BankTech 2025 o cyberbezpieczeństwie danych i monetyzacji AI w sektorze finansowym
Transformacja AI w biznesie a bezpieczeństwo, tak zatytułował swoje wystąpienie Damian Kuźma, inżynier Security w Advatech. Jeśli mówi się o przestępcach, nie tylko cybernetycznych, to prawie zawsze chodzi o pieniądze. Niedługo rynek typowego AI ma mieć wartość liczoną już w bilionach dolarów i pojawiają się przestępcy, którzy będą chcieć zyskać z tego coś dla siebie.
Obecnie prawie 80% firm korzysta przynajmniej z jednego systemu AI do obsługi choćby jednego procesu. Jest dużo miejsc, w których można dziś już wdrożyć takie rozwiązania.
GenAI potrzebuje informacji i karmimy go dużą liczbą danych, materiałów, danych firmowych itp. To tworzy problem, bo dajemy to do interakcji klientom oraz wysyłamy tam dane, które nie zawsze powinny być ujawnione. Jeśli organizacja jest duża, to nie zawsze można wszystko sklasyfikować. Boty mogą wprowadzić klientów w błąd, coś pomylić, przekazać informację, która nie powinna być ujawniona i pojawia się pytanie – kto za to ponosi odpowiedzialność?
Damian Kuźma przedstawił możliwe formy ataków. Bot może być oszukany i podać informacje, których nie powinien, może być karmiony niewłaściwymi danymi. Dlatego w celu ochrony można wykorzystać bota np. do inspekcji danych wejściowych. Można też filtrować dane wyjściowe, czyli upewnić się, że nie będzie w nich np. danych osobowych, haseł, tokenów, ew. wulgaryzmów itp.
Ekspert wspomniał również o konieczności zapewnienia zgodności z przepisami np. z AI Act, czy też DORA. Powinno się też zwrócić uwagę na modele AI udostępniane wewnętrznie pracownikom i wprowadzić np. poziomy dostępu do niektórych materiałów.
Czytaj także: Gość specjalny BankTech 2025 o agentach AI w sektorze finansowym
Fireside Chat: Unlocking revenue growth in banking using the power of AI – real use cases
Odblokowanie wzrostu przychodów w bankowości przy użyciu możliwości sztucznej inteligencji — rzeczywiste przypadki użycia przedstawili: Rafał Plutecki, Sales Director Financial Services i Faycal Bousfar, Revenue Managment Consultant z Oracle.
Jak stwierdzili eksperci – nowoczesne systemy zarządzania przychodami są dziś potrzebą chwili. Obserwuje się rozdźwięk między cenami a przychodami. Jak się okazuje, rozpoczęcie transformacji cenowej może skutkować zmniejszeniem wycieku przychodów o 3% – 8%.
Ważne jest także właściwe podejście zarządcze i dopasowanie się do wzorca zakupów klienta oraz okoliczności.
Oracle wykorzystuje sztuczną inteligencję w całym cyklu zarządzania przychodami. Revenue Analyzer umożliwia analizę strumieni przychodów i przewidywanie przyszłych ich trendów. Zawiera np. funkcję wykrywania anomalii w rozliczeniach, umożliwiającą identyfikację nietypowych wyników rozliczeń i regularnych odchyleń, takich jak odchylenia sezonowe. Z kolei Cross Sell/Up Sell Recommender rozpoznaje wzorce użytkowania i sugeruje dodatkowe produkty, które klienci mogą chcieć wybrać.
Przedstawiono chatbot „Billy” – asystenta cyfrowego, który umożliwia szybszą i łatwiejszą interakcję z aplikacją za pomocą czatu i poleceń głosowych. Obsługuje on 4 języki (angielski, francuski, hiszpański i portugalski) i wykonuje zadania związane z nawigacją, zapytaniami oraz działaniami przepływu pracy. Można też skorzystać ze wstępnie skonfigurowanej, gotowej do użycia aplikacji, która pomaga określić optymalną decyzję cenową dla każdego scenariusza zakupu.
Przyszłościowe rozwiązania Oracle w zakresie zarządzania przychodami, cenami i rozliczeniami pozwalają np. na przewidywanie ich wpływu na rentowność dzięki algorytmom Al/ML i kontrolę wycieku przychodów opartą na AI.
Jak podkreślano to już sprawdzone rozwiązania. Ponad 80 klientów Oracle z branży usług finansowych na całym świecie korzysta z Oracle Revenue Management and Billing (ORMB) jako ze swojej scentralizowanej platformy zarządzania przychodami i rozliczeniami.
Czytaj także: BankTech 2025 o AI w praktyce – jak wdrażać, żeby się udało?
Trzeba przejść od pojedynczych projektów do kompleksowego wdrażania i budowania fabryk AI
W tej Sesji do panelu dyskusyjnego wprowadził uczestników dr hab. Andrzej Sobczak, prof. SGH, który zwrócił uwagę na monetyzację danych. Jak stwierdził, głęboko wierzy, że automatyzacja AI naprawdę zmieni modele biznesowe w wielu organizacjach, w szczególności w bankowości. W większości organizacji typu bankowego AI rozpatrujemy jako bardzo dobre narzędzie do optymalizacji kosztów operacyjnych. Jednak zachęcił do spojrzenia na AI jako na narzędzie do przebudowy modeli działania i okazję do transformacji biznesowej.
Sztuczna inteligencja daje też nowy bodziec do poprawy jakości obsługi klienta. Jak stwierdził, to zbieżność w czasie gotowości technologicznej oraz klientów, którzy chcą być w ten sposób obsługiwani. Podkreślił znaczenie umiejętności wydobywania wartości z danych.
Rozwiązania AI uwypuklą wartość zaszytą w danych, które banki już posiadają. Sztuczna inteligencja może być strażnikiem, a nie tylko powodować pewne zagrożenia. Rozwiązania związane z bezpieczeństwem i wspierane przez AI dają szybki zwrot z inwestycji. Choć sztuczna inteligencja nie zastąpi pracowników, to da im dodatkową „super moc”. Oczywiście będzie wymagało to od nich zmiany sposobu działania i wyjścia poza strefę komfortu.
Jak dodał prof. Andrzej Sobczak – same rozwiązania AI wdrażane w organizacji punktowo są niewystarczające. Trzeba przejść od pojedynczych projektów do kompleksowego wdrażania i budowania fabryk AI. Jak stwierdził, trzeba strategicznie spojrzeć na rozwój sztucznej inteligencji, bo w innym przypadku polskie banki mogą w ciągu kilku lat utracić swoją obecną dobrą pozycję na rynku europejskim, jeśli chodzi o innowacyjność.
Debatę moderował dr hab. prof. SGH Andrzej Sobczak, a jej uczestnikami byli: Marek Lenz, szef Pionu IT w Credit Agricole Bank Polska; Piotr Łukasiński, Master Data Scientist, Business Intelligence w Santander Banku Polska; Bartosz Sokoliński, dyrektor ds. rozwiązań AI w Banku Ochrony Środowiska; Piotr Wojewnik, członek zarządu Digital Fingerprints, dyrektor Data Science w BIK oraz Robert Zimoń, dyrektor ds. rozwoju oferty sektora bankowego w Lenovo Polska.
Marek Lenz, odpowiadając na pytanie o sposób komunikowania zarządowi banku kwestii monetyzacji danych AI i jakie są tu „blokery”, stwierdził, iż technologia ta rozwija się tak szybko, że stara się przekonywać zarząd do tego, żeby jak najszybciej wdrażać rozwiązania produkcyjne, na których będzie można się uczyć.
Jak ocenił, planowanie długoterminowe przy tak szybkiej zmianie zawodzi. Trzeba iść szybko do przodu oraz uczyć się na błędach i zarząd musi je zaakceptować. Należy brać pod uwagę, że technologia AI nie będzie w banku tylko na chwilę, ale będzie zmieniała go przez lata.
Marek Lenz wspomniał, że już w Polsce i za granicą budowane są w banku fabryki AI. Jak stwierdził, poza rozwijaniem własnej architektury IT są też testowane i wdrażane rozwiązania chmurowe.
Z kolei Piotr Łukasiński, odpowiadając na pytanie o ścieżkę przejścia od danych surowych do ich wykorzystania biznesowego, stwierdził że ważne jest, jakie ma być ich wykorzystanie – np. czy ma to podnieść satysfakcję klienta. System będzie to robił i podejmował takie decyzje, ale już niekoniecznie takie, które spełniają aspiracje klientów.
Trzeba być bardzo ostrożnym w tym, czego sobie życzymy. Król Midas chciał władzy i pieniędzy, ale jego cel wykonany dosłownie zaskutkował jedzeniem zamienionym w złoto i córką w statuę ze złota. To właśnie jest AI alignment (zgodność sztucznej inteligencji). Jak podkreślił Piotr Łukasiński, ważne jest, żeby rozwiązania AI, które chcemy implementować, miały „zaszyte” w sobie nasze wartości.
Jak stwierdził Bartosz Sokoliński, BOŚ ze względu na swoją specyfikę, musi zawsze myśleć o ekologii, również przy wdrażaniu projektów AI.
MIT policzył, że wyprodukowanie przez AI jednego filmu zostawia ślad węglowy, który odpowiada przejechaniu 38 mil rowerem elektrycznym. Jak podał, obecnie wszystkie Data Center na świecie odpowiadają za 2% zużycia energii elektrycznej na Ziemi. Ma ono wzrosnąć dwu lub trzykrotnie w ciągu najbliższych pięciu lat. To jest już realny problem, z którym się mierzymy, choć wcale o nim nie myślimy.
W BOŚ zwraca się na to uwagę, ale jest też ważne, żeby projekt był dochodowy przy możliwie najmniejszym śladzie węglowym. Ważna jest np. świadomość tego w organizacji. Choćby, żeby pracownicy też wiedzieli, że nie wszystko trzeba od razu „wrzucać” do chata i czekać na odpowiedź, która może być im już znana.
Piotr Wojewnik wspomniał o rozwiązaniach opracowanych w Digital Fingerprints, które wspierają banki w ochronie i autentykacji klientów jednakowo na etapie logowania, włączania się do aplikacji bankowych, jak i potem na etapie korzystania z nich potwierdzając, że jest to nadal ta sama osoba oraz nikt nie przejął jej sesji. To ochrona behawioralna i nie wymagana jest tu informacja o numerze rachunku, adres czy nazwisko itp.
Pod spodem systemu budowane są modele Machine Learning (ML). Obecnie modele behawioralne w tym rozwiązaniu ma już ponad 5 mln Polaków i uczestniczy w nim 8 dużych instytucji bankowych.
Piotr Wojewnik zwrócił uwagę, że aby rozwiązanie to było skuteczne potrzeba bardzo wiele i aktualnych danych. Dlatego sprawdza się tu idea sektorowości, bo dużo osób ma równocześnie konta w więcej niż w jednym banku. Dzięki temu można je skutecznie chronić również w banku, z którego usług korzystają rzadziej.
Robert Zimoń stwierdził, że Lenovo skupia się na dostarczaniu elementów sprzętowych do budowy rozwiązań związanych z wykorzystaniem sztucznej inteligencji. Zwrócił uwagę, że nie zawsze przy kupowaniu sprzętu zwraca się uwagę na TCO (całkowity koszt posiadania) takiej infrastruktury.
Infrastruktura związana z AI (serwery, karty graficzne itp.) jest wielokrotnie droższa niż np. zwykłe serwery. Klienci wybierają zwykłe serwery, które nie mają wystarczającej mocy obliczeniowej, pamięci i komunikacji z punktu widzenia wydajności dla projektów AI, nie wykorzystują więc w pełni zalet tej technologii. Robert Zimoń podkreślił, że czasem zapomina się też o systemach zarządzania danymi, którymi przecież zasilamy sztuczną inteligencję. Zwrócił uwagę na koszty nie tylko zasilania energią elektryczną, ale też te związane z chłodzeniem. Lenovo od wielu lat rozwija innowacyjny system chłodzenia cieczą o dużej wydajności.
Podczas dyskusji zwrócono uwagę, że obecnie ważne jest poszerzanie kompetencji wśród pracowników IT. Dobudowywanie świadomości tego jak działają modele AI, jaki jest ich cykl życia oraz dotyczącej danych i zarządzania nimi.
Także potrzebna jest otwartość na rozumienie potrzeb biznesu. Podkreślono, że niebezpieczne jest np. używanie AI do poprawy jakości danych, jest to możliwe, ale dane te trzeba dobrze zrozumieć.
Wspomniano o rozwijającej się tendencji do przenoszenia mocy obliczeniowej na urządzenia końcowe (edge computing). Lenovo razem z Motorolą produkują urządzenia, które mają w sobie zaszyty szereg modeli technologicznych gotowych do wykorzystania w rozwiązanych związanych ze sztuczną inteligencją.
