Bankowość i finanse | AI – Software Mind, Backbase | Sztuczna inteligencja w służbie relacji z klientem

Poważnym wsparciem dla tradycyjnych banków jest wykorzystanie innowacyjnych rozwiązań z obszaru AI i uczenia maszynowego: sztuczna inteligencja pozwala znacząco zwiększyć przychody przy jednoczesnej poprawie wydajności operacyjnej – nawet o 30%. Rzecz w tym, że część instytucji finansowych deklaruje brak gotowości na szybkie wdrożenie narzędzi bazujących na sztucznej inteligencji. Czy wobec tak poważnych wyzwań AI pomoże bankom utrzymać bliską relację z klientem, a może wręcz przeciwnie – pogłębi rozwarstwienie i sprowadzi klienta do predykcyjnego bytu, którym zarządzają algorytmy? Kwestiom tym poświęcona była debata ekspercka „Miesięcznika Finansowego BANK”, której partnerami były firmy Software Mind oraz Backbase. Uczestnicy dyskusji, moderowanej przez Jana Bolanowskiego, dziennikarza „Miesięcznika Finansowego BANK”, rozważali, jak zaangażować AI do umacniania lojalności i zaufania klientów, czego efektem byłaby budowa długofalowej relacji na linii bank-konsument.

Jakość danych – największe ryzyko i największy potencjał

W jakim stopniu banki znają swoich klientów? Odpowiedź na pytanie, które stanowiło punkt wyjścia do dyskusji, nie jest oczywista. Z jednej strony sektor finansowy dysponuje gromadzonymi przez dekady zasobami wiedzy na temat zachowań i preferencji poszczególnych klientów, równocześnie jednak tradycyjna bankowość wciąż zmaga się z takimi problemami jak silosowa struktura organizacyjna czy dług technologiczny, które ograniczają efektywne wykorzystanie danych historycznych. Konsekwencją jest błędne adresowanie potrzeb konsumentów, co ma miejsce choćby wówczas, gdy klient dysponujący stałą nadwyżką kilkuset tysięcy złotych na koncie oszczędnościowym otrzymuje propozycję niskokwotowego kredytu zamiast odpowiedniego produktu inwestycyjnego. Takie nietrafione oferty skutkują pogłębiającym się dysonansem konsumenta, podkreślał Ireneusz Jazownik. Małgorzata Kamińska-Kant zwróciła uwagę, iż młodsze instytucje finansowe lepiej radzą sobie z dostępem do danych niż te, które w swej historii przeszły fuzje, przejęcia bądź migracje systemów. Wykorzystanie wiedzy o kliencie jest również determinowane prawnie; Rafał Kostowski przypomniał o konieczności uzyskania zgody na przetwarzanie danych konsumenta, co wynika wprost z roli banku jako instytucji zaufania publicznego. Dlatego tak istotna jest transparentność, o której mówił przedstawiciel BOŚ. Przypomniał on, iż kredyty bankowe stanowią dla konsumentów narzędzie do realizacji ich planów, dlatego przy zaciąganiu zobowiązania w grę wchodzą również emocje. Niezrozumiałe decyzje podejmowane przez instytucję finansową mogą wywoływać u konsumenta zaniepokojenie – to zaś kładzie się cieniem na relację. I nie chodzi tylko o segment kredytowy: Edyta Tararuj podała przykład oferowania konsumentowi, który regularnie dokonywał zakupów na stacjach paliw, ubezpieczenia OC posiadaczy pojazdów mechanicznych. Rzecz w tym, że wspomniane sprawunki obejmowały jedynie produkty żywnościowe – dana osoba mogła zatem nawet nie mieć własnego samochodu. Zdaniem przedstawicielki PKO Banku Polskiego, AI ma przewagę w takich sytuacjach – potrafi bowiem uczyć się kontekstu, choć – jak twierdziła ­Magdalena Lewandowska – z przedstawionym problemem powinien sobie poradzić analityk, który na podstawie okoliczności dokonywanych operacji skorygowałby tradycyjny model. Nieadekwatne ofertowanie nie zawsze należy rozpatrywać w kategoriach omyłki; Piotr Łukasiński wskazał, że w przypadku zbyt szerokich baz do kampanii masowych, ceną bywa dysonans po stronie zdezorientowanego klienta. Zdaniem przedstawiciela Santander Banku Polska, w ocenie efektywności kampanii warto brać także pod uwagę wymiar relacji z konsumentem i jego satysfakcji.

Granice hiperpersonalizacji: czy algorytmy wiedzą za dużo?

Jednym z kluczowych wątków debaty była kwestia zaufania klientów w kontekście personalizacji usług. Paneliści zgodnie podkreślali, że wiarygodność to fundamentalna przewaga sektora bankowego – i to ona sprawia, że potknięcia, które klienci są skłonni wybaczyć bigtechom, w przypadku banków uznają za nieakceptowalne. Trend ten staje się szczególnie widoczny wśród młodszych klientów, przyzwyczajonych do płynnej, cyfrowej obsługi i zarazem bardziej wyczulonych na jej jakość. To właśnie oni, otwarci na personalizację, oczekują, że bank będzie rozumiał ich potrzeby i potrafił na nie odpowiedzieć.

Karol Buczko
CRM & Customer Intelligence Director, mBank

Piotr Grudziński
Dyrektor Departamentu Business Intelligence, Ikano Bank

Ireneusz Jazownik
CIO, Bank Ochrony Środowiska

Małgorzata Kamińska-Kant
Dyrektor Departamentu Omnikanałowej Relacji z Klientami, Credit Agricole Bank Polska

Paweł Kopacz
Senior Account Manager, FSI, Microsoft Polska

Jak zauważył Piotr Skopiński, osoby poniżej 35. roku życia stanowią już dziś ponad połowę nowo pozyskanych klientów Banku Millennium. W perspektywie kilku lat seniorzy powyżej 65 lat stanowić będą zaledwie jedną dziesiątą klientów tej instytucji. Taka zmiana demograficzna wymusza nowe podejście do komunikacji i oferty – bardziej dopasowanej, ale jednocześnie uważnej.

Karol Buczko przestrzegał jednak przed wiarą w omnipotencję algorytmów hiperpersonalizacji. Zbyt wąskie dopasowanie przekazu do profilu klienta może prowadzić do niepożądanych konsekwencji – zarówno sprzedażowych, jak i prawnych. Jeśli klient będzie czuł się zbyt nachalnie kierowany w jedną stronę, może to skutkować reklamacjami, zwłaszcza w razie problemów chociażby ze spłatą kredytu. Jak zaznaczyła przedstawicielka Alior Banku, bank nie powinien wyłącznie podążać za preferencjami klientów, ale także pokazywać im nowe możliwości. To nie tylko buduje pozytywne doświadczenie, lecz także wspiera rozwój kompetencji finansowych konsumentów.

Uczestnicy podkreślali, że personalizacja oparta wyłącznie na danych historycznych nie uwzględnia nowych potrzeb, które dopiero mogą się pojawić. W efekcie bank nie wykorzystuje w pełni potencjału sprzedażowego. Zdaniem Piotra Grudzińskiego relacje z klientami mają charakter długofalowy – warto więc przedstawiać także propozycje wyprzedzające potrzeby, które z czasem mogą okazać się atrakcyjne dla danego klienta. – Brak propozycji bywa nieraz odbierany gorzej niż propozycja nietrafiona – dodał przedstawiciel Ikano Banku.

Choć algorytmy coraz lepiej odczytują bieżące potrzeby klientów, znacznie trudniej ocenić im całkowitą wartość dodaną konkretnych produktów. Piotr Łukasiński wskazywał, że technologia powinna być jedynie punktem wyjścia do budowy głębszych relacji – takich, jakie tworzą doradcy w oddziałach. W tym ujęciu rola banku wykracza poza transakcję – chodzi także o dostrzeżenie życiowych aspiracji klienta i zmian, które mogą wpływać na jego potrzeby finansowe.

Jak zauważył przedstawiciel Santander Banku Polska, lojalność nie powstaje z dnia na dzień – tworzą ją powtarzalne pozytywne doświadczenia. Analiza danych może być tu istotnym wsparciem, jeśli pozwala klientowi poczuć, że bank go zna i rozumie. – Nie chodzi o to, że ludzie nie chcą rozmawiać z chatbotami. Oni po prostu nie chcą rozmawiać ze słabymi chatbotami – przypomniał Rafał Kostowski.

Znaczenie jakości zautomatyzowanych kanałów kontaktu rośnie również w kontekście dostępności. Małgorzata Kamińska-Kant zwróciła uwagę na potrzeby klientów neuroróżnorodnych, np. osób w spektrum autyzmu, dla których kontakt bezpośredni jest barierą. Jeśli formularz czy czatbot nie działają intuicyjnie, doświadczenie klienta staje się negatywne – mimo dostępności technologii.

Chatboty i voiceboty: technologia, która jeszcze nie dojechała

Doświadczenia związane z wdrażaniem chatbotów i voicebotów w bankowości zdominowały końcową część dyskusji. Magdalena Lewandowska przywołała wyniki badań przeprowadzonych na zlecenie Warszawskiego Instytutu Bankowości przez zespół prof. Katarzyny Sekścińskiej. Wynika z nich, że statystyczny respondent woli czekać ponad 10 minut na połączenie z konsultantem niż rozmawiać z chatbotem. To istotny sygnał, że jakość zautomatyzowanej obsługi nadal pozostawia wiele do życzenia – zwłaszcza jeśli chodzi o kompleksowe rozwiązanie problemu.

Rafał Kostowski
IT Area Lead I – AI, Tribe Aplikacji Operacyjnych, ING Bank Śląski

Magdalena Lewandowska
Dyrektor Departamentu Walidacji Modeli, Alior Bank

Piotr Łukasiński
Master Data Scientist, Business Intelligence, Santander Bank Polska

Piotr Skopiński
Dyrektor Departamentu Rozwoju Aplikacji, Bank Millennium

Wojciech Soleniec
Partner, EY Polska

Ilustracją tego stanu rzeczy było case study jednej z instytucji finansowych, według którego bot miał teoretycznie rozwiązywać 40% spraw zgłaszanych przez klientów. Po głębszej analizie uwzględniającej długość rozmowy, liczbę powtórnych kontaktów i konieczność przekierowania do konsultanta, okazało się, że realna efektywność wynosiła zaledwie 4%.

Mimo to eksperci nie mają wątpliwości, że postęp technologiczny znacząco poprawi jakość automatycznych kanałów kontaktu. – Jeszcze kilka lat temu nikt nie wierzył, że narzędzia takie jak ChatGPT będą tak skuteczne – przypomniał Oktawiusz Kacza. Jego zdaniem, podobny przełom nastąpi również w bankowości, a skuteczniejsze boty przekonają klientów do korzystania z nich coraz częściej.

Podobnego zdania był Piotr Kalinowski, który wskazał, że obecne pokolenie studentów chętniej zadaje pytania ChatowiGPT niż korzysta z wyszukiwarki Google. Gdy ci młodzi konsumenci wejdą na rynek pracy, będą oczekiwali podobnego standardu obsługi również w bankach.

Jednak, jak zauważył Piotr Skopiński, przeszkodą pozostaje problem tzw. halucynacji – czyli nieprawdziwych odpowiedzi generowanych przez modele językowe. – W pracy naukowej to jeszcze da się zaakceptować, ale w bankowości taka pomyłka dyskwalifikuje rozwiązanie – zaznaczył.

Niektórzy uczestnicy zwracali uwagę na pewien paradoks. – Pracownicy call center też popełniają błędy – przypomniał przedstawiciel Software Mind – ale to błąd AI może pociągać bank za sobą w dużo większym stopniu prawnym niż ludzka pomyłka.

Karol Buczko zauważył z kolei, że porównania chatbotów bankowych z ChatGPT są często chybione – generatywne modele językowe korzystają z ogromnych zasobów wiedzy z całej sieci, podczas gdy bankowe rozwiązania operują jedynie na danych wewnętrznych, rzadziej sektorowych. Co więcej, wiele z nich nie spełnia kryteriów sztucznej inteligencji sensu stricto – to często jedynie automaty oparte na regułach.

Jednak nawet te proste systemy mogą przynosić realne korzyści. Jak wskazał Wojciech Soleniec, obsługa rutynowych procesów – jak np. blokada karty – już dziś może zostać przekazana botom. Wraz z rozwojem technologii lista takich usług będzie się rozszerzać, co pozwoli doradcom skupić się na bardziej złożonych sprawach.

Zwracano też uwagę na inkluzywny potencjał chatbotów. Paweł Kopacz zauważył, że rozmowa z botem – w przeciwieństwie do korzystania z aplikacji mobilnej czy bankowości internetowej – nie wymaga biegłości cyfrowej. Może to ułatwić dostęp do usług osobom dotąd wykluczonym cyfrowo.

Ekspert z EY podkreślił również, że ogromne środki inwestowane w rozwój AI mogą sprawić, iż boty nie tylko dorównają doradcom pod względem wiedzy, ale także będą w stanie symulować empatię. – Już dziś potrafią one prowadzić uprzejmą, sformułowaną w naturalny sposób konwersację. Użytkownik może odnieść wrażenie, że rozmawia z prawdziwym człowiekiem – zaznaczył.

Organizacja i odpowiedzialność: kto podejmuje decyzje?

Ważnym wątkiem były bariery organizacyjne we wdrażaniu AI. Technologia jest już dostępna, ale często zawodzi kultura organizacyjna i brak jasnego przypisania odpowiedzialności. – Modele same się nie wdrażają. Ktoś musi zdecydować, że to właśnie ten model, to dane źródłowe, ta architektura, a potem wziąć za to odpowiedzialność – zapewniał jeden z panelistów. Wskazano również na pojawianie się całkiem nowych ról i kompetencji w organizacji. Wojciech Soleniec podkreślił, że jeszcze rok temu nie zatrudniano na dużą skalę prompt engineerów, dziś funkcja ta, łącząca kwalifikacje analityka biznesowego, zdobywa coraz większą popularność. Dotyczy to również innych zawodów, m.in. product ownerów AI, zespołów ds. zarządzania jakością danych, a także doradców w zakresie etyki i zgodności. Bez wsparcia ze strony kompetentnych fachowców w tym zakresie, jak podkreślano, nawet najlepsza technologia może zostać źle użyta. Z drugiej strony dynamiczny rozwój inteligentnych algorytmów sprawia, iż przy założeniu odpowiednich test case’ów mogłyby one wykonać praktycznie każde zadanie. – Nie widzę zawodu, który nie przejdzie znaczącej transformacji – zauważył Piotr Łukasiński.

Waldemar Ściesiek
Dyrektor Departamentu Badań i Rozwoju, Bank Pekao

Edyta Tararuj
Dyrektorka Biura Rozwoju Produktów, Departament Produktów Klienta Indywidualnego, PKO Bank Polski

Tyson Arnold
Backbase

Robert Mihaljek
Backbase

Oktawiusz Kacza
Backbase

W stronę modeli agentowych i real-time feedbacku

Wśród omawianych zastosowań agentów AI pojawiły się przykłady autonomicznych systemów monitorujących zdarzenia w kanałach cyfrowych oraz wychwytujących anomalie w zachowaniu klientów – na przykład nagłe zmiany schematów logowania czy nietypowe wzorce transakcyjne. Tego typu agenci potrafią samodzielnie uruchamiać procedury weryfikacyjne, blokować dostęp lub eskalować podejrzane przypadki do odpowiednich jednostek bezpieczeństwa.

W jednym z banków regionalnych testowano również agenta wspierającego onboarding klientów firmowych. Odpowiadał on na pytania dotyczące wymaganych dokumentów, weryfikował ich kompletność i przypominał o brakujących załącznikach, integrując się z systemem CRM i repozytorium dokumentów. – To pokazuje, że agenci AI nie tylko reagują, ale również przewidują i koordynują działania w różnych systemach bez potrzeby angażowania człowieka do każdej mikrodecyzji – wskazywał jeden z prelegentów.

W końcowej części debaty podkreślano konieczność odejścia od klasycznych modeli uczenia maszynowego na rzecz agentów AI – systemów, które nie tylko analizują dane, ale potrafią podejmować działania i uczyć się w czasie rzeczywistym. Uczestnicy dzielili się doświadczeniami z projektów, w których generatywne modele wspierały doradców oraz analityków kredytowych w analizie danych i rekomendacjach.

Jak zauważył Paweł Kopacz, rozwój modeli agentowych wymaga jednak nie tylko znacznych inwestycji finansowych, ale także potężnych zasobów sprzętowych. – W wielu przypadkach to wciąż eksperymenty, ale widać już, że za chwilę mogą całkowicie zdominować rynek – mówił. W tym kontekście rezygnacja z wdrożenia AI w odpowiedniej chwili lub choćby odłożenie tego procesu na przyszłość może skutkować trwałą utratą pozycji konkurencyjnej. – Te inwestycje poszły już tak daleko, że nie ma odwrotu. Musimy dostarczać to, czego potrzebują nasi klienci, bo tam płyną pieniądze – dodał reprezentant Microsoftu.

Dla banków oznacza to zarówno szansę, jak i wyzwanie. Z jednej strony jest to ostatni moment, by relatywnie niskim kosztem zdobyć przewagę dzięki eksperymentowaniu z AI. Z drugiej – sektor finansowy funkcjonuje w warunkach znacznie bardziej rygorystycznych niż inne branże, a kwestie zgodności z regulacjami oraz bezpieczeństwa mają charakter absolutnie priorytetowy. Z tego powodu implementację AI w bankowości należy rozpoczynać od procesów back-office’owych. Z kolei próby angażowania sztucznej inteligencji w bezpośrednią relację z klientem powinny być poprzedzone dialogiem z regulatorem.

Zwrócono również uwagę na potencjał wykorzystania publicznych zasobów, takich jak serwisy internetowe banków. Przejrzyste, dobrze aktualizowane strony, ustrukturyzowane metadanymi, mogą stać się wartościowym źródłem wiedzy dla systemów AI. Przykładem była wyszukiwarka produktowa jednego z banków, zintegrowana z lokalnym modelem językowym. Dzięki temu klient, zadając pytanie w naturalnym języku – np. „jakie mam opcje inwestowania w fundusze ekologiczne?” – otrzymuje odpowiedź opartą na aktualnej ofercie, dokumentacji i regulaminach, bez potrzeby przeszukiwania plików PDF.

– Zaczęliśmy żyć w świecie, w którym strona internetowa musi być dobra nie tylko dla człowieka, ale i dla bota – podsumował jeden z uczestników.

Łukasz Koperniak
Backbase

Joanna Aleksandrowicz
Software Mind

Piotr Kalinowski
Software Mind

Jan Bolanowski
„Miesięcznik Finansowy BANK”

Karol Mórawski
„Miesięcznik Finansowy BANK”

Technologia to dopiero początek

Podsumowując debatę, uczestnicy zgodzili się, że AI nie rozwiąże wszystkich problemów bankowości relacyjnej. Ale dobrze wdrożona – może ją znacząco wzmocnić. Warunkiem jest nie tylko dostęp do danych i dobre modele, ale też odpowiedzialność, empatia i odwaga organizacyjna.

– Relacja z klientem to nie jest wynik algorytmu. To proces budowany przez lata, który AI może wspierać, ale nie zastąpi. Jeśli zapomnimy o tym, będziemy mieli hiperpersonalizację bez sensu – skwitował jeden z dyskutantów.