Kiedy algorytm staje się doradcą klienta: agenci AI zaczynają rozumieć ludzi, dane i procesy
Marek Młyniec
Partner, Technology Consulting Leader w PwC Polska
Michał Kreczmar
Ekspert Digital Transformation w PwC Polska
Gdzie przebiega granica między agentem AI a klasycznym chatbotem, znanym i wykorzystywanym od wielu już lat nie tylko na rynku finansowym? Agenci AI to systemy informatyczne oparte na dużych modelach językowych (LLM). W odróżnieniu od tradycyjnych chatbotów potrafią one samodzielnie realizować złożone zadania, umiejętnie posługując się danymi, aplikacjami i interfejsami API. Agent AI nie tylko reaguje na zadawane pytania ze zrozumieniem szerszego kontekstu, ale jest w stanie bez pomocy ludzkiego doradcy zaplanować i w pełni zrealizować skomplikowane zadania. Oznacza to również zdolność do korygowania realizowanego procesu w jego trakcie pod wpływem okoliczności zewnętrznych oraz wyciągania wniosków z podejmowanych działań, dzięki czemu realizacja kolejnych celów, wyznaczanych agentowi AI w podobnym obszarze, jest znacznie skuteczniejsza i szybsza.
To zaś całkowicie zmienia paradygmat współpracy z elektronicznym asystentem; od klasycznej konwersacji z chatbotem, któremu człowiek musiał wskazywać kolejne etapy działań i dokonywał korekt w razie potrzeby, przechodzimy do inteligentnych asystentów procesowych, zdolnych obsłużyć całościowo proces reklamacji, przeanalizować dokumenty kredytowe wraz z wystawieniem odpowiednich rekomendacji dla doradcy bankowego, czy też wygenerować raporty z obszaru compliance lub sprawozdawczości obligatoryjnej. Te walory agentów AI znajdują też zastosowanie w ich konwersacji z człowiekiem – zarówno pracownikiem banku, którego agent AI jest w stanie wyręczyć w nieporównanie większym stopniu od typowego bota, jak i klientem. Ten ostatni zyska w elektronicznym asystencie nie tylko znaczącą poprawę doświadczenia, ale przede wszystkim produkty indywidualnie dopasowane do jego profilu. To, co kiedyś było domeną najbogatszych klientów personal banking – usługi finansowe skrojone na miarę użytkownika – za sprawą agentów AI trafia właśnie do powszechnego użytku.
Od chatbotów do autonomicznych agentów
O tym, że agenci AI już dziś stają się codziennością nie tylko w globalnym, ale i w polskim biznesie, świadczą wyniki najnowszego badania PwC Polska1 przeprowadzonego wśród przedstawicieli dużych firm, reprezentujących różne segmenty rynku. Wynika z niego, że ok. 43% przedsiębiorstw w Polsce korzysta już z agentów AI, a kolejne 14% ma w planach ich wdrożenie. Najczęściej agenci AI stosowani są w sektorze technologicznym i właśnie finansowym, gdzie ich wykorzystanie wynosi odpowiednio 73% oraz 63%.
Co więcej, aż połowa firm w Polsce zamierza zwiększyć budżet na projekty dotyczące sztucznej inteligencji ze względu na rosnące zainteresowanie agentami AI.
Przedstawiciele biznesu którzy chcą dotrzymać kroku liderom na kolejnym etapie transformacji cyfrowej, powinni wziąć pod uwagę te liczby; wskazują one bowiem, iż uwzględnienie agentów AI w strategii organizacji determinować będzie jej przyszłość.
Zwłaszcza że – jak wykazała ankieta PwC, przeprowadzona wiosną 2025 r. wśród amerykańskiej kadry kierowniczej – głównymi barierami dla wdrażania rozwiązań agentowych są nie tylko technologia czy koszty, ale też mentalność osób decyzyjnych w firmie. Tak potężna zmiana wymaga od liderów biznesowych ponownego przemyślenia strategii, przeprojektowania organizacji pracy i aktywnego włączenia załogi w działania. Agenci AI w większym stopniu zmienią zakres czynności wykonywanych przez ludzi, co bynajmniej nie musi oznaczać redukcji etatów; przeciwnie, co drugi z uczestników ankiety PwC podkreślał, iż zamierza utworzyć kolejne stanowiska pracy, związane z wdrażaniem i obsługą rozwiązań agentowych. Pozytywne nastroje wśród decydentów odnośnie do wdrażania rozwiązań z obszaru AI potwierdziło również inne badanie zrealizowane przez PwC, „28. Annual Global CEO Survey”: niemal połowa prezesów spodziewa się wzrostu rentowności dzięki GenAI na przestrzeni nadchodzących 12 miesięcy. Większość z nich już obecnie dostrzega poprawę zarówno w wykorzystaniu czasu pracy (56% wskazań), jak też w sferze przychodów i zysków – na te wskaźniki zwróciło uwagę odpowiednio 32% i 34% respondentów.
Zmiany obejmą front- i back-office
Próba znalezienia kompromisu pomiędzy wyśrubowanymi standardami bezpieczeństwa a oczekiwaniami konsumentów w zakresie coraz łatwiejszej, sprawniejszej i bardziej intuicyjnej obsługi produktów bankowych przyczyniła się do bardziej dynamicznej digitalizacji frontendu aniżeli procesów backoffice’owych. Bankowość, również w warunkach polskich, przez lata inwestowała w rozwiązania ułatwiające codzienne bankowanie. Do takich należały również chat- i voiceboty; potrafiąc odpowiadać na proste pytania klientów, pozwalały one na zapewnienie obsługi w trybie 24/7 bez konieczności radykalnego zwiększania zatrudnienia w call center. Agenci AI przesuwają tę granicę: rozumieją kontekst, korzystają z wewnętrznych danych i potrafią wykonywać złożone, wieloetapowe działania. Przykładowo, podczas obsługi bieżącego rachunku klienta agent sprzedażowy jest w stanie analizować historię jego kontaktów, specyfikę najczęściej zawieranych transakcji czy wreszcie scoring, by na tej podstawie przedstawić propozycję np. ubezpieczenia turystycznego, jeśli konsument właśnie dokonał wpłaty zaliczki za kwaterę w AirBnB, czy też zaoferować atrakcyjny produkt inwestycyjny dla osoby, która sprzedała mieszkanie i dysponuje sporą nadwyżką finansową.
Te same technologie są również wykorzystywane w back-office, pozwalając na szybsze i sprawniejsze przygotowanie i weryfikację dokumentacji kredytowej, czy też zapewniając wsparcie analitykom ryzyka i audytorom w ich pracy, szczególnie jeśli chodzi o obszar szeroko rozumianego bezpieczeństwa i compliance. Badanie PwC „Global Compliance Survey 2025” wykazało, iż ponad 46% respondentów posługuje się AI w analityce danych i predykcji, a 36% korzysta z niej do wykrywania fraudów. Rozwiązania dedykowane tym zadaniom wypracowywane są głównie przez branże finansową i płatniczą, gdzie są stosowane np. przez dostawców płatności do analizy transakcji. Na zapleczu agenci AI monitorują logi oraz alerty bezpieczeństwa i wspierają zespoły ds. cyberbezpieczeństwa. W edycji badania „Digital Trust Insights 2025” poświęconej rynkowi finansowemu respondenci wskazywali wykorzystanie GenAI do detekcji i reakcji na zagrożenia (41%), threat intelligence (39%) oraz wykrywania malware i phishingu (38%).
Agent AI zapewni bankowości to, czego żadna dotychczasowa technologia nie była w stanie opanować: partnerską współpracę człowieka i maszyny na poziomie złożonych i wieloetapowych procesów. Warto podkreślić, iż agent agentowi nierówny: tak jak mamy do czynienia ze zróżnicowanymi kompetencjami ludzkimi i odmiennymi ścieżkami rozwoju kwalifikacji, tak samo agenci AI dzielą się na kilka kategorii. Jedną z nich – tę najbardziej zauważalną dla przeciętnego Kowalskiego – stanowią agenci zadaniowi. Są oni wykorzystywani do automatyzacji określonych działań, takich jak planowanie spotkań czy przetwarzanie transakcji. Kolejna kategoria to agenci autonomiczni. Ci w najmniejszym stopniu potrzebują współpracy z ludźmi, gdyż mogą samodzielnie realizować wyznaczone im cele, w tym dostarczać określone rezultaty, a nawet podejmować decyzje (które w bankowości, ze względów regulacyjnych, często muszą być zatwierdzone przez doradcę). Niejako w tle mamy wreszcie agentów wyszukujących (retrieval agents), zaprojektowanych do wyszukiwania danych z różnych źródeł.
Architektura przyszłości: bank jako sieć agentów
Bank przyszłości może już nie być jedną superaplikacją, lecz siecią współpracujących agentów AI, z których każdy ma własny kontekst, dostęp do danych i precyzyjnie nadane uprawnienia. W praktyce oznacza to równoległą pracę wyspecjalizowanych ról: Customer Agent dla segmentów retail i corporate, Customer Service Agent do obsługi kontaktu, Advisor Agent wspierający doradców, Compliance Agent do kontroli zgodności oraz Ops Agent usprawniający operacje. Ich komunikacja odbywa się przez standardy API i warstwę koordynującą (AI orchestration layer). Takie podejście pozwala budować inteligentne procesy bez konieczności pełnej przebudowy istniejącej infrastruktury.
Rok 2025 będzie kluczowy dla pilotaży i wdrożeń agentów AI oraz ich orkiestracji w bankach. Liderzy rynku (m.in. JPMorgan, HSBC, PKO BP, ING) już testują agentów zarówno we front- jak i back-office. W Polsce stosowne inicjatywy pojawiają się w działach obsługi klienta, compliance, ryzyka i marketingu, i już można dostrzec ich pierwsze efekty. Według badania PwC przeprowadzonego w 2025 r., dobrze zaprojektowane rozwiązania agentowe potrafią skrócić czas kluczowych procesów nawet o 90%, z czego ok. 60% oszczędzonego czasu dotyczy prac analitycznych. Wraz ze spadkiem czasochłonności rośnie precyzja i szybkość, w obu tych sferach zyskuje się nawet 40%. Technologia ta popularyzuje się nie tylko po stronie biznesu, ale i konsumenckiej: według badania PwC Polska przeprowadzonego wśród konsumentów, już 39% Polaków korzysta z agentów AI, przy czym co dziesiąty z naszych rodaków czyni to regularnie, a w grupie o dochodach przekraczających 7 tys. zł – nawet co czwarty. Przeszło co druga osoba uczestnicząca w badaniu nie miałby nic przeciwko temu, by procesy kredytowe, w tym badanie zdolności kredytowej klienta, zostały w pełni zautomatyzowane. Pojawiają się też perspektywy dla bardziej ambitnego użycia agentów AI: 16% badanych dostrzega praktyczne zastosowanie GenAI w analizie i prognozowaniu rynków oraz wsparciu decyzji inwestycyjnych.
Do zrobienia na już
Dla banków wszystkie te zmiany skutkują koniecznością opracowania strategii budowy oraz zarządzania agentami. Powinno się w niej uwzględnić, kto tworzy, trenuje, kontroluje i integruje poszczególne rozwiązania oraz z jakimi systemami IT one współpracują. Aby realizować projekty oparte na agentach AI instytucje finansowe powinny: zdefiniować use case’y użycia, w tym obszar eksperymentów, przygotować wskaźniki mierzenia efektywności i skalowania agentów, uporządkować zbiory danych, zbudować bezpieczne środowisko integracyjne, określić, które dane mogą być udostępnione dla agentów, a które wymagają dodatkowych zgód lub anonimizacji, posiadać kontrolowane środowisko wdrożeniowe (sandbox AI), rejestrować wszystkie interakcje, zapewnić politykę walidacji wyników i monitorowania błędów, określić odpowiedzialność za agentów w organizacji, zapewnić kompetencje i odpowiednią kulturę organizacyjną.
Agenci AI stają się nową warstwą operacyjną, która może zdecydować o przyszłości instytucji finansowych.
1 Źródło: Badanie PMR na temat wykorzystania AI w dużych firmach działających w Polsce na zlecenie PwC Polska.
