Bank dojrzały na AI
O tym, w jaki sposób AI może się przyczynić do usprawnienia funkcjonowania instytucji w tych obszarach i jak przejść od samego wdrażania AI do monetyzacji tej technologii, a także jak przygotować bank na przyjęcie AI, będą dyskutować uczestnicy panelu BankTech 2025, moderowanego przez dr. hab. prof. SGH Andrzeja Sobczaka.
Wskazał on główne wątki, jakie będą omawiane w czasie debaty eksperckiej, do wysłuchania której serdecznie zapraszamy wszystkich uczestników wydarzenia:
„Polski sektor bankowy znajduje się w kluczowym momencie transformacji technologicznej. Po fazie pilotaży i eksperymentów z rozwiązaniami AI, nadszedł czas na strategiczne wdrożenia przekładające się bezpośrednio na kluczowe wskaźniki finansowe.
Według najnowszych badań firm konsultingowych, wdrożenie AI, a w szczególności genAI może przełożyć się na:
- wzrost produktywności operacyjnej o 22-30% poprzez automatyzację procesów backoffice i middleoffice;
- zwiększenie przychodów o 6% dzięki zaawansowanej analityce predykcyjnej, precyzyjnej segmentacji klientów oraz hiperpersonalizacji oferty produktowej;
- redukcję kosztów obsługi klienta o 25-35% poprzez inteligentne systemy samoobsługowe.
Banki, które skutecznie przejdą od fazy eksperymentów do skalowania rozwiązań AI, mogą liczyć na istotną przewagę konkurencyjną wyrażoną nie tylko w poprawie doświadczeń klientów, ale przede wszystkim w wymiernych rezultatach finansowych.
Technologia i kultura organizacji a monetyzacja
„Kluczem do sukcesu jest zintegrowane podejście łączące strategię biznesową, kompetencje technologiczne oraz kulturę organizacyjną zorientowaną na dane i ciągłą optymalizację. W perspektywie kolejnych 2-3 lat, zdolność do efektywnej monetyzacji AI stanie się podstawowym wyróżnikiem liderów rynku bankowego.
Dlatego podczas nachodzącego panelu będziemy dyskutować m.in. o następujących zagadnieniach:
- Jak w instytucji bankowych wygląda proces mapowania metryk finansowych (NPV, RAROC, EVA) na konkretne use-case’y AI – i które z nich generują obecnie największą wartość?
- Jak kształtować podejście pomiędzy kompetencjami in-house a modelem opartym na partnerstwach (hyperscaler, boutique ML labs), aby skrócić time-to-market bez utraty kontroli nad IP?
- Jakie standardy i podejścia zostały wdrożone, by spełnić wymogi AI Act w zakresie traceability i explainability?
- Jak są rozliczane i kwalifikowane (CAPEX/OPEX) koszty z wdrożeń AI i co one obejmują?
- Czy i w jaki sposób banki eksperymentują z AI i w jaki sposób wyniki tych eksperymentów trafiają do wdrożeń produkcyjnych?”.
Gdzie zatem możemy wskazać kluczowe obszary monetyzacji AI w bankowości?
„Przesunięcie paradygmatu z jak zbudować model AI na jak efektywnie zmonetyzować asset AI wymaga koncentracji na konkretnych przypadkach użycia:
- maksymalizacja wartości klienta – implementacja mechanizmów cross-sell i up-sell w kanałach cyfrowych, szczególnie w aplikacjach mobilnych, wykorzystujących rekomendacyjne LLM do identyfikacji optymalnych momentów sprzedażowych (next best action);
- dynamiczne zarządzanie marżą – wdrożenie systemów risk-based pricing umożliwiających optymalizację cen produktów w czasie rzeczywistym na podstawie profilu ryzyka klienta, warunków rynkowych i celów biznesowych;
- optymalizacja procesów regulacyjnych – automatyzacja procedur KYC (Know Your Customer) i AML (Anti-Money Laundering) prowadząca do 70% redukcji czasu procesowania przy jednoczesnym zwiększeniu skuteczności wykrywania anomalii;
- transformacja obsługi klienta – zaawansowane chatboty i voiceboty obsługujące 80% zapytań pierwszego kontaktu, z możliwością eskalacji do konsultanta tylko w przypadkach wymagających ludzkiej interwencji;
- nowe modele biznesowe – wykorzystanie AI do budowania ekosystemów w ramach Open Finance 2.0, umożliwiających monetyzację danych i tworzenie innowacyjnych produktów we współpracy z fintechami i partnerami technologicznymi.”
