AI to nie zawsze znaczy to samo

Usługi finansowe są najbardziej zaawansowaną operacyjnie branżą w Polsce pod względem wykorzystania sztucznej inteligencji – wynika z badania EY Jak polskie firmy wdrażają AI. Aż 90% organizacji z tego sektora wdrożyło rozwiązania oparte na niej albo jest w trakcie ich implementacji. To wynik wyraźnie wyższy niż w innych branżach, gdzie takie podejście deklaruje 64% firm. EY zwraca uwagę, że w finansach AI przestała być obszarem eksperymentów i coraz częściej staje się elementem codziennego funkcjonowania organizacji.

Czy jednak oznacza to, że dziewięć na dziesięć firm finansowych ma już za sobą przełomową transformację technologiczną? Niekoniecznie.

– 90% deklarowanej adopcji nie oznacza, że co dziesiąty bank ma już gotowy przepis na biznesowy sukces – mówi Robert Błaszczyk, Business Banking PM Manager w Comarch. Jak zauważa, w jednym statystycznym worku mogą znaleźć się komercyjne modele LLM wykorzystywane do codziennej pracy biurowej, eksperymentalny chatbot oraz zaawansowany algorytm wpięty w podstawowy proces kredytowy. To trzy zupełnie różne poziomy dojrzałości.

Podobnie ocenia sytuację Robert Buda, starszy menadżer IT w Departamencie Danych i Sztucznej Inteligencji w mBanku. Jego zdaniem sektor finansowy rzeczywiście należy do najbardziej zaawansowanych w wykorzystaniu AI, ale o dojrzałości nie świadczy sama obecność technologii. Ważniejsze są realne zastosowania i mierzalne efekty biznesowe.

To właśnie tutaj zaczyna się najciekawsza część historii. Finansowy wyścig AI nie dotyczy już przede wszystkim tego, kto pierwszy uruchomi model językowy. Chodzi o to, kto potrafi wykorzystać sztuczną inteligencję tam, gdzie przekłada się ona na niższe koszty, szybsze procesy, lepsze decyzje, większe bezpieczeństwo albo dodatkowe przychody.

Bank idealnym środowiskiem dla AI

Powód wysokiej adopcji AI w finansach jest stosunkowo prosty. Bankowość jest biznesem opartym na danych. Każdego dnia instytucje przetwarzają ogromne ilości informacji o transakcjach, klientach, produktach, dokumentach, przepływach finansowych i ryzyku.

– Bank jest niemal idealnym środowiskiem dla AI. To biznes oparty na informacji: danych transakcyjnych, dokumentach, analizie finansowej, ryzyku, zachowaniach klientów i milionach powtarzalnych decyzji – mówi Robert Błaszczyk. Istotna jest również skala. Jeżeli sztuczna inteligencja pozwala skrócić jeden proces o kilka minut, samo w sobie może to wyglądać jak niewielka korzyść. W banku, który wykonuje setki tysięcy albo miliony podobnych operacji, oszczędność zaczyna jednak mieć znaczenie finansowe.

Grzegorz Idzik, dyrektor Departamentu Projektów, Procesów i Innowacji w VeloBanku, zwraca uwagę, że bankowość od lat intensywnie inwestuje w technologię, analitykę i automatyzację. AI jest więc kolejnym etapem tej ewolucji, a nie technologicznym przewrotem, który pojawił się znikąd. – Banki należą do tych organizacji, które stosunkowo szybko przechodzą od testowania nowych technologii do ich praktycznego wykorzystania – podkreśla.

Podobnie wygląda sytuacja w ING. Rafał Kostowski, IT Area Lead AI w ING Banku Śląskim wskazuje, że pierwsze wdrożenia oparte na uczeniu maszynowym i zaawansowanej analityce pojawiły się w banku już ponad dekadę temu. Generatywna AI jest więc kolejnym etapem budowania kompetencji, które sektor rozwijał przez lata.

To ważne rozróżnienie. Dzisiejsza AI w bankach nie zaczęła się od ChatGPT. Modele predykcyjne, systemy scoringowe, wykrywanie anomalii czy algorytmy antyfraudowe funkcjonują w sektorze od dawna. Generatywna sztuczna inteligencja dołożyła do tego nową warstwę: możliwość pracy z językiem naturalnym, dokumentami i wiedzą organizacyjną.

Dane europejskiego nadzoru bankowego potwierdzają ten kierunek. Europejski Bank Centralny wskazuje, że wykorzystanie AI w bankach strefy euro jest już bardzo szerokie, a szczególnie często technologia znajduje zastosowanie w wykrywaniu fraudów i cyberprzestępczości, marketingu, chatbotach oraz scoringu kredytowym.

Najpierw pracownik, potem klient

Jak faktycznie wygląda wykorzystanie AI w polskich instytucjach finansowych?

Jedną z najpopularniejszych kategorii są rozwiązania wspierające pracowników. To zastosowanie relatywnie bezpieczne: AI nie musi samodzielnie podejmować decyzji finansowej, tylko pomaga człowiekowi szybciej znaleźć informację, przeanalizować dokument albo przygotować odpowiedź.

Dobrym przykładem jest AI Knowledge Base rozwijane w VeloBanku. Pracownik może zadawać pytania w języku naturalnym i otrzymywać informacje zawarte w procedurach, regulaminach, materiałach produktowych czy dokumentacji wewnętrznej. Z rozwiązania korzysta już ponad 500 pracowników contact center, a bank planuje rozszerzyć dostęp na kolejne grupy. Do końca 2026 r. ma ono objąć ponad 1200 pracowników.

– To przykład wykorzystania AI jako narzędzia wspierającego pracownika – mówi ...