Horyzonty Bankowości 2019: Sztuczna inteligencja przejmuje banki

Według szacunków firmy doradczej McKinsey w ciągu najbliższych kilku lat maszyny będą realizowały w bankach nawet 25% zadań, odciążając ludzi, którzy będą mogli poświęcić czas znacznie wartościowszej pracy – twierdzi Paweł Nawrocki, menedżer projektów w warszawskim biurze McKinsey&Company. Wykorzystanie osiągnięć sztucznej inteligencji i robotyzacji procesów to dziś dla banków na całym świecie priorytet. Najczęściej instytucje finansowe sięgają po wszelkiego rodzaju wirtualnych agentów, których rolą jest wspieranie klientów w kontaktach online i transakcjach mobile. Robotyzacja procesów pozwala także na znacznie lepszą personalizację ofert i cen, obsługę klienta i wewnętrznych procesów w banku. Algorytmy sztucznej inteligencji znacznie skuteczniej wykrywają oszustwa, przynosząc wymierne korzyści finansowe.

Technologie i ludzki mózg

Jak twierdzi Artur Kuliński, Cloud Architect w Oracle Polska, dzisiaj dostępne jest już wszystko, co niezbędne do wykorzystania AI w dowolnej dziedzinie – obszar usług finansowych nie stanowi tu wyjątku. Od strony teoretycznej to algorytmy, udokumentowane przykłady zastosowań i znane ograniczenia, natomiast od strony technologicznej mamy wysokowydajne serwery do testowania i uczenia algorytmów, gotowe zestawy bibliotek i narzędzia oraz big data. Jednak, zdaniem Artura Kulińskiego, mamy cztery typy barier związanych z wykorzystaniem AI. Pierwsza to niewystarczające inwestycje w platformy i procesy zarządzania danymi. Drugą stanowi brak kompetencji i konieczność wykształcenia nowej generacji ekspertów. Kolejną barierą jest innowacyjność – trzeba po prostu mieć pomysł na zastosowanie AI. I ostatnią jest to, że dostępna technologia wyprzedza regulacje prawne i otwiera nowe zagadnienia etyczne.

W opinii ekspertów firmy IBM sztuczna inteligencja stara się naśladować sposób funkcjonowania ludzkiego mózgu. Jednak chociażby częściowe odtworzenie złożoności ludzkiego rozumienia wymaga zastosowania wielu technik poznawczych z zaawansowanymi modelami statystycznymi i złożonymi algorytmami, z których każdy jest opracowywany indywidualnie dla konkretnej aplikacji. Jednak aby rozwiązanie AI przyniosło korzyści biznesowe, niezbędna jest analiza i przebudowa zgromadzonych w firmie zbiorów danych, ponieważ paliwem dla sztucznej inteligencji są właśnie dane. IBM zbudował narzędzie OpenScale AI pozwalające redukować nieobiektywność systemów AI i lepiej zrozumieć dane, na podstawie których system podejmuje decyzje. Duże sukcesy AI odnotowuje w obszarze rozpoznawania obrazu, wykrywania wzorców i klasyfikacji informacji w dużych zbiorach danych czy też w kontekstowym rozumieniu treści w języku naturalnym. Również systemy analiz danych pod kątem fraudów korzystają z dobrodziejstw AI, usprawniając działania naprawcze i dochodzeniowe, skracając czas wymagany dla złożonych śledztw. Sztuczna inteligencja wspiera także zarządzanie ryzykiem operacyjnym i sprawdza zgodność z regulacjami, czego przykładem jest OpenPages with Watson 8.0, a także pomaga efektywnie wykrywać zdarzenia prania pieniędzy w systemach AML.

Również Oracle wykorzystuje AI we własnych produktach, w szczególności w systemach autonomicznych baz danych Autonomous Transaction Processing i Autonomous Data Warehouse. Firma stworzyła całą gamę rozwiązań Oracle AI Applications, które rozwijają funkcjonalności klasycznych aplikacji biznesowych.

Przede wszystkim chatboty

Specjaliści z PKO Banku Polskiego zwracają uwagę, że 90% wszystkich danych w skali globalnej zostało wytworzonych w ciągu ostatnich dwóch lat. W banku tym przetwarzane są olbrzymie wolumeny danych, do analizy których wykorzystuje się algorytmy uczenia maszynowego, m.in. sieci neuronowe, XGboost czy też SVM. PKO BP we ...