Koniec romantyzmu – czas na liczby

Jeszcze dwa-trzy lata temu pytanie brzmiało: gdzie możemy użyć AI? Dziś na posiedzeniach zarządów coraz częściej brzmi inaczej: ile AI naprawdę daje?

Zmianę widać także poza bankowością. Wg Google’a wiosną 2026 r. zainteresowanie frazą AI ROI po raz pierwszy wyprzedziło zapytania o to, jak używać AI. Jednocześnie 86% kadry zarządzającej sektora finansowego deklaruje, że oczekuje od sztucznej inteligencji przede wszystkim mierzalnego, efektywnego kosztowo wzrostu. To ważna zmiana i dla banków, i dla dostawców technologii.

IM WIĘKSZA WARTOŚĆ, TYM WYŻSZA POPRZECZKA

Pierwsza fala generatywnej AI naturalnie skierowała uwagę na obszary łatwiejsze do uruchomienia i pokazania: chatboty, wyszukiwanie informacji, podsumowywanie dokumentów czy wsparcie pracowników. Ale największa wartość ekonomiczna leży często znacznie głębiej w procesie: w kredycie, w analizie ryzyka, w podejmowaniu decyzji, w automatyzacji operacji, w pracy doradcy z klientem. I właśnie tam podnosi się również poprzeczka.

AI Act klasyfikuje część zastosowań związanych z oceną zdolności kredytowej osób fizycznych jako systemy wysokiego ryzyka, co oznacza dodatkowe wymagania dotyczące m.in. danych, dokumentacji, kontroli i nadzoru człowieka. Zjawisko to dobrze pokazuje paradoks, przed którym stoi sektor: im bliżej decyzji mającej realny wpływ na wynik banku znajduje się AI, tym więcej trzeba udowodnić – technologicznie, biznesowo i regulacyjnie. Dlatego również język rozmowy się zmienia. Mniej jest pytań o to, co AI będzie mogła zrobić, a zdecydowanie więcej o to, co już robi, w jakiej skali i gdzie pojawia się efekt w P&L.

ERA FAIRY TALES SIĘ KOŃCZY. ZACZYNA SIĘ ERA SHOW ME THE MONEY

I w tym miejscu zaczyna się trudniejsza część. Zwrot z inwestycji w AI jest w banku wyjątkowo trudny do policzenia – nie dlatego, że controlling nie potrafi zbudować modelu, problem leży w samym charakterze transformacji. Dane o kliencie, produkcie i ryzyku są rozproszone, a wdrożenie technologii niemal zawsze nakłada się na zmianę procesu, organizacji i sposobu pracy. Do tego dochodzą różne horyzonty zwrotu. Automatyzację pracy operacyjnej można zobaczyć po kilku miesiącach. Natomiast wartość lepszego modelu kredytowego ujawnia się znacznie później – w jakości portfela, stratach kredytowych, odpisach i zachowaniu klienta w całym cyklu życia ekspozycji. Jest jeszcze problem atrybucji. Jeżeli poprawia się wynik procesu, to jaka część pochodzi z AI, jaka z jego przeprojektowania, a jaka ze zmiany organizacji pracy?

12 TYSIĘCY ODZYSKANYCH GODZIN. I CO DALEJ?

Wyzwanie z ROI najlepiej pokazać na konkretnym procesie. W jednym z europejskich banków Comarch wdraża pierwszą fazę rozwiązania AI wspierającego proces kredytowy. Rozwiązanie pozwoli ograniczyć pracę dokumentacyjną wykonywaną przez doradców.

Zmierzony efekt: około jednej godziny mniej pracy przy pojedynczej sprawie. Dla zobrazowania jego potencjału przyjmijmy realne liczby – jest to bank obsługujący 12 tys. takich wniosków rocznie. Jedna godzina pomnożona przez 12 tys. spraw daje 12 tys. odzyskanych roboczogodzin rocznie. I właśnie tutaj powstaje najczęstszy błąd w kalkulacjach ROI. Dwanaście tysięcy godzin nie jest jeszcze oszczędnością. Nie jest również przychodem. Jest …pojemnością. Dopiero decyzja organizacyjna banku określa jej wartość.

Jeżeli odzyskany czas doradców zostanie wykorzystany do sprzedaży, ta sama sieć może obsłużyć około 4 tys. dodatkowych wniosków rocznie. Przy przyjętych parametrach procesu oznacza to potencjał rzędu 930 tys. euro dodatkowego przychodu na rok. Jeżeli jednocześnie agenci AI przejmą część weryfikacji dokumentów na zapleczu, a część zespołu zostanie przesunięta do obsługi zwiększonego wolumenu, np. wyceny zabezpieczeń, to trwałe uwolnienie mocy może odpowiadać około ośmiu etatom i kolejnym 400 tys. euro wartości rocznie.

Łącznie: około 1,3 mln euro potencjalnego efektu rocznie w jednym procesie, już na pierwszym etapie transformacji. Ale najważniejsza w tym przykładzie wcale nie jest liczba 1,3 mln. Najważniejsze jest słowo: jeżeli. Jeżeli tych 12 tys. godzin nikt nie wykorzysta do dodatkowych zadań, projekt zakończy się prezentacją pokazującą świetny wzrost produktywności i zerowym wpływem na rachunek wyników.

AI NIE NAPRAWI PROCESU, KTÓREGO BANK NIE CHCE ZMIENIĆ

Technologia jest tylko częścią równania. Pierwszą generację automatyzacji banki budowały w dużej mierze w oparciu o RPA – boty odtwarzające czynności użytkownika w istniejących aplikacjach. W stabilnych i ustrukturyzowanych procesach działało to dobrze. Problemy zaczynają się przy bardziej złożonej pracy: dokumentach w różnych formatach, wyjątkach, zmianach interfejsu czy konieczności interpretacji danych. Wtedy automatyzacja oparta na warstwie użytkownika staje się krucha, a koszt jej utrzymywania zaczyna konsumować część zakładanego efektu. Nowa generacja rozwiązań idzie głębiej. Integracja przez API i mikroserwisy pozwala agentom działać bezpośrednio na procesie i danych, zamiast jedynie imitować zachowanie człowieka na ekranie. Przy odpowiednio zaprojektowanych procesach, poziom przetwarzania bezobsługowego może wtedy dochodzić do 85-90%. Ale nawet najlepsza architektura nie rozwiązuje podstawowego problemu organizacyjnego. Jeżeli AI skróci analizę z godziny do pięciu minut, lecz kolejny etap procesu nadal uruchamiany jest następnego dnia rano, bank nie uzyska pełnej wartości technologii. Jeżeli model rekomenduje decyzję, ale pracownik nadal musi przejść dokładnie tę samą ścieżkę akceptacji, efekt pozostanie częściowy. Jeżeli doradca odzyska godzinę dziennie, ale jego cele, portfel klientów i organizacja sprzedaży pozostaną niezmienione, dodatkowa pojemność nie przełoży się automatycznie na wynik.

Sam dostęp do modeli AI trudno dziś uznać za przewagę. Te same lub podobne modele mogą kupić niemal wszystkie banki. Przewagą staje się dopiero zdolność do szybkiego wpięcia ich w dane, architekturę, decyzje i operacje banku. I właśnie ta zdolność będzie prawdopodobnie jednym z najważniejszych wyróżników technologicznych banków w najbliższych latach.

PRAWDZIWY TEST? COST/INCOME

Ostatecznie zarząd nie będzie jednak rozliczał AI z liczby agentów, modeli czy wykonanych promptów. Rozliczenie odbywać będzie się na podstawie wyniku. To szczególnie ważne w polskiej bankowości, gdzie baza kosztowa znajduje się pod presją z kilku stron jednocześnie: wynagrodzeń, regulacji, cyberbezpieczeństwa, infrastruktury technologicznej oraz rosnących kosztów konkurowania o klienta w kanałach cyfrowych. Dlatego jednym z najlepszych testów dojrzałości AI staje się wskaźnik cost/income. To wskaźnik trudny do trwałego przesunięcia, bo znaczna część kosztów banku jest sztywna lub rośnie niezależnie od jego decyzji. Analizy przeprowadzone w Comarch wskazują, że odpowiednio dobrany i konsekwentnie wdrożony portfel zastosowań AI w bankowości detalicznej i korporacyjnej może w perspektywie około trzech lat obniżyć C/I o mniej więcej 125 punktów bazowych. To oczywiście prognoza, nie wynik pojedynczego wdrożenia – ale właśnie taki powinien być poziom ambicji. Bank przestanie chwalić się tym, że uruchomił 25 use case’ów lub zaoszczędził 200 tys. godzin, a zacznie mówić, co zmieniło się w jego ekonomice.

OD STRATEGII AI DO EKONOMIKI AI

Koniec fazy zachwytu nad sztuczną inteligencją jest dla sektora dobrą wiadomością. Pytanie gdzie możemy wykorzystać AI? miało jedną wygodną cechę – prawie każda odpowiedź była poprawna, do pewnego momentu każda była też innowacyjna. Pytanie ile to daje? jest znacznie mniej komfortowe, bo wymaga benchmarku, pomiaru przed wdrożeniem, właściciela wyniku, decyzji, co zrobić z uwolnioną pojemnością i odwagi, by zatrzymać projekt, który efektu nie dowozi. To właśnie odróżnia kolejną falę wdrożeń od tej pierwszej. AI nie będzie już oceniane po tym, czy działa, tylko czy faktycznie zmienia ekonomię procesu, a docelowo – czy zmienia ekonomię całego banku. Widząc efekty transformacji AI w samym Comarch, mamy mocne podstawy, by w to wierzyć.

Poznaj 4 poziomy dojrzałości sztucznej inteligencji w bankowości

Skorzystaj z naszego narzędzia diagnostycznego i oceń gotowość swojej instytucji w 5 kluczowych obszarach operacyjnych. Dowiedz się, czy Twój bank to jeszcze „obserwator AI”, czy już „bank natywny dla AI” i odbierz praktyczne wskazówki do dalszej transformacji cyfrowej.

https://info.comarch.com/future-banking

Robert Błaszczyk

BUSINESS BANKING PRODUCT MANAGER, COMARCH