Raport Specjalny | IT@BANK 2024 – Ab Initio | Wnioski z Doliny Krzemowej | Jak generatywna AI rewolucjonizuje bankowość

Z kowbojskiej do odpowiedzialnej AI

Obecnie znajdujemy się w przełomowym momencie dla sztucznej inteligencji. Generatywna AI, choć obiecująca, wciąż balansuje między eksperymentami a wdrożeniami na dużą skalę. Według Stephena Brobsta, skończył się czas „kowbojskiej AI”, kiedy informatycy eksperymentowali z nowymi narzędziami bez pełnej kontroli nad ich wynikami. Dziś kluczowe pytania, na które muszą odpowiedzieć banki, to: gdzie jest zwrot z inwestycji oraz jak zapewnić wartość w ramach wdrożeń AI?

Nie wystarczy jedynie korzystać z tej technologii – konieczne jest także pełne zrozumienie ryzyk z nią związanych. Wprowadzenie nowych regulacji, takich jak ustawa o sztucznej inteligencji w UE, wymusza na bankach jeszcze większą ostrożność. Będą musiały wykazać się odpowiedzialnym zarządzaniem danymi oraz transparentnością wobec regulatorów i klientów.

Oczekiwania kontra rzeczywistość – jak unikać „zimy AI”?

Jednym z największych wyzwań, z którym borykają się firmy wdrażające GenAI, jest nadmierne rozbudzanie oczekiwań. Brobst podkreśla, że w świecie bankowości oczekiwania wobec wzrostu produktywności dzięki AI są czasami zawyżane. Przykładowo, sprzedawcy często promują wizje 40–50% wzrostu wydajności, jednak realny wzrost wynosi zwykle 10–20%, co już jest bardzo dobrym wynikiem.

Takie podejście może prowadzić do rozczarowania, a w skrajnych przypadkach nawet do „zimy AI” – okresu, w którym technologia traci na popularności z powodu niespełnionych obietnic. Zamiast stawiać na huczne zapowiedzi, lepszą strategią jest dowodzenie wartości AI poprzez małe, udane projekty, które stopniowo przynoszą realne korzyści.

Generatywna AI w praktyce – od kodu po optymalizację procesów

Generatywna AI to nie tylko narzędzie do generowania tekstu. Jej zastosowania w bankowości są znacznie szersze, od automatyzacji kodu, poprzez analizę danych, aż po optymalizację całych procesów biznesowych. Dzięki tej technologii banki mogą np. zoptymalizować podróż klienta – przewidywać i dostosowywać kolejne kroki interakcji z klientem, w sposób zbliżony do myślenia szachisty planującego 15 ruchów do przodu.

Jednak, aby to osiągnąć, banki muszą nauczyć się języka opisywania swoich procesów biznesowych oraz zebrać odpowiednie dane historyczne. Wdrożenie GenAI w takim kontekście wymaga nie tylko zaawansowanej technologii, ale także głębokiego zrozumienia procesów, które ta technologia ma optymalizować.

Generative AI to tylko jedno z dostępnych narzędzi

Obecnie instytucje finansowe i dostawcy technologii spieszą się z projektami generatywnej AI. Jak zauważa Michał Walerowski, w pogoni za nowościami zapominamy o sprawdzonych narzędziach klasycznego uczenia maszynowego. Świetnie się sprawdzają w segmentacji klientów, wykrywaniu nadużyć czy scoringu kredytowym. Tradycyjny ML oferuje wysoką skuteczność, niższe koszty i przede wszystkim wyjaśnialność, co jest kluczowe w krytycznych procesach dodaje Brobst.

Monetyzacja danych – niewykorzystany potencjał banków

Banki mają dostęp do ogromnych ilości danych, jednak nie wykorzystują w pełni ich potencjału. Czynników, które to powodują jest wiele, ale jednym z kluczowych jest budowanie silosów z danymi i brak spójnego widoku na nie – podkreśla Walerowski. Jak zauważa Brobst, jakość danych, zwłaszcza tych z back office, często nie jest wystarczająca, aby można było je skutecznie monetyzować. Aby to zmienić, banki muszą wdrożyć bardziej rygorystyczne zarządzanie danymi oraz zautomatyzować procesy poprawy ich jakości.

Warto podkreślić, że dane nie ulegają wyczerpaniu – wręcz przeciwnie, im więcej ich wykorzystujemy, tym stają się cenniejsze. W tym kontekście generatywna AI może pomóc bankom w automatyzacji tworzenia reguł jakości danych, co pozwoli na efektywniejsze zarządzanie tym zasobem i otworzy drzwi do jego monetyzacji.

Klucz do sukcesu – zarządzanie zmianą i zwinność

Wdrożenie GenAI w bankowości nie jest jedynie kwestią technologii – to także ogromne wyzwanie organizacyjne. Brobst zwraca uwagę, że technologia to często najłatwiejsza część wdrożenia. Prawdziwe wyzwanie polega na zarządzaniu zmianą w organizacji. Bez przemyślanej transformacji procesów biznesowych oraz zaangażowania ludzi z różnych działów wdrożenie AI może zakończyć się niepowodzeniem

W tym kontekście kluczową rolę odgrywa zwinność. Brobst podkreśla, że należy realizować małe kroki, które stopniowo przybliżają organizację do większej wizji. Model zwinnego podejścia, w którym dostarczane są przyrostowe wartości, pozwala nie tylko na szybsze osiąganie rezultatów, ale także na lepsze dopasowanie się do zmieniających się realiów biznesowych.

Walerowski twierdzi, że projekty dotykające danych są często postrzegane przez biznes jako projekty stricte technologiczne. Z tego powodu przedstawiciele linii biznesowych niechętnie się w nie angażują i wolą skoncentrować się na swoich bieżących zadaniach. Prawda jest jednak taka, że bez właścicielstwa i zaangażowania biznesowego takie projekty nie kończą się sukcesami.

Adaptacja i innowacja – przepis na sukces w zmieniającym się świecie

Aby banki mogły skutecznie konkurować w zmieniającym się świecie, muszą być gotowe na ciągłą adaptację. Jak zauważa Brobst, organizacje, które optymalizują się wyłącznie pod kątem obecnej rzeczywistości, stają się kruche i podatne na zmiany. Elastyczność i otwartość na innowacje to klucz do sukcesu.

Kultura organizacyjna powinna akceptować porażki jako część procesu nauki. W sektorze finansowym, który tradycyjnie jest bardziej konserwatywny od innych sektorów, zmiana tego podejścia może być trudna, ale niezbędna. Banki powinny postrzegać ryzyko jako integralną część innowacji, a swoje inwestycje traktować jak portfel – zdywersyfikowany, z różnymi poziomami ryzyka i potencjalnych korzyści.

Generatywna sztuczna inteligencja ma ogromny potencjał w branży finansowej, ale jej wdrożenie wymaga odpowiedniego podejścia, opartego na realistycznych oczekiwaniach, zarządzaniu danymi oraz adaptacji procesów biznesowych. Banki, które zrozumieją te wyzwania i podejdą do wdrażania AI w sposób przemyślany i elastyczny, będą miały szansę zyskać znaczną przewagę konkurencyjną. Jednak, jak podkreśla Brobst, kluczem do sukcesu jest zwinność, zaangażowanie oraz gotowość do ciągłego uczenia się i dostosowywania się do nowych wyzwań.

Zdjęcia pochodzą ze spotkania „Przyszłość bankowości z GenAI: od prototypów do skalowalnych wdrożeń”, które odbyło się 9 października 2024 r. w Warszawie.