Czy agenci AI mają szansę stać się kolejnym kanałem kontaktu klienta z instytucją finansową?
Piotr Mazur
dyrektor IT w SGB-Banku, Lider ds. transformacji AI:
Jeszcze niedawno pytaliśmy, czy agenci AI znajdą miejsce w kontaktach klienta z bankiem. Dziś pytamy raczej: kiedy i w jakiej formie. Zwłaszcza bankowość spółdzielcza staje przed szansą wdrożenia technologii, która może zrewolucjonizować skalę i jakość obsługi, bez utraty lokalnego charakteru.
Agenci AI, jeśli zostaną odpowiednio wkomponowani w systemy transakcyjne i zarządzania ryzykiem, mogą stać się nie tylko nowym kanałem kontaktu, ale realnym wsparciem w budowie efektywności operacyjnej. Dla mniejszych banków to droga do świadczenia usług na poziomie liderów rynkowych.
Ale technologia to nie wszystko. Wdrażając agentów, wchodzimy w nową erę odpowiedzialności: AI Act, DORA, wytyczne KNF i EBA nakładają konkretne wymogi – od audytowalności po Explainable AI. Autonomia musi być nadzorowana, decyzje – łatwe do wyjaśnienia.
Dlatego kluczowe jest podejście „human-in-the-loop”. Klient musi mieć pewność, że w razie potrzeby porozmawia z człowiekiem. Zaufanie to waluta przyszłości, a agent AI będzie jego godnym nośnikiem tylko wtedy, gdy stanie się synonimem etyki, przejrzystości i zgodności z regulacjami.
Alan Pajek
Biuro Sztucznej Inteligencji, Bank Pekao S.A.
Agenci AI jako nowy kanał kontaktu z bankiem? Zdecydowanie tak – pod warunkiem odpowiedzialnego wdrożenia. Ich siłą jest dostępność 24/7, szybka reakcja, personalizacja i dialog wieloetapowy: od prostych pytań o saldo, przez blokadę karty, po proaktywne alerty. W odróżnieniu od tradycyjnych chatbotów, agenci potrafią działać wykonawczo – zlecić przelew, zebrać zgody, umówić spotkanie.
Z agentami warto postępować jak z wychowywaniem dzieci – ostrożnie i etapowo. Najpierw bezpieczeństwo i zasady: polityki, uprawnienia, audyt ścieżek decyzyjnych. Potem nauka mówienia – czyli spójny ton i styl zgodny z marką oraz oczekiwaniami klientów. Dopiero w kolejnym kroku agenci powinni zyskiwać narzędzia i kompetencje domenowe, by stawać się ekspertami w wybranych obszarach. Taki rozwój prowadzi od mówienia do skutecznego działania – zawsze w kontrolowanych granicach.
Wyzwania są równie konkretne jak potencjał. Halucynacje, wymogi nadzoru, bezpieczeństwo danych czy odpowiedzialność za rekomendacje – to obszary, które wymagają szczególnej uwagi. Odpowiedzią jest architektura z „human-in-the-loop”, jasno określone uprawnienia, praca w zatwierdzonych środowiskach, separacja danych i ciągły monitoring jakości oraz kosztów. Kluczowa pozostaje przejrzystość: klient musi wiedzieć, że rozmawia z AI, i mieć prostą ścieżkę kontaktu z człowiekiem.
Dr Krzysztof Spirzewski
adiunkt w Katedrze Finansów i Rachunkowości Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego
Rola agentów AI w bankowości będzie zróżnicowana, w zależności zarówno od segmentu rynku, jak i regionu geograficznego. Na rynkach dalekowschodnich, jak Japonia, Południowa Korea, Chiny czy Singapur, relacje klientów z bankiem za pośrednictwem agentów AI będą mieć istotniejsze znaczenie, zwłaszcza w segmencie detalicznym. Decydujące będą tu przesłanki kulturowe; społeczeństwa azjatyckie często unikają komunikowania swoich potrzeb czy problemów finansowych innym ludziom, do tego dochodzi cała tradycja współdziałania z automatami i robotami, choćby w sektorze produkcyjnym. Na rynkach euroatlantyckich spodziewam się nieco mniejszego udziału agentów AI; będą oni cennym uzupełnieniem kanałów komunikacji, ale ich rola będzie się zaznaczać najsilniej w przypadku prostszych i niskokwotowych produktów. Wszystko, o czym mówię, dotyczy głównie segmentu konsumenckiego; w bankowości korporacyjnej długo jeszcze nie spodziewałbym się wyparcia tradycyjnego doradcy przez agenta AI. Tu mamy do czynienia z wysoką indywidualizacją umów z klientami, w wielu przypadkach jedynie człowiek jest w stanie sporządzić taki kontrakt z uwzględnieniem wszystkich okoliczności, towarzyszących danemu przedsięwzięciu. AI nie jest w stanie ocenić unikalnych, skomplikowanych przypadków bez pomocy człowieka, z prostego powodu – bazuje na dużych zbiorach danych, żeby móc prawidłowo wyciągać wnioski, musi dysponować odpowiednim materiałem porównawczym.
