanim zaczniemy cokolwiek robić, to zastanówmy się po co. Bo zawsze pojawia się pytanie, czy pomysły są po to, żeby w ogóle wykorzystać AI, czy też mamy konkretny pomysł na wykorzystanie jej w praktyce.

Beata Jarecka: Wykorzystując doświadczenie w back office i w operacjach, bardzo mocno staramy się wprowadzać kulturę elastyczności, szczególnie w tych aspektach, które kiedyś opomiarowaliśmy. To rzeczywiście pomaga przy podejmowaniu decyzji, bo mamy konkretne liczby, a nie jedynie opinie. Wiemy zatem, gdzie wolumeny rosną, a gdzie maleją. Ta ścieżka elastyczności pomiędzy ludźmi, którzy wykorzystują AI, polega na tym, że mogą wymieniać się kompetencjami pomiędzy wydziałami, a nawet departamentami. Kiedy po pandemii był spadek kredytów hipotecznych, a przy tym stopy procentowe były takie, że nastąpiło wręcz zamrożenie tego rynku, staraliśmy się wykorzystać pracowników do innych zadań. I dzisiaj oni sami się zgłaszają, mówią że chcą być elastyczni pomiędzy różnymi procesami. A za chwilę może być tak, że przestaniemy zatrudniać ludzi konkretnie do obsługi hipoteki czy obsługi rachunków, tylko będziemy poszukiwać kompetencji łączonych, osób, które mogą wykonać wiele zadań w zakresie back office.

Paweł Minkina: Czy wszyscy już mierzycie efekty poszczególnych wdrożeń AI wskaźnikami, czy raczej to jednak opinia pracowników i szefów wciąż jest miernikiem sukcesu?

Tomasz Motyl: Jeśli dokładamy AI do procesu, który był już mierzony, to dokładnie widzimy, co i jak się zmienia. Ale musimy pamiętać, że wchodzimy w całkowitą nowość i bywa, że nie tylko nie mamy punktu odniesienia, a wręcz nie można ustalić punktu startu – i wówczas porównujemy tylko, jak było kiedyś, a jak jest obecnie.

Karolina Bizub: Jeśli mamy opomiarowane procesy, to nie ma znaczenia, w jaki sposób wdrażamy nowe rozwiązania – czy to będzie AI, czy optymalizacja automatyki poprzez projekty technologiczne, czy nawet jakieś rozwiązania flow. Dzięki temu, że mam opomiarowane procesy, wiem dokładnie, o ile skrócił się czas rozwiązania, jak wzrasta produktywność w danym procesie, a jak efektywność, jakość i doświadczenie klienta.

Jarosław Bryl: Wydaje mi się, że bez wcześniejszego opomiarowania nie da się zrobić dobrego wdrożenia. Bo jak wyciągnąć wnioski ze skuteczności inwestycji? Przecież jeśli jakieś założenia się nie potwierdzą, to trzeba albo coś zmienić, albo z czegoś się wycofać. A to zawsze niesie spore koszty.

Marcin Szaroszyk: Jeżeli będziemy patrzyli tylko na to, jak ludzie wykorzystują sztuczną inteligencję, to trzeba bardzo dokładnie zastanawiać się nad tym, co jest opomiarowane. Bo jeżeli będziemy sprawdzali np. ile razy pracownicy się logują do systemu, i to będzie miarą, to ludzie będą po prostu oszukiwać te wskaźniki. Przykładem może być Microsoft, gdzie pracownicy stworzyli sobie skrypty, które odpytują AI ileś tam razy dziennie i wskaźniki są wysokie, dzięki czemu wygląda na to, że korzystają oni z tego rozwiązania. A w rzeczywistości tak nie było. O tym mówi prawo Goodharta, że jeżeli coś staje się celem, to przestaje być dobrą miarą.

Paweł Minkina: Jak zatem mierzyć optymalne tempo adopcji czy wdrożenia poszczególnych rozwiązań AI w świecie, w którym kiedy dopływamy do brzegu, zmieniają się reguły gry, zmieniają się potrzeby klienta, ewentualnie potrzeby organizacji. Czy jesteśmy w stanie nad tym zapanować, nadążyć za zmianami?
Tomasz Motyl: To my musimy wybijać tempo adopcji. My decydujemy, jak i kiedy to ma być zrobione. Nawet jeśli to ma się zaledwie turlać, to i tak według naszego rytmu. I musimy wybijać ten rytm tak, żeby pojawiali się entuzjaści takich wdrożeń.

Marcin Szaroszyk: Odpowiedzią na to pytanie może być tzw. krzywa J, która mówi o tym, że w pierwszym etapie w przypadku nowych technologii, produktywność spada. Bo musimy nauczyć się korzystać z tej technologii, zyskać doświadczenie i kompetencje, i dopiero kiedy wsparcie dla nowych rozwiązań będzie w firmie na odpowiednim poziomie, to produktywność ruszy do góry. I zarząd oraz interesariusze, a także pracownicy, muszą o tym wiedzieć.

Beata Jarecka: Wszystko finalnie jest kwestią zaufania do tego narzędzia, bo jeśli klient straci zaufanie, to nie do algorytmu, tylko do nas. I pójdzie do konkurencji.