Raport Specjalny – IT@BANK 2023 | AI – PwC Polska | Sztuczna inteligencja dostępna od ręki
Sztuczna inteligencja ma obecnie swoje pięć minut, i wiele wskazuje, że trend ten wyznacza kolejny etap cyfrowej transformacji całej gospodarki. W związku z tym nasuwa się pytanie, czy AI ma szansę na szybką i skuteczną implementację w bankowości?
Marek Młyniec: Od strony technicznej sztuczna inteligencja nie jest wynalazkiem ostatnich lat, warto przypomnieć, iż bazuje ona na sieciach neuronowych, których początki sięgają lat 40., a rozwijane były już w latach 80.ub.w. Obecnie, dzięki dużej mocy obliczeniowej i dostępowi do dużych zbiorów danych, AI staje się coraz powszechniejsza, dając zarazem coraz większą wartość biznesową. Chcąc przeanalizować wpływ sztucznej inteligencji na bankowość, należy spojrzeć na to, jak jest ona przyjmowana w gospodarce. Tu cenne mogą się okazać wyniki badań, które prowadzimy regularnie wśród kadry zarządzającej największych firm na świecie. W sierpniu br. zadaliśmy pytanie, w jakie obszary zamierzają inwestować te podmioty. Odpowiedź była jednoznaczna: najważniejsze są nowe technologie, w tym cloud computing i sztuczna inteligencja, na drugim miejscu wskazywano generative AI. Biorąc pod uwagę skalę planowanych inwestycji na poziomie światowym, co widzimy też na polskim rynku, należy przypuszczać, że wdrażanie AI w bankowości nastąpi bardzo szybko, zresztą na rynku widzimy już pierwsze przykłady.
Adam J. Kępa: Badania, o których mówimy wskazują, że prawie 60% respondentów będzie inwestować w IT, a niemal 50% w generatywną sztuczną inteligencję. Sami jesteśmy dobrym przykładem – jako firma nie tylko technologiczna, ale i doradcza – przetwarzamy dużą ilość dokumentów i danych. W związku z tym w kwietniu 2023 r. PwC USA rozpoczęło projekt inwestycyjny, którego celem jest wdrożenie w PwC własnego narzędzia opartego na generatywnej AI, pod nazwą ChatPwC. Program obejmuje przygotowanie narzędzi do analizy dokumentów i danych w oparciu o nasze usługi doradcze i wiedzę o tym, w jaki sposób wykorzystać wewnętrznie informacje do zbudowania modeli predykcyjnych i generowania automatycznie oczekiwanych treści. Projekt będzie trwał trzy lata, jego budżet wynosi 1 mld dolarów i obejmuje w tej chwili 65 tys. pracowników PwC w Stanach Zjednoczonych. Inne spółki z grupy w podobny sposób stawiają na AI. PwC jest dobrym przykładem, jak przeprowadzić automatyzację czynności, związanych z doradztwem, w tym z analizowaniem dokumentów, korzystając z generatywnej sztucznej inteligencji.
W jakim stopniu wdrażanie rozwiązań bazujących na AI i uczeniu maszynowym wpłynie na transformację banków? Czy możemy mówić o pojawieniu się całkowicie nowych produktów, łączenia oferty bankowej i niebankowej, a może największe zmiany dokonają się w zakresie jakości obsługi klientów?
Marek Młyniec: Z naszych obserwacji wynika, że AI może dotykać zarówno banków, jak i przedsiębiorstw działających w innych obszarach gospodarki. Ważne jest, by wdrażać AI w tych obszarach, gdzie ten potencjał jest największy. Zgodnie z badaniami prowadzonymi przez IDC, na ten moment największy potencjał jest w obszarze rozwoju software i obsługi klienta. Do tego dochodzi wsparcie marketingu i sprzedaży, łańcucha dostaw, HR, finansów i innych obszarów, w których zarządzanie informacją i danymi ma duże znaczenie. Najistotniejsze przypadki użycia sztucznej inteligencji, na ten moment obejmują wsparcie generowania kodu oprogramowania i projektowania aplikacji oraz automatyzację kontaktu z klientem, bazując na usprawnieniu dostępu do bazy wiedzy, asystentach wirtualnych i botach. Trwające wdrożenia z zastosowaniem generatywnej sztucznej inteligencji to głównie usprawnianie aktualnie działających procesów i zwiększanie efektywności organizacji. Nie znaczy to, że w najbliższej przyszłości nie pojawią się zupełnie nowe obszary zastosowania, które zaczną generować całkowicie nowe produkty.
Adam J. Kępa: Obsługa klienta jest najbardziej zauważalnym elementem inwestycyjnym, co wykazały zarówno nasze analizy, jak i badania Gartnera. Z innych naszych badań wynika, że sektor finansowy jest na drugim miejscu, zaraz za firmami typowo technologicznymi, w rodzaju bigtech czy software house, pod względem wykorzystania technologii AI. Obecne jej wykorzystanie w sektorze finansowym nie przekracza 10%, a prawdopodobnym game changerem będzie obsługa klienta, gdzie poprawa efektywności może osiągać 30, czy nawet 40%. Należy również uwzględnić samo tworzenie oprogramowania, w tym narzędzia wykorzystujące np. GitHub Copilot, z którego obecnie korzysta ponad 1 mln programistów na świecie. To jest obszar bardzo istotny, gdyż w sektorze finansowym: bankach, firmach ubezpieczeniowych, czy funduszach inwestycyjnych stosunkowo dużo oprogramowania jest wytwarzanego własnymi siłami. Tworzenie kodu to obok obsługi klienta kolejna dziedzina, gdzie poprawia się znacznie efektywność.
Czy wdrożenia bazujące na AI staną się dostępniejsze dla mniejszych instytucji finansowych, co mogłoby zwiększyć ich konkurencyjność, a może będziemy mieli do czynienia z technologią, która dodatkowo wzmocni potencjał największych graczy?
Marek Młyniec: Sztuczna inteligencja jest dostępna praktycznie od ręki, w publicznej chmurze obliczeniowej. Barierą wejścia nie jest trudność w implementacji technologii, uruchamianiu odpowiednich warstw, systemów operacyjnych czy serwerów, tylko wdrożenie rekomendacji KNF w zakresie publicznej chmury obliczeniowej, ze stycznia 2020 r. Jeżeli bank potrafi zaadaptować chmurę publiczną w zgodzie z tym dokumentem, dostaje gotowe narzędzia AI do wykorzystania. Mamy bardzo dobre przykłady wdrożeń w polskim sektorze bankowym – jednym z naszych klientów, który szeroko korzysta z rozwiązań chmurowych, jest Bank Pocztowy. Naszym zdaniem branża bankowa jest gotowa, żeby zacząć wykorzystywać narzędzia AI, dostępne w chmurze publicznej, praktycznie w ciągu kilku tygodni od startu tego typów projektów. Dzięki nim mniejsze banki mogą bardziej efektywnie realizować procesy i zwiększać konkurencyjność, bez konieczności ponoszenia dużych nakładów inwestycyjnych na start. Przykładem są wspomniani wcześniej wirtualni asystenci, którzy mogą znakomicie obniżyć koszty obsługi klienta, niemniej warto spojrzeć na inne przypadki użycia. Naszym zdaniem bardzo duży potencjał ma automatyzacja obsługi reklamacji, a także zarządzanie relacjami z klientem i analiza sentymentu, co umożliwia lepsze dopasowanie oferty i przekazu do klienta, czy też optymalizację treści i emaili marketingowych. Mamy ciekawe przypadki, związane z procesem on-boarding’u nowego klienta banku i AML/KYC – automatyzacja tego procesu daje kilkudziesięcioprocentowe oszczędności w stosunku do formuły tradycyjnej. Istnieje zatem szereg obszarów, gdzie AI może znakomicie usprawnić obsługę klienta, jednocześnie zwiększając konkurencyjność również mniejszych banków.
Jak wdrażanie inteligentnych algorytmów i cyfrowych doradców wpłynie na sytuację pracowników banków? Kto będzie musiał się przebranżowić w związku z wejściem na rynek wirtualnych odpowiedników, a czyje miejsca pracy można uznać za niezagrożone?
Adam J. Kępa: Zdecydowana większość spośród 54 tys. uczestników przeprowadzonego w 2023 r. badania PwC Global Workforce Hopes and Fears Survey, reprezentujących różne regiony świata, wyraziła opinię, iż najbliższe pięć lat, a w szczególności rozwiązania oparte na sztucznej inteligencji, wpłyną pozytywnie na ich ścieżki kariery, gdyż zwiększy się kreatywność, możliwość zdobywania nowych umiejętności i produktywność.
Marek Młyniec: Inne nasze globalne badanie PwC AI Survey wykazało, że pracownicy oczekują właściwego przeszkolenia w zakresie nowych technologii AI. Pojawia się pytanie, czy wykorzystanie AI w procesach biznesowych oznacza, że pracownicy muszą zostać przeszkoleni z tworzenia złożonych algorytmów i posiąść skomplikowaną wiedzę z zakresu analityki danych? Z naszych doświadczeń i obserwacji wynika, że jest wprost przeciwnie – wdrażanie rozwiązań opartych na sztucznej inteligencji może być bardzo często realizowane w oparciu o rozwiązania typu low-code/no-code (Citizen development). Tak np. działają algorytmy dotyczące parametryzacji botów, czy wdrażania AI, dostępne w chmurowych rozwiązaniach niskokodowych. To pozwala na szybkie przeszkolenie pracowników biznesowych, jak efektywnie wykorzystywać sztuczną inteligencję i parametryzować ją w celu usprawniania procesów biznesowych. Reskilling pracowników może oznaczać znaczną poprawę procesów biznesowych i bardziej efektywne wykorzystanie sztucznej inteligencji. W tym zakresie jak najbardziej mogą być wykorzystani pracownicy biznesowi, nie tylko techniczni.
Na ile obecne otoczenie prawno-regulacyjne odpowiada na wyzwania związane z upowszechnieniem AI? Czy z tej perspektywy propozycje nowych przepisów, zawarte chociażby w „AI Act”, należy uznać za wystarczające?
Marek Młyniec: Jeśli chodzi o obszar technologiczny, w szczególności AI, jest tutaj dużo do zrobienia. Kluczowe wytyczne dla Unii Europejskiej w tym obszarze będzie zawierał „AI Act”, który został opracowany w 2021 r., a na koniec bieżącego roku planowane jest jego wejście w życie. Wydaje się jednak, że branża technologiczna wymaga nieco głębszego uregulowania, w tym AI i social media, bo mamy przecież uregulowane finanse, telekomunikację, przemysł spożywczy, farmaceutyczny etc.
Adam J. Kępa: Sztuczna inteligencja ma wiele zastosowań, związanych z użyciem danych. Często są to dane pochodzące z social media, albo używane przez innych dostawców. Kwestie jakości tych danych, a także praw własności do nich są ważne właśnie z powodu ryzyk związanych z używaniem sztucznej inteligencji. Unia Europejska rozpoczęła prace nad uregulowaniem tych kwestii najwcześniej spośród innych regionów świata. Wielka Brytania analogiczny dokument zaczęła przygotowywać dopiero w marcu br., a w USA prace podjęto w październiku u.br. Najważniejsze, że dokument „AI Act” wymienia tzw. nieakceptowalne ryzyka związane z systemami sztucznej inteligencji. Należy do nich manipulacja kognitywna i behawioralna, wpływająca na ludzi, czy tzw. social scoring – klasyfikacja ludzi w oparciu o ich zachowania, również w socjoekonomicznym znaczeniu, wreszcie biometryczna identyfikacja, wykonywana w czasie rzeczywistym, taka jak rozpoznawanie twarzy (facial recognition). Te działania będą wprost zabronione w „AI Act”. Zobaczymy, jak regulacja ta wpłynie na rozwój gospodarki UE. Na ten moment można spotkać opinie, że „AI Act” może być zbyt rygorystyczny na tle propozycji przygotowywanych przez Stany Zjednoczone, czy Chiny. Pamiętajmy jednak, iż reguły ochrony danych osobowych, wprowadzone najpierw w Unii Europejskiej, są obecnie implementowane w Stanach Zjednoczonych, jak wdrożony „California Privacy Rights Act (CPRA)”, więc wydaje się, że Unia Europejska ma dobre doświadczenie z tego typu regulacjami i jest globalnym liderem w tym zakresie.
Sztuczna inteligencja, jak każda technologia, będzie, albo raczej już jest, wykorzystywana przez przestępców. Czy banki są gotowe, by stawić czoła temu wyzwaniu, na ile dotychczasowe technologie cybersecurity wykorzystują AI, i czy rozwiązania takie, jak biometria behawioralna, są odporne na działania z użyciem deep fake?
Marek Młyniec: Odpowiadając na to pytanie warto przytoczyć wyniki badania PwC, o którym wspomniałem na początku. Przeszło 74% reprezentantów kadry kierowniczej największych firm na świecie uznało cyberataki za największe ryzyko spośród innych ryzyk działalności gospodarczej.
Adam J. Kępa: Z naszych badań, ale i analiz przeprowadzonych przez Gartnera wynika, że cybersecurity jest jednym z kluczowych obszarów zainteresowania dalszych inwestycji w obszarze IT, zwłaszcza w sektorze finansowym. Narzędzia do walki z cyberprzestępczością są implementowane zarówno przez dostawców usług chmurowych, jak i firmy specjalizujące się w oprogramowaniu i technologiach cybersecurity. Jednym z przykładów mogą być rozwiązanie cloud native SIEM, które zbierają i analizują dane w czasie rzeczywistym, i w oparciu o nie na bieżąco korygują swoje algorytmy i nadążają za wektorami ataków
Jak zatem banki powinny efektywnie podejść do wdrażania sztucznej inteligencji?
Marek Młyniec: Nasza rekomendacja bazująca na doświadczeniu i obserwacji rynku, składa się de facto z pięciu wytycznych. Pierwszy punkt dotyczy wdrażania rozwiązań opartych na AI w taki sposób, aby w miarę w krótkim czasie osiągać namacalne wyniki biznesowe. Rekomendujemy próbne czy pilotażowe wdrożenia na niewielką skalę, które pozwolą ocenić wartość sztucznej inteligencji i przygotować firmy do wdrożeń na szerszą skalę w krótkim czasie. Drugi bardzo istotny element to jest kwestia zapewnienia właściwych danych. Żeby AI działało właściwie, musi być zasilone danymi bardzo dobrej jakości i na to trzeba zwrócić szczególną uwagę, aby zapewnić zbiory wiarygodnych i aktualnych danych, które są podstawą do wykorzystania przez modele AI. Trzeci bardzo ważny element to zaangażowanie pracowników. Chodzi o to, żeby pracownicy nie obawiali się sztucznej inteligencji, tylko potrafili z niej korzystać. Należy przygotować programy reskillingowe, które spowodują, że organizacja będzie efektywnie wykorzystywać nowe możliwości, eliminując powtarzalne działania, które mogą być zastąpione przez sztuczną inteligencję.
Adam J. Kępa: Dwie ostatnie rekomendacje, to szkolenia pracowników z wykorzystania technologii AI, co jest konieczne, aby złagodzić ich obawy i dać czas na zrozumienie, jak działa AI i jak ją wykorzystać. No i rzecz absolutnie oczywista to jasny biznes plan z mierzalnym ROI, który pokazuje, na ile wdrożenie tego typu systemów poprawia efektywność i czy przebiega zgodnie z planem.
