Raport Specjalny | Bezpieczeństwo Banków – BIK SA | Bez dobrych danych nie ma mowy o dobrym AI

Nasz rozmówca

Absolwent Szkoły Głównej Handlowej w Warszawie, doktor nauk ekonomicznych. W latach 2005–2012 jako pracownik SGH prowadził wykłady i badania w zakresie zastosowania metod ekonometrycznych, uczenia maszynowego i sztucznej inteligencji w analizie zjawisk gospodarczych. Promotor prac magisterskich, autor kilkudziesięciu publikacji międzynarodowych.

W latach 2003–2012 związany z sektorem telekomunikacyjnym przy budowie modeli prognostycznych w obszarze ryzyka, sprzedaży i skarbu. Od 2012 do 2014 r. w belgijskiej grupie bankowej KBC budował modele ryzyka kredytowego i antyfraudowego w obszarze Consumer Finance oraz koordynował pracę jednostek antyfraudowych. Realizował projekty w krajach Europy Środkowej i Wschodniej.

Od 2014 r. kieruje obszarem Data Science w BIK, odpowiada za rozwój modeli scoringowych, machine learning i analizy ryzyka kredytowego w sektorze bankowym i pozabankowym. Zarządza projektami międzysektorowymi, integrującymi dane z wielu źródeł alternatywnych oraz podmiotów z różnych branż.

Należy wstrzymać prace nad sztuczną inteligencją na sześć miesięcy, tak by otoczenie prawne zdołało nadrobić dystans wobec dynamicznie rozwijającej się technologii – taki apel wystosowali nie zwolennicy teorii spiskowych, tylko niekwestionowane autorytety z obszaru IT, z Elonem Muskiem i Steve Wozniakiem na czele. Czy AI faktycznie rzuciła wyzwanie twórcom porządku prawnego, wobec którego okazali się oni bezradni

– Mówiąc o sztucznej inteligencji, warto zaznaczyć, że takie pojęcia jak AI czy uczenie maszynowe nie odnoszą się do jednej, konkretnej technologii, ale obejmują całe, niezwykle szerokie spektrum rozwiązań. Zastrzeżenia i obawy, na które zwracają uwagę sygnatariusze wspomnianego apelu, dotyczą głównie wykorzystania sztucznej inteligencji w obszarze przetwarzania języka, głosu bądź obrazu, czego doskonałym przykładem może być ChatGPT. W tym przypadku faktycznie możemy mówić o istotnej luce prawnej, gdyż stosowne przepisy, regulujące wykorzystanie technologii choćby w celu tworzenia cyfrowych kopii osób trzecich, są dopiero tworzone.

Równocześnie jednak mamy do czynienia z innym, nieco mniej widowiskowym obliczem uczenia maszynowego, myślę tu o budowie modeli predykcyjnych na podstawie baz danych liczbowych, wykorzystywanych np. w analizie ryzyka czy tworzeniu systemów CRM. W przypadku oceny ryzyka kredytowego mamy określone oczekiwania, choćby odnośnie wyjaśnialności, skutkó...