Nie trzeba być specjalistą od AI, żeby z niej korzystać
Obecna faza transformacji cyfrowej rynku finansowego przebiega pod znakiem AI. Czy dla bankowości spółdzielczej to szansa na nadrobienie zaległości, czy pogłębianie luki między nimi a liderami branży finansowej?
Tomasz Janiec: Zacząłbym od szerszego kontekstu. Działamy w specyficznym obszarze: naszymi klientami nie są wielkie banki z ogromnymi budżetami na technologie, lecz raczej mniejsze instytucje finansowe. Dzięki nowym rozwiązaniom podmioty te mogą dziś w pełni korzystać z możliwości AI, mimo że nie dysponują własnymi zespołami programistów ani ekspertów w tej dziedzinie. To zasługa tzw. embedded AI – czyli modułów sztucznej inteligencji wbudowanych w rozwiązania dziedzinowe, takie jak systemy monitorowania, składowania danych czy wykrywania ataków. Takie narzędzia są gotowe do użycia i można je wdrożyć bez dużych kosztów, inwestycji w drogi sprzęt czy budowy rozbudowanych zespołów inżynierskich.
Najważniejszym obszarem wdrożeń jest bezpieczeństwo, np. w kontekście wymogów regulacji, takich jak DORA. Moduły embedded AI stosuje się jednak też w obsłudze klienta. Doświadczenie klienta bazuje dziś na płynnej i intuicyjnej komunikacji w kanałach elektronicznych. Opóźnienia czy przerwy w ich działaniu uderzają w wizerunek instytucji, a potem w jej przewagę konkurencyjną. Dlatego w narzędziach wspierających obsługę coraz częściej pojawiają się moduły AI, które można uruchomić bez większych nakładów technologicznych czy ludzkich. Wraz z rozwojem instytucji, gdy np. potrzebuje ona integracji różnych kanałów lub bardziej rozbudowanych interfejsów, można sięgnąć po bardziej zaawansowane rozwiązania AI, dostępne w tym samym modelu.
W sferze bezpieczeństwa oczekiwania wobec niewielkich instytucji są analogiczne jak wobec największych. Ich wypełnienie wiązało się z ogromnymi nakładami finansowymi, czy wejście AI zmieniło sytuację na korzyść mniejszych banków?
Maciej Szulc: AI pozwala adresować wiele wyzwań, przed którymi od lat stają lokalne instytucje finansowe, jak np. redukcja kosztów pozyskania, utrzymania i obsługi klienta. W dobie, gdy wszyscy szukają oszczędności, to bardzo ważne wsparcie. Podobnie w obszarze bezpieczeństwa. Mały bank nie może mieć sztabu ekspertów z najwyższej półki, by spełnić rosnące wymagania prawne czy compliance. Wdrożenie rozwiązań z AI, które potrafią wykrywać nietypowe zachowania i wskazywać te stanowiące zagrożenie, pozwala skokowo zwiększyć poziom ochrony instytucji i jej klientów. Mogę się tu odwołać do konkretnych doświadczeń z rynku; nawet małe instytucje chcą najpierw chronić swoje dane, dlatego inwestują m.in. w dedykowane rozwiązania do obsługi pamięci masowych.
W rozwiązaniach IBM wspierających pracę działów bezpieczeństwa rozwijamy narzędzia do szybkiego wykrywania i neutralizowania ataków ransomware. Dzięki nim nie tylko identyfikujemy incydent, ale też możemy wrócić do punktu w czasie, który jest bezpieczny i użyteczny biznesowo. Ze względu na ciągłość procesów bankowych potrzebne są jak najnowsze dane, a kopia sprzed miesiąca może być zwyczajnie bezużyteczna. Problem w tym, że wielu klientów – nawet jeśli zauważy atak – ma duży kłopot z przywróceniem wielkich wolumenów danych w rozsądnym czasie. A mówimy nie o jednej skrzynce pocztowej, lecz o setkach terabajtów danych obejmujących całe systemy produkcyjne. Dzięki technologii IBM możliwe jest szybkie i sprawne wznowienie procesów biznesowych bez wielodniowych przestojów.
Systemy nadzoru z AI potrafią wykrywać podatności, odbierać zgłoszenia i automatycznie kierować je do administratorów. W połączeniu z rozwiązaniami SOAR, które dają rekomendacje działań i procedury krok po kroku, administratorzy dostają pełny ekosystem wspierający ich w całościowym przeciwdziałaniu zagrożeniom. W praktyce oznacza to nie tylko spójność bezpieczeństwa danych, ale też priorytetyzację i automatyzację pracy zespołów w Security Operations Center. Dodam, że rozwiązania IBM QRadar pozwalają nie tylko wykryć i zatrzymać atak, ale też dostarczyć materiał dowodowy dla policji czy prokuratury. To ułatwia postępowanie i pozwala bankom spełnić wymogi regulacyjne w tym zakresie.
Równie ważny jest aspekt bezpieczeństwa korzystania z narzędzi AI. Pracownikom banku trzeba dać nowoczesne, bezpieczne narzędzia, by używali ich zgodnie z polityką instytucji. W przeciwnym razie istnieje ryzyko, że sięgną np. po otwarte chatboty. W najlepszym razie skończy się to wpisaniem danych do publicznego narzędzia i ich wyciekiem, w gorszym – ujawnieniem danych klientów i poważnymi skutkami prawnymi i wizerunkowymi. Wdrażając AI, trzeba właściwie zarządzać jego użyciem: kontrolować rodzaj zapytań, monitorować prompty, dbać o zgodność z polityką etyczną i bezpieczeństwa. Nasze rozwiązania pozwalają adresować także i te potrzeby.
Oczekiwania konsumentów zmieniły się w ostatnich latach. Kanały komunikacji się łączą, płacenie za autostrady, parkingi czy bilety autobusowe przez aplikację bankową to codzienność. Czy nowe technologie ułatwiają wdrażanie takich usług przez małe banki?
Maciej Szulc: Największym wyzwaniem w adresowaniu takich usług nie jest technologia ani koszty wdrzożenia, tylko wiedza o kliencie – a małe instytucje finansowe ją mają, dobrze znają swoich klientów i lokalny kontekst. To ich główna przewaga. Lokalny bank spółdzielczy na terenach wiejskich nie będzie zapewne traktował jako priorytetu dodania w aplikacji biletów komunikacji miejskiej dużych aglomeracji, chyba że działa w bezpośrednim sąsiedztwie takiego miasta. Jednocześnie mniejsze instytucje mogą tworzyć ciekawe, lokalne use case’y, których wdrożenie, czyli integracja z wybraną usługą, nie jest dziś dużym problemem dzięki embedded AI. Jeśli jednak bank oczekuje bardziej zaawansowanych rozwiązań, np. spersonalizowanych usług czy nowoczesnych form kontaktu z klientem wykraczających poza proste chatboty, dostępne są tzw. duże rozwiązania AI. Wymagają one większego wysiłku i inwestycji, ale dają pełną elastyczność.
AI wspiera też obszar developmentu. Najczęściej mówi się o generowaniu kodu, z czego dziś korzystają wszyscy. Mniej oczywisty przykład to kreatory AI w produktach integracyjnych. Wystarczy wskazać, z jakim systemem chcemy się zintegrować, a narzędzie tworzy procedury i przepływy realizujące tę integrację. Dla banków z własnymi developerami to duże ułatwienie. Tam, gdzie całe oprogramowanie tworzą zewnętrzni dostawcy, ma to mniejsze znaczenie, choć warto o tych opcjach wiedzieć.
Mówiąc o customer experience, warto podkreślić decydujący czynnik: dostępność systemów. Dla klienta najważniejsze jest, by środowisko działało bez przerwy. Nie ma nic gorszego niż sytuacja, gdy ktoś próbuje zrobić przelew, a strona banku nie odpowiada. Dlatego tak ważne są narzędzia operacyjne i administracyjne klasy Observability jak IBM Instana, które monitorują system i wykrywają błędy. AI pozwala na tzw. baselining. System uczy się normalnych zachowań aplikacji: wie, jak wygląda czas odpowiedzi w dzień, w nocy, w poniedziałek czy w piątek. Dzięki temu rozpoznaje odchylenia, które w danym kontekście są błędem, i dopasowuje progi powiadomień. Są też narzędzia optymalizacyjne, np. IBM Turbonomic, które analizują stos technologiczny – serwery, zasoby, moc obliczeniową – i proponują zmiany, by aplikacje były bardziej dostępne, a jednocześnie umożliwiały wdrażanie nowych rozwiązań bez natychmiastowych inwestycji w sprzęt. To obszar, w którym uczenie maszynowe ma bardzo praktyczne zastosowanie.
Banki spółdzielcze to instytucje lokalne i w naturalny sposób przegrywają w wojnie o talenty. Czy wdrożenia AI mogą odwrócić niesprzyjający trend na korzyść spółdzielców?
Tomasz Janiec: Realną konkurencją dla lokalnych instytucji finansowych w wojnie o talenty są nie bigtechy, ile duże banki komercyjne czy firmy technologiczne, prowadzące działalność na skalę krajową. Mniejsze organizacje mają utrudnione zadanie, zwłaszcza dysponując ograniczonymi budżetami czy pracując na starszych technologiach. Tu AI może pomóc na dwa sposoby. Po pierwsze, odciąża pracowników w codziennych zadaniach, co poprawia komfort pracy. Po drugie, przyciąga talenty. Specjaliści chcą pracować z nowoczesnymi narzędziami. Jeśli wiedzą, że instytucja wdraża innowacyjne rozwiązania AI, to oferta pracy staje się znacznie bardziej atrakcyjna. Należy dodać, że niewielki podmiot może być ciekawszą opcją rozwoju kariery dla zdolnego programisty niż duży bank, gdzie takich jak on są dziesiątki. Nawet jeśli bank nie zatrudnia sztabu specjalistów i ma ograniczone zasoby, wciąż może korzystać z nowoczesnych narzędzi AI, które pozwalają mu utrzymać konkurencyjność i wysoki poziom obsługi klienta.
Na zakończenie dodałbym wątek etyki i odpowiedzialnego korzystania ze sztucznej inteligencji. IBM nie skupia się wyłącznie na najlepszym modelu w sensie technologicznym. Model musi być wystarczająco dobry, ale też efektywny kosztowo i energetycznie oraz zweryfikowany pod kątem bezpieczeństwa i jakości danych, na których działa. To jest priorytet w ramach platformy WatsonX, na której ostateczny kształt spory wpływ mają polscy specjaliści. Dla tych, którzy nie mają wystarczającego doświadczenia, IBM oferuje bezpłatne warsztaty typu „Design Thinking”, które pomagają klientom od strony procesowej i biznesowej. Prowadzimy je z użytkownikami z konkretnych działów, np. księgowości, HR czy sprzedaży. Wspólnie definiujemy przypadki użycia, a dopiero później przekładamy je na technologię. Chcielibyśmy, by czytelnik wiedział, że jeśli chce rozpocząć przygodę z AI, może przyjść do nas i porozmawiać językiem biznesu, a nie technologicznym. Warsztaty prowadzą osoby, które zajmują się profilowaniem potrzeb użytkowników i doborem rozwiązań, a nie inżynierowie IT. Nie trzeba być specjalistą od AI, żeby w nich uczestniczyć.
ARTYKUŁ SPONSOROWANY
