Jak policzyć opłacalność GenAI w banku?
„Instytucje finansowe nie wiedzą ile zaoszczędziły, jaka jest wartość dodana wynikająca z wprowadzenia generatywnej sztucznej inteligencji w konkretnych projektach, szczególnie jeśli myślimy o korzyściach końcowych, czyli po odjęciu ryzyka, po odjęciu kosztów” – powiedziała nam w kuluarach Konferencji Oliwia Berdak.
Są jednak banki na świecie, które takich wyliczeń już dokonały. „Dopiero co opublikowaliśmy raport na temat banku DBS w Singapurze. Ten Bank wyliczył swoje korzyści ze stosowania AI na 370 milionów dolarów pozyskanej wartości.”
Jak zauważyła Oliwia Berdak – można badać pozyskaną wartość dla poszczególnych części „ekosystemu”, np. dla akcjonariuszy, dla klientów, dla pracowników, czy dla samego banku. Pozyskaną wartość można obliczać na różne sposoby. Mogą to być oszczędności lub wygenerowane nowe przychody.
Czytaj także: Prezes ZBP o roli banków w budowie odporności cyfrowej kraju
Zastosowania GenAI w bankach
Na pytanie z jakich zastosowań AI najczęściej korzystają banki – nasza rozmówczyni wymieniła kilka obszarów wykorzystywania AI i GenAI.
Mówiąc o AI wskazała obszar automatyzacji, gdzie sztuczna inteligencja jest wykorzystywana już od wielu lat. Duże korzyści przynosi bankom stosowanie AI do zapobiegania oszustwom i nadużyciom finansowym.
Drugi obszar zastosowania sztucznej inteligencji, w tym GenAI, to jest produktywność wewnętrzna. Tu wskazała na zastosowanie sztucznej inteligencji do spisywania raportów i do tworzenia nowych treści. Treści te może tworzyć AI w celach marketingowych.
„Na przykład w kampaniach marketingowych możemy wytworzyć tysiące wersji tego samego zdjęcia, tudzież tekstu i natychmiast w czasie rzeczywistym przebadać jego efektywność”.
Kolejny obszar stosowania sztucznej inteligencji to centra kontaktowe, centra doradcze dla obsługi klienta.
Jak wskazała – dzięki AI doradcy klienta mogą szybko znaleźć informacje, które są im potrzebne żeby odpowiednio obsłużyć klienta. Mogą to być informacje o przeszłych transakcjach klienta, które pozwalają zrozumieć „kontekst klienta”, to z jakimi pytaniami zgłasza się do centrum obsługi, i które pozwalają zasugerować mu określone rozwiązania.
Zdaniem Oliwii Berdak obecnie AI jest wprowadzana w celu uzyskania większej produktywności.
Jednak na razie mało jest zastosowań, które przynoszą korzyści we wzroście przychodów wynikające z innowacji tworzonych przez AI.
Czytaj także: BankTech 2024: czy sztuczna inteligencja jest sztuczna?
Kto migruje do chmury, a kto nie może migrować?
Pytaliśmy o to czy banki nadal chcą korzystać z modelu, w którym są tylko częściowo zaangażowane w rozwiązania chmurowe, czy też coraz częściej decydują na całkowite przejście do chmury.
Oliwia Berdak stwierdziła, że decyzja o całkowitej migracji do chmury nie zawsze zależy od banku. Są kraje gdzie nie jest to dozwolone, szczególnie w bankowości.
Najczęściej banki decydują się na stopniowe adoptowanie chmury w obszarze zarządzania finansami, zarządzania zasobami ludzkimi.
Te obszary, gdzie zarządza się danymi klientów, wolniej są przenoszone do chmury.
„Kiedyś chmura była traktowana jako element infrastruktury. Pomagała nam skalować na przykład nasze zasoby. Teraz coraz bardziej liczą się korzyści z analityki, z tworzenia modeli, algorytmów. Zmierzamy w kierunku gdzie chmura nie jest już tylko elementem infrastruktury, ale przynosi wartość dodaną dzięki swoim zdolnościom analitycznym, i tam myślę leży właśnie przyszłość AI w bankowości” – mówiła.
Pytana gdzie na świecie najszybciej rozwija się bankowość chmurowa – wskazała na te rejony, które mają mniej restrykcyjne wymogi dotyczące AI i chmury obliczeniowej. Wskazała w tym miejscu na Azję i Stany Zjednoczone
Odnosząc się do Europy wspomniała o przepisach DORA, które zmieniają stopień ryzyka w przypadku przenoszenie się do chmury.
„Ale są takie kraje jak na przykład Turcja, gdzie nadal nie do końca jest dozwolone używanie publicznej chmury” – zauważyła Oliwia Berdak.
