Bankowość i Finanse | Technologie – Accenture | Bankowość jest optymalnie dopasowana do wykorzystania generatywnej AI

Na początku zeszłego roku ChatGPT pobił rekord, jeśli chodzi o tempo adopcji technologii wśród indywidualnych użytkowników. Jak na tym tle wygląda adopcja sztucznej inteligencji w bankowości?

– Zacznijmy od tego, że sztuczna inteligencja w bankowości nie jest niczym nowym, instytucje z tego sektora korzystają z niej już od kilkudziesięciu lat. Przy czym możemy mówić o dwóch rodzajach sztucznej inteligencji. Pierwszy, czyli m.in. deep learning, jest używany od kilkudziesięciu lat w analityce i polega na budowaniu modeli, które uczą się rozumienia złożonych zadań, co pozwala np. na rozpoznawanie wzorców czy przetwarzanie języka naturalnego. Wykorzystuje się do tego m.in. sieci neuronowe, które naśladują działanie ludzkiego mózgu. Takie zastosowanie AI znalazła w obszarach data science, ryzyka, CRM-u, sprzedaży i wielu innych.

Natomiast drugim rodzajem AI jest generatywna sztuczna inteligencja, czyli najnowsze modele LLM (Large Language Models), do których należą m.in. ChatGPT, Gemini czy też Bielik. Te modele są budowane i trenowane na ogromnych zasobach wiedzy (książkach, artykułach i stronach internetowych), co pozwala im rozumieć naturalny język. Aktualnie testujemy możliwości zastosowania modeli LLM w bankowości.

Nasi klienci mają już za sobą realne i działające wdrożenia sztucznej inteligencji w bankowości. Nie mówimy zatem o tym, co można zrobić, ale pokazujemy mierzalne korzyści naszych klientów, wynikające z podjętych przez nich innowacyjnych, pionierskich działań.

W jakich obszarach bankowości miały miejsce owe pierwsze wdrożenia?

– Pierwsze wdrożenia generatywnej sztucznej inteligencji, zarówno w Polsce, jak i na świecie, zaczynały się od użycia jej do wsparcia procesów wewnętrznych banków.

Dzieje się tak, ponieważ w dużych organizacjach mamy mnóstwo procesów i procedur, które zmieniają się w czasie. Nie jest więc możliwe, by ktokolwiek znał je wszystkie na pamięć. Generatywna AI potrafi szybko i sprawnie przeszukać tysiące stron dokumentacji i w ten sposób dostarczyć odpowiedzi na pytania pracowników.

Ważne jest to, że na obecnym etapie rozwoju AI, wyniki jej pracy kontroluje ostatecznie człowiek. Ta interakcja jest kluczowa, zwłaszcza kiedy zaczynamy rozmawiać o wdrożeniach zorientowanych na działania zewnętrzne, czyli np. do wsparcia pracownika banku w komunikacji z klientem. Minimalizuje to ryzyko związane np. z ewentualnym podawaniem przez GenAI nieprawdziwych odpowiedzi, czyli tzw. halucynacjami.

Chatboty i voiceboty obsługują klientów banków już od paru lat. Czym różnią się one od tych obecnych wdrożeń?

– Boty, które do tej pory znaliśmy jako klienci, trudno nazwać inteligentnymi, stąd też brała się nasza niechęć do komunikowania się z nimi. Nowa generacja wspierana jest przez modele LLM, których umiejętność zrozumienia rozmówcy i dobre zasilenie w wiedzę ze strony organizacji powodują, że komunikacja z klientami jest absolutnie naturalna.

Jako użytkownicy ChataGPT czy Gemini nie dostrzegamy dziś różnicy, czy rozmawiamy z człowiekiem, czy ze sztuczną inteligencją. W perspektywie kilku lat nie będziemy w stanie wskazać różnicy również podczas rozmów z botami z call center. Mało tego, uważam, że będziemy woleli komunikować się ze sztuczną inteligencją, bo ona będzie miała czas, cierpliwość i empatię, a także będzie dysponować najlepszą wiedzą. Do tego nie trzeba będzie oczekiwać na połączenie z konsultantem. Na wdrożeniu takich rozwiązań skorzystają więc obie strony.

Czyli test Turinga na nierozróżnienie człowieka od maszyny zostanie ostatecznie zdany?

– Ten test już zdały nowe modele LLM. Myślę jednak, że w tym momencie to są jednak akademickie rozważania. Modele sztucznej inteligencji, w które inwestowane są teraz miliardy dolarów, będą coraz doskonalsze, a ich funkcjonowanie bardziej zbliżone do naturalnego sposobu komunikacji i myślenia człowieka. Oczywiste jest, że zastanawiamy się nad tym, czy tam jest faktycznie iskra prawdziwej inteligencji, czy jej nie ma. Jeżeli wziąć pod uwagę tylko efekt, ostatecznie nie ma to żadnego znaczenia.

Istotnym pozostaje fakt, że generatywna sztuczna inteligencja jest bardzo dobrym narzędziem, którego musimy nauczyć się używać w firmach po to, żeby ułatwić życie naszym pracownikom oraz ograniczać koszty rozwoju.

A jak wykluczyć ryzyko, że klienci będą wykorzystywać cierpliwość i empatię sztucznej inteligencji niekoniecznie do bankowania, tylko np. do zabawy?

– To należy wykluczyć już na etapie wdrożenia tego typu narzędzia. Podczas implementacji trzeba tak sparametryzować używanie modeli Gen AI, by te nie korzystały z bazy wiedzy ogólnej, jaką jest internet. Wprowadza się infrastrukturę RAG (patrz ramka), która sprawia, że informacja dotycząca konkretnego procesu zostaje znaleziona wśród zasobów wiedzy banku, a potem przekazywana jest do modelu językowego po to, by on w adekwatny i przystępny sposób udzielił odpowiedzi odbiorcy. Dzięki temu do minimum ograniczamy możliwości halucynacji. Bot AI nie będzie wprowadzał w błąd, bo skorzysta tylko z tych dokumentów, które dla niego przygotowaliśmy. Będzie odpowiadał na pytania dotyczące procesów bankowych. Mówiąc dosadnie: porandkować się z nim nie da.

A jak zareaguje, gdy klient zapyta o to, jaka będzie pogoda albo kto wygrał złoty medal na igrzyskach?

– Powie, że nie został stworzony do tego, by udzielić takiej informacji. Te modele mają być przydatnymi narzędziami, a nie zabawkami dla ludzi, którzy mają kaprys przetestować rozwiązania oferowane przez bank.

Jakie są największe ograniczenia we wdrażaniu generatywnej sztucznej inteligencji w bankowości?

– Patrząc szerzej, pierwszym i największym ograniczeniem w tej chwili na polskim rynku jest wiedza. Brakuje zrozumienia, co generatywna sztuczna inteligencja może zrobić, a czego nie będzie w stanie. Całe szczęście, uczelnie zaczynają już uczyć nie tylko o samej AI, ale i generatywnej AI. Także szkoły biznesu otwierają tego typu kierunki. Hype na GenAI spowoduje, że z czasem nadrobimy braki kompetencyjne.

Drugim ograniczeniem jest lęk przed tym, że sztuczna inteligencja nas zastąpi i że z tego powodu stracimy pracę. Oczywiście nie należy uciekać od tego tematu, jednak uważam, że GenAI zastąpi wyłącznie tego człowieka, który nie będzie umiał jej używać. To narzędzie, z którego wszyscy musimy nauczyć się korzystać. Dokładnie tak, jak wyszkoliliśmy się w używaniu komputera i pakietów biurowych. Dziś trudno sobie wyobrazić pracownika, który nie ma żadnych kompetencji cyfrowych. Czasy, gdy umiejętności pisania na maszynie i przystawiania pieczątek były wystarczające, minęły wraz z rozpowszechnieniem się komputerów. Z AI będzie tak samo. Jeśli ktoś uparcie będzie twierdził, że nigdy tego nie dotknie, to w końcu jego produktywność będzie niższa niż tych, którzy z tego narzędzia korzystają.

Trzecie wyzwanie dotyczy wprowadzania do firmy rozwiązań związanych z bezpieczeństwem korzystania z chmury publicznej w organizacji. Generatywna sztuczna inteligencja jest kolejnym rodzajem usługi chmury publicznej, która musi być zdefiniowana, zgłoszona do UKNF w przypadku przetwarzania danych klientów oraz oczywiście musi być odpowiednio zabezpieczona.

Czy polski sektor bankowy jest w stanie skutecznie konkurować o tych nielicznych specjalistów od generatywnej sztucznej inteligencji?

– Na szczęście w tym przypadku osoby znające się na technologiach IT, np. programiści, mogą relatywnie łatwo się dokwalifikować z zakresu stosowania generatywnej sztucznej inteligencji. Niekoniecznie na poziomie douczania modeli, ale na etapie budowania architektury z jej wykorzystaniem – już tak. Nie przewiduję tu powstania braków kadrowych, jeśli tylko organizacje pozwolą i pomogą swoim pracownikom się dokształcać.

A jak to może wyglądać w praktyce? Wystarczy czasowo wesprzeć się zewnętrznymi konsultantami, którzy zrealizują kilka pierwszych projektów generatywnej AI, a potem organizacja będzie już mogła dalej się rozwijać. De facto dużo łatwiej jest douczyć osoby funkcjonujące w ramach firmy nowych kompetencji niż pozyskać z rynku wysokokwalifikowanych specjalistów.

Dziś biznes powinien przede wszystkim postawić na budowę kultury organizacji, która umożliwia eksperymentowanie i pozwala ludziom na popełnianie błędów.

Eksperymentowanie i popełnianie błędów nie bardzo kojarzą się z bankowością…

– I tu właśnie można się zdziwić. Banki coraz częściej tworzą jednostki zajmujące się innowacją, rozwojem, eksperymentowaniem i poszukiwaniem nowych rozwiązań. Instytucje te dawno już zrozumiały, że rozwijają się dzięki technologii. Inwestowanie w ludzi i w IT jest niezbędne do zdobywania rynku. Obecnie kluczem do sukcesu jest wspieranie kultury organizacji gotowej na implementowanie generatywnej sztucznej inteligencji.

W ostatnich trzech dekadach polski sektor bankowy wykazał, że jest liderem technologicznym na wielu polach, jak bankowość internetowa, mobilna, nowe formy płatności. Czy w przypadku zastosowań generatywnej sztucznej inteligencji jest szansa na powtórzenie tego sukcesu?

– Myślę, że jest jeszcze zbyt wcześnie, by to oceniać. Z naszych doświadczeń wynika, że znakomita większość rynku światowego znajduje się w podobnym miejscu, czyli przechodzi od fazy eksperymentowania do wdrożeń produkcyjnych. W Polsce jesteśmy na tym samym etapie. Pierwsze wdrożenia przeprowadziły już VeloBank, BNP Paribas Bank Polska, Nest Bank i mBank. Oczywiście potrzebna jest determinacja zarządów, by prowadzić organizację drogą zmiany na podstawie GenAI.

Jakie mogą być efekty pierwszych wdrożeń generatywnej AI w bankowości?

– Z badań Accenture wynika, że bankowość jest sektorem najbardziej dopasowanym do wykorzystania generatywnej sztucznej inteligencji. Głównie dzięki temu, że jest tam bardzo dużo procesów związanych z ogromem i kompleksowością komunikacji wewnętrznej i zewnętrznej. Tak więc pola do wykorzystania generatywnej sztucznej inteligencji nie brakuje.

Z raportu „Age of AI. Banking’s new reality”, wydanego przez Accenture, wynika, że co najmniej połowa procesów bankowych mogłaby zostać wsparta przez narzędzia generatywnej sztucznej inteligencji. Efekty, które można osiągnąć dzięki temu, zależą od otwartości i podejścia do tematu. Trudność polega na tym, że jako ludzie często uważamy, że nowe technologie wyłącznie przyspieszają prowadzenie istniejących procesów. I to do pewnego momentu działa, ale prawdziwe korzyści można osiągnąć dopiero, tworząc zupełnie nowe procesy, zoptymalizowane pod wykorzystanie sztucznej inteligencji. Te organizacje, które będą w stanie oderwać się od dążenia do „uderzania tym samym młotkiem tylko dwa razy szybciej” i zaprojektują nowe narzędzia, będą zyskiwać przewagę konkurencyjną. Pozostanie przy obecnych procesach oznacza w dzisiejszym świecie ponoszenie coraz wyższych kosztów. Takim firmom będzie coraz trudniej przetrwać.

Czy na polu sztucznej inteligencji banki mogą zostać wyprzedzone przez fintechy?

– AI jest bardzo demokratyczną technologią. Duże znaczenie w tym wyścigu ma to, jak dojrzała jest organizacja, czy ma zdefiniowane procesy bezpieczeństwa w zakresie chmury publicznej i czy jest w stanie wydelegować odpowiednią liczbę osób do wdrożenia AI. Bankowość w dużej mierze posiada te zasoby, więc mamy tu ogromny potencjał. Co do fintechów to obawiam się, że do pełnego skorzystania z efektów generatywnej sztucznej inteligencji brakuje im dojrzałości organizacyjnej.

Rozwój technologii w bankach doprowadził w przeszłości do likwidacji miejsc pracy, np. w placówkach stacjonarnych. Jakie kompetencje powinni posiąść bankowcy, by nie bać się o pracę?

– Zacznijmy od tego, że nie znam banku w Polsce, który by stwierdził, że ma za dużo pracowników. Realnie wygląda to wręcz odwrotnie – większość musi mierzyć się z nadmiarem pracy i deficytem ludzi. To niebywałe zjawisko, które obecnie występuje także w organizacjach z innych sektorów. Wierzę w scenariusz, w którym sztuczna inteligencja pomoże wypełnić braki osobowe, które już mamy. Jeżeli nic w tej sprawie nie zrobimy, to za 20–30 lat będą one jeszcze większe. Sztuczna inteligencja jest jednym ze sposobów zminimalizowania problemu depopulacji Polski i Europy.

Wracając do pytania o to, jak zostać pracownikiem, który skorzysta na używaniu generatywnej AI, to pierwszym krokiem jest na pewno zapoznanie się z nią. Z perspektywy całego społeczeństwa znakomita większość osób ciągle nie zajrzała nawet do najprostszego narzędzia, jakim jest ChatGPT. Dlatego przede wszystkim trzeba z tej technologii korzystać, żeby się z nią oswoić i zrozumieć, co jest w stanie zrobić, a gdzie są jej ograniczenia. Z czasem to wejdzie nam w krew, tak jak nauczyliśmy się korzystać ze smartfonu, który teraz robi dla nas wiele rzeczy i nawet nie wyobrażamy sobie życia bez niego. Podobnie będzie z generatywną sztuczną inteligencją, ponieważ zacznie ona wykonywać za nas czynności, które dziś realizujemy ręcznie. Za dwa, trzy lata będziemy mieli wirtualnych asystentów, którzy za nas umówią np. wizytę u lekarza. Jeżeli tylko pokonamy strach związany z wykorzystaniem tej technologii, to staniemy się pokoleniem, które będzie posługiwać się generatywną sztuczną inteligencją w codziennym życiu.

Firmy muszą wspierać pracowników w przełamywaniu tych barier powodujących opór we wdrażaniu nowych procesów. Nieważne, czy wdrażamy generatywną sztuczną inteligencję, czy dowolne inne nowe narzędzie w organizacji, jeśli nie przeprowadzimy procesu zarządzania zmianą, czyli procesów szkolenia, oswajania z nową technologią, ewentualnie mechanizmów zachęty dla pracowników – to nawet najlepsze rozwiązania najczęściej nie będą w stanie funkcjonować poprawnie w organizacji.

Jakie zagrożenia wiążą się z wprowadzeniem generatywnej sztucznej inteligencji w bankowości? Czy działy ryzyka i compliance będą protestować?

– Prawdziwe zagrożenia są związane z cyberatakami. Przestępcy używają generatywnej sztucznej inteligencji jako narzędzia do atakowania banków i innych instytucji. To tak, jak z każdym narzędziem: ten sam młotek może posłużyć do zbudowania domu, ale i do jego zburzenia. To kolejna odsłona technologicznego wyścigu. Kiedyś były kasy pancerne i łomy, teraz banki i cyberprzestępcy rozwijają narzędzia AI do obrony i ataku. Co ciekawe, to właśnie działy ryzyka jako pierwsze wprowadzały do bankowości klasyczną sztuczną inteligencję do analizy i tworzenia modeli, a działy prawne i compliance są jednymi z pierwszych użytkowników generatywnej AI, która analizuje tysiące stron aktów prawnych i opisów procedur.

Sektor bankowy należy do najbardziej regulowanych. Czy istnieje zatem ryzyko, że przepisy prawne zahamują rozwój technologii AI w bankowości?

– Moim zdaniem w tej chwili nie ma takiego ryzyka. Wątpliwości były podczas procedowania tzw. AI Act, czyli regulacji unijnej dotyczącej sztucznej inteligencji, jednak ten akt nie wprowadził tak dramatycznego zwrotu, jak niektórzy oczekiwali. Zdefiniowano, w jakich przypadkach można, a w jakich nie można używać tej technologii. Organizacja musi sama sklasyfikować, czy proces, do którego chce wykorzystać sztuczną inteligencję, jest dozwolony.

Czy banki mogą wdrażać generatywną sztuczną inteligencję samodzielnie, inhouse, czy muszą współpracować z innymi podmiotami?

– W tej chwili każdy szuka swojej własnej drogi. Znamy przypadki, w których banki własnymi zasobami rozpoczęły wdrożenia generatywnej sztucznej inteligencji i zrobiły postępy, ale znamy też i takie, które zakończyły się niepowodzeniem. Natomiast znakomita większość stara się korzystać z doświadczeń innych – czy to firm konsultingowych, czy też organizacji specjalizujących się we wdrażaniu rozwiązań AI.

Który model najlepiej się sprawdzi, zależy w znacznej mierze od danej organizacji. Moim zdaniem najlepiej sprawdza się korzystanie z wiedzy i doświadczenia praktycznego firm konsultingowych przez pierwsze kilka projektów, a potem budowanie własnych kompetencji i dalszy samodzielny rozwój. Budowa architektury do rozwiązań generatywnej AI nie jest czymś prostym i oczywistym, dlatego warto ten proces zainicjować z kimś, kto ma już w tym doświadczenie.