Bankowość i Finanse | Raport PAB-WIB | Przyszłość sektora bankowego okiem sztucznej inteligencji

Prezentujemy wybrane elementy projektu badawczego przygotowanego dla Warszawskiego Instytutu Bankowego pt. „Zastosowanie sztucznej inteligencji w bankowości – szanse oraz zagrożenia. Analiza prawno-regulacyjna wpływu technologii uczenia maszynowego i pokrewnych na obowiązki sektora bankowego z zakresu zapewnienia zgodności (compliance) oraz zarządzania ryzykiem”. Przygotowało go Śląskie Centrum Inżynierii Prawa, Technologii i Kompetencji Cyfrowych CYBER SCIENCE pod kierownictwem dr. hab. Dariusza Szostka, profesora Uniwersytetu Śląskiego z udziałem ekspertów: dr Gabrieli Bar, dr. inż. Rafała Tomasza Prabuckiego i dr. Michała Nowakowskiego.

Na poziomie Unii Europejskiej prowadzone są intensywne prace nad sfinalizowaniem projektu „Aktu w sprawie sztucznej inteligencji”. Jednym z jego założeń jest wdrożenie rozbudowanych wymogów dla tzw. systemów sztucznej inteligencji wysokiego ryzyka, do których zaliczają się systemy oceny zdolności kredytowej dla osób fizycznych oraz inne rozwiązania, które mogą być stosowane w sektorze bankowym. Projekt zakłada też wprowadzenie wymagań w odniesieniu do systemów o podwyższonym ryzyku. Ostateczny kształt przepisów nie jest jeszcze przesądzony, jednak widać, że jest to jeden z priorytetów dla Unii Europejskiej.

„Strategia (UE) dla cyfrowych finansów” opracowana przez Komisję Europejską zakłada możliwość wydania przez Europejski Urząd Nadzoru Bankowego wytycznych sektorowych dla sztucznej inteligencji (SI).

W kraju od 2020 r. realizowana jest „Polityka rozwoju sztucznej inteligencji dla Polski”, w ramach której powołano m.in. grupę ds. sztucznej inteligencji w sektorze finansowym. Jednocześnie Urząd Komisji Nadzoru Finansowego podejmuje działania zmierzające do poprawy efektywności nadzoru poprzez m.in. wykorzystanie analityki danych oraz big data, jak również monitoruje działania sektora bankowego (i szerzej finansowego) w zakresie wykorzystania SI i przygotowania na związane z tym nowe wyzwania.

Sztuczna inteligencja, systemy sztucznej inteligencji, RPA

Definicja „sztucznej inteligencji”, czy też systemów sztucznej inteligencji, jest kluczowa dla omawianych regulacji. Kwalifikacja określonych rozwiązań jako będących częścią tzw. sztucznej inteligencji będzie bowiem determinowała zastosowanie (lub brak obowiązku stosowania) określonych aktów prawnych i regulacji, toteż właściwa kwalifikacja stanowi punkt wyjścia dla dalszej oceny. Jest to szczególnie istotne w kontekście rozwoju równoległego trendu tzw. Robotic Process Automation (RPA), czyli zrobotyzowanej automatyzacji procesów, która w niewielkim stopniu pokrywa się z cechami charakterystycznymi dla modeli samouczących. Zdefiniowanie sztucznej inteligencji może stanowić wyzwanie, ponieważ zarówno w nauce, jak i prawodawstwie czy naukach politycznych nie ma w tej chwili konsensusu co do definicji SI.

Obecny stan nauki i rozwoju inżynierii oprogramowania nie pozwala na jednoznaczne określenie kierunku zmian dla sztucznej inteligencji, w tym możliwości stworzenia tzw. General Artificial Intelligence, czyli sztucznej inteligencji odwzorowującej – przynajmniej w pewnym stopniu – działanie ludzkiego umysłu.

Propozycja definicji „systemów sztucznej inteligencji” po raz pierwszy pojawiła się we wniosku Komisji Europejskiej – projekcie rozporządzenia Parlamentu Europejskiego i Rady (UE) ustanawiającego zharmonizowane przepisy dotyczące sztucznej inteligencji („Akt w sprawie sztucznej inteligencji”) i zmieniającego niektóre akty ustawodawcze Unii (AIA).

„Systemem sztucznej inteligencji jest oprogramowanie opracowane przy użyciu co najmniej jednej spośród technik i podejść wymienionych w załączniku I [obejmuje on m.in. uczenie maszynowe, głębokie, ale także metody statystyczne], które może – dla danego zestawu celów określonych przez człowieka – generować wyniki, takie jak treści, przewidywania, zalecenia lub decyzje wpływające na środowiska, z którymi wchodzi w interakcję” (art. 3 pkt 1 projektu AIA) – zaznaczono w nim.

Według niektórych szacunków, do 2023 r. po­tencjalne oszczędności dla globalnego sektora bankowego związane ze stosowaniem sztucznej inteligencji mogą osiągnąć blisko 450 mld USD, przy czym realne oszczędności w dużej mierze mogą wymagać istotnych zmian po stronie ban­ków, również w zakresie wewnętrznej organiza­cji oraz procesów, a także kultury organizacyjnej.

Zakres tych technik i podejść określa załącznik I, który wymienia następujące pozycje (zastrzeżenia wymaga fakt, że Komisja Europejska ma być upoważniona do dokonywania zmian w jego treści):

a) mechanizmy uczenia maszynowego, w tym uczenie nadzorowane, uczenie się maszyn bez nadzoru i ...