AI w dołku rozczarowań

Jak podkreślił Paweł Białka – banki wprowadzając rozwiązania oparte o AI muszą mieć pewność, że wszystko to, co sztuczna inteligencja generuje jest zgodne z prawdą, jest bezpieczne dla samego banku, dla jego klientów oraz że dochowuje wszelkich zasad poufności.

Podkreślał, że obecne regulacje prawne stanowią, że za szkody klienta spowodowane przez AI odpowiada bank korzystający ze sztucznej inteligencji.

Zaznaczył, że regulatorzy wymagają od banków pełnej wyjaśnialności modelu AI, z którego korzystają banki. Tego typu przepisy obowiązują nie tylko w Polsce, ale na całym świecie.

„Czyli algorytm sztucznej inteligencji nie może zostać wykorzystany do odpowiedzi na pytanie czy dany klient zasługuje na kredyt i jakie powinno być oprocentowanie tego kredytu. Dlatego, że w ten sposób bank zdjąłby z siebie decyzyjność oraz nie mógłby wyjaśnić w pełni dlaczego komuś odmówiono udzielenia pożyczki, kredytu czy leasingu” – mówił Paweł Białka.

Podkreślił, że sytuacja taka otwiera ogromne pole do ewentualnych sporów prawnych o to czy np. bank nie dyskryminuje pewnych grup klientów.

„Wszystkie modele GenAI dostępne w Internecie są black boxem. Nie wiemy, co tam jest w środku, nie wiemy, na jakiej podstawie sztuczna inteligencja udzieliła takiej bądź innej odpowiedzi. Ogromnym problemem modeli generatywnych sztucznej inteligencji są halucynacje, czyli tworzenie pseudofaktów, posługiwanie się nieprawdziwymi informacjami, jako informacjami jak najbardziej prawdziwymi. Żaden bank nie może sobie pozwolić na obsługę klientów takim niesprawdzonym i potencjalnie groźnym narzędziem” – wskazywał.

Czytaj także: Wydarzenia i Opinie | IT@BANK 2024 | Nie tylko AI

Czy wprowadzenie AI opłaciło się bankom?

Na pytanie czy biorąc pod uwagę koszty, ograniczenia regulacyjne i samą naturę AI bankom per saldo opłaciło się wprowadzenie sztucznej inteligencji – Paweł Białka odpowiedział:

„42% CIO (Chief Information Officer) w regionie Europy EMEA, a globalnie 47% dyrektorów IT wskazuje wprost, że nie uzyskało zwrotu z inwestycji w narzędzia sztucznej inteligencji, które w ostatnich dwóch latach wprowadzili u siebie w firmie. Czyli koszty wdrożenia przewyższały zyski z wykorzystania AI”.

 „Oczywiście są inne zalety eksperymentowania ze sztuczną inteligencją, natomiast jeżeli chodzi o czysty zwrot inwestycji, jesteśmy jak na razie w dołku rozczarowań, czyli jest bardzo dużo dyskusji, bardzo dużo obietnic, a niewiele realnych zysków przekraczających koszty, które są potrzebne do wdrożenia AI” – dodał.

Jego zdaniem, aby uniknąć rozczarowań związanych z wprowadzaniem AI należy rozsądnie wybierać te jej zastosowania, które przynoszą najwięcej zysków. Paweł Białka uważa, że warto też mieć zaplanowany budżet na skalowanie sztucznej inteligencji.

„W 2023 roku średni koszt wdrożenia proof of concept, czyli pilota AI, wahał się pomiędzy 1 milionem a 10 milionami złotych. I w momencie skalowania tego pilota w całej organizacji, a także na posiadanej przez organizację bazie klientów, te koszty rosną wykładniczo.

I nie wszystkie banki, nie wszystkie firmy są gotowe w tym momencie na poniesienie tych kosztów. Zwłaszcza, że narzędzia tworzone, bądź kupowane w chmurze jako sztuczna inteligencja nie wyczerpują całego zasobu AI w firmie” – przestrzegał.

„Spodziewamy się, że do końca 2026 roku 80% dostawców rozwiązań, które już dzisiaj są używane przez banki jak CRM, ERP, oprogramowania core banking, dobuduje do tych rozwiązań komponent sztucznej inteligencji. Dostawcy, którzy już dzisiaj dobudowali komponenty AI w swoich rozwiązaniach, żądają podwyższenia ceny za swoje produkty o około 30%” – dodał Paweł Białka.

Jak zaznaczył te ogromne koszty w horyzoncie dwóch-trzech lat będą musiały ponieść wszystkie firmy, które chcą w sztuczną inteligencję inwestować. To oznacza, że wzrost nakładów na istniejące już rozwiązania powoduje, że firmy mają znacznie mniej pieniędzy na zakup zupełnie nowych narzędzi AI.

Czytaj także: Nie ma przyszłości bez AI

Trzy przykłady udanych wdrożeń AI

„My jako Gartner zidentyfikowaliśmy dwa kluczowe czynniki zysku z inwestycji AI, jeżeli chodzi o produktywność wewnętrzną. Pierwszy z nich to stopień skomplikowania pracy, którą chcemy wspomóc narzędziami sztucznej inteligencji, a drugi czynnik to jest doświadczenie osób, które tę pracę wykonują” – mówił Paweł Białka.

„Największy uzysk produktywności pojawia się w przypadku mało skomplikowanych prac i mało doświadczonych pracowników (na przykład pracownicy call center) oraz w przypadku bardzo skomplikowanych prac i bardzo doświadczonych użytkowników – na przykład z działu prawnego, na przykład programistów” – wyjaśniał.

Na naszą prośbę o wskazanie przykładów trzech banków, które wdrażają AI w najbardziej efektywny sposób – Paweł Białka wymienił banki ze Szwecji, Australii i Austrii.

„Swedbank trenuje swój model antyfraudowy zapobiegający wyłudzeniom finansowym poprzez drugi model, który atakuje ten pierwszy model. Czyli na środowisku testowym, na danych syntetycznych, jeden model atakuje drugi po to, żeby ten model, który ma nas bronić, był przygotowany nie tylko na to, co już teraz się dzieje, co już teraz cyberprzestępcy wykorzystują, ale również na to, co za chwilę będą stosowali” – mówił.

„Drugi przykład to jest Commonwealth Bank of Australia, który stworzył persony swoich klientów. I na tych personach, czyli awatarach swoich klientów ocenia jak dany klient jest odporny na różne zdarzenia, m.in. jak jest odporny klient korporacyjny np. na kryzys w swojej branży, na podniesienie stóp procentowych, na szereg różnych innych ryzyk. To ma wpływ na scoring klienta.

Jednocześnie bank wykorzystuje persony swoich klientów do stwierdzenia jak dany klient jest podatny na nową ofertę, na nowe kanały współpracy” – tłumaczył.

Trzeci przykład dotyczył zastosowania AI w austriackim Erste Banku w bezpośrednich kontaktach z klientami.

„Bank ten stworzył tutora, dedykowanego danemu klientowi opiekuna, którego klient może wykorzystać po to, żeby edukować się z produktów finansowych, od prostych produktów bankowych po bardzo skomplikowane produkty inwestycyjne.

Tutor dostosowuje się na bieżąco do możliwości percepcyjnych swojego rozmówcy, wyjaśnia, w jaki sposób korzystać, poszerzać portfolio produktów bankowych, z których klient korzysta. W ten sposób bank podnosi kompetencje swoich klientów i w efekcie sprzedaje więcej produktów” – powiedział Paweł Białka.

Jak zauważył – żaden z wymienionych przez niego banków nie żałuje swojej inwestycji w AI.

W jego opinii polskie banki także skutecznie wdrażają AI. Jako przykład podał nagrodzony podczas tegorocznej konferencji IT@BANK Nest Bank za rozwiązanie N!Asystent. To rozwiązanie oparte na AI było też wyróżnione w Nowym Jorku nagrodą Best of Show na międzynarodowej konferencji FinovateFall 2024.