Raport specjalny | Trendy bankowości 2025 – SAS POLSKA | Kiedy wdrożenie AI się opłaca
Co należy zrobić, by sztuczna inteligencja w bankowości była bezpiecznym i efektywnym narzędziem w niestabilnych czasach?
– Sektor bankowy stoi dziś w obliczu nowej ery zmienności i niepewności. Rosnące ryzyko stóp procentowych i płynności doprowadziło do upadku ośmiu banków od 2023 r. Ryzyko kredytowe, w sytuacji napięć geopolitycznych i presji inflacji, jest ogromne. Zmiany i złożoność regulacji to kolejne wyzwanie. AI może pomóc w budowaniu odporności i transformacji sektora finansowego, jednak to, czy zmiana będzie na lepsze, czy na gorsze, zależy od podejścia organizacji i gotowości do wdrożenia nowych rozwiązań. Kluczem do odblokowania pełnego potencjału sztucznej inteligencji i uczenia maszynowego jest integracja źródeł danych, zespołów i technologii. Równie istotne jest bezpieczne i odpowiedzialne podejście do wykorzystania algorytmów, aby uniknąć potencjalnych zagrożeń.
Zwłaszcza banki nie mogą sobie pozwolić na utratę zaufania klientów czy instytucji regulujących i nadzorujących rynek. Nieprzemyślana implementacja AI może doprowadzić do błędnych decyzji. Kluczowe jest zatem wykorzystanie sprawdzonych i bezpiecznych narzędzi, które nie tylko gwarantują ochronę i prywatność danych, ale także zapewniają, że algorytmy działają w sposób etyczny i uwzględniają aspekt odpowiedzialności organizacji za wykonywane przez nie działania. W SAS definiujemy cztery główne filary wiarygodnej sztucznej inteligencji, którymi są: nadzór i właścicielstwo, operacjonalizacja, zgodność z regulacjami (compliance) i kultura organizacyjna. Każdy z tych wymiarów powinien być wzięty pod uwagę przy planowaniu realizacji projektów wdrożenia wiarygodnej AI.
Jakie kroki powinny podjąć instytucje finansowe, aby skutecznie i bezpiecznie zintegrować AI w swoich procesach biznesowych?
– Przede wszystkim banki muszą mieć przekonanie, że chcą wykorzystać sztuczną inteligencję oraz stworzyć jasną strategię jej wdrożenia i zastosowania. Trzeba zacząć od solidnego, biznesowego uzasadnienia dla wdrożenia AI oraz zidentyfikowania konkretnych obszarów i procesów, w których może ona najbardziej pomóc. Są to obszary bardzo mocno powiązane z tym, co najsilniej wpływa na ocenę skuteczności biznesu, czyli sprzedaż, marketing, zarządzanie ryzykiem czy przeciwdziałanie nadużyciom.
Kiedy organizacja już wie, w jakim celu i w jakim obszarze chce zastosować AI, należy przystąpić do szczegółowego opisania procesu, który ma być wspierany przez tę technologię. To zadanie wymaga określonej wiedzy i kompetencji. Dodatkowo niezbędne jest przygotowanie danych oraz zagwarantowanie, by były one wiarygodne i odpowiedniej jakości. Jednocześnie ważne jest to, żeby w całym tym procesie zapewnić sobie odpowiednią przestrzeń na eksperymentowanie oraz możliwość kalibracji rezultatów pod względem pierwotnych oczekiwań i na odwrót – dostosowywania oczekiwań do możliwości ludzi, danych i AI. W takim trybie eksperymentowania przedsiębiorstwo musi być również gotowe na to, aby wybrane eksperymenty wygaszać, jeżeli nie spełniają one konkretnych założeń biznesowych.
Gotowość organizacji do inwestycji w eksperymentowanie jest niezwykle istotnym aspektem poszukiwania potwierdzenia uzasadnienia biznesowego, jak również budowania kompetencji i kultury wykorzystywania AI w organizacji. Nie wszystkie eksperymenty kończą się sukcesem, jednak wiedza i doświadczenie płynące z każdego z nich zwiększa prawdopodobieństwo sukcesu kolejnych inicjatyw.
Firmy muszą także mieć świadomość tego, że do wdrożenia rozwiązań sztucznej inteligencji potrzebują odpowiednich ról i umiejętności. Tu wchodzimy w obszar budowania kultury organizacji i tworzenia kompetencji na różnych szczeblach – adekwatnie do roli danej osoby w całym procesie wdrożenia. Niezwykle istotne jest także umocowanie projektu AI na poziomie zarządu organizacji. Bez silnego sponsora, który ma wiarę w projekt oraz możliwości do podejmowania odważnych decyzji, takie przedsięwzięcia mają niewielką szansę powodzenia. Wreszcie istotne jest także to, żeby firma miała inżynierów gotowych zaprojektować model konsumpcji wyników pracy AI przez procesy i systemy operacyjne, które działają w organizacji.
Na jakie główne przeszkody napotykają firmy przy wdrażaniu sztucznej inteligencji?
– Kwestia przeszkód czy wyzwań koresponduje z tym, co powiedziałem przed chwilą. Czyli to może być brak uzasadnienia biznesowego dla wdrożenia AI, niewystarczające kompetencje, niekompletność danych, brak zaufania do stabilności algorytmów. Ostatnio można było zaobserwować, jak wiele firm zachłysnęło się GenAI. Okazuje się jednak, że nie każdy pomysł jej wdrożenia posiadał właściwe uzasadnienie biznesowe lub fundamenty w danych i wiele z nich zakończyło się fiaskiem. Wyzwaniem w projektach AI jest zawsze jakość, kompletność danych, które są potrzebne do wytrenowania modelu. A także zbudowanie zaufania do sztucznej inteligencji, stabilności i przewidywalności generowanych rezultatów, efektów jej pracy zarówno po stronie klientów, aby czuli się bezpiecznie, jak i po stronie pracowników, by nie obawiali się, że maszyna ich zastąpi.
A jakie są najważniejsze aspekty, na które firmy powinny zwrócić uwagę, aby wdrożenie AI było nie tylko skuteczne, ale również bezpieczne i zgodne z regulacjami?
– Kiedy mówimy o bezpieczeństwie i zgodności z regulacjami istotne jest, aby wykorzystać wsparcie, jakie oferuje nam zaprojektowana w tym celu technologia. W procesie budowania rozwiązania AI, osoby odpowiedzialne za tworzenie modeli muszą mieć dostęp zarówno do charakterystyki danych branych przez model pod uwagę, rozkładu scoringów, który generują oraz alertów, które ostrzegają o ryzykach, np. dotyczących potencjalnego problemu z etycznością działania algorytmów mogących dyskryminować lub faworyzować pewną grupę. Dlatego osoby, które współpracują z SAS i korzystają z platformy SAS Viya przy tworzeniu modeli analitycznych, otrzymują karty scoringowe wspierające proces monitorowania i zarządzania modelami. Analitycy są w stanie kompleksowo diagnozować aspekty wymagające uwagi oraz zaplanować działania zapewniające zgodność modelu z regulacjami.
SAS jest liderem w zakresie tworzenia i wdrażania rozwiązań AI w sektorze bankowym. W którym momencie całego procesu wdrażania sztucznej inteligencji warto się z wami skontaktować?
– Z naszego doświadczenia wynika, że im szybciej klient zwróci się do nas, tym lepiej potem układa się współpraca. Dlatego, gdy w firmie pojawia się pomysł czy inicjatywa wdrożenia sztucznej inteligencji, zachęcam do zaproszenia ekspertów z SAS już na wczesnym etapie „brainstormingu”. Wspólnie oceniamy zasadność biznesową pomysłu, warunki brzegowe, prawdopodobieństwo zrealizowania go z sukcesem, dzielimy się przy tym doświadczeniami i inspiracjami ze świata oraz rekomendujemy kierunek rozwoju inicjatywy. W kolejnym etapie decydujemy wspólnie, jaka technologia jest klientowi potrzebna, planujemy kolejne kroki itd. Możemy to zrobić, ponieważ w Polsce mamy zespół ponad 300 ekspertów, którzy zajmują się projektami w obszarze danych i sztucznej inteligencji. Z pewnością na polskim rynku to jest nasz wyróżnik i coś unikalnego.
Drugim wyróżnikiem jest technologia – nasze projekty budujemy głównie w oparciu o platformę SAS Viya, wykorzystując przy tym różne języki programowania, w tym Python i R. Technologia jest istotnym wsparciem na każdym etapie wdrażania projektów AI. Dzięki niej można od początku do końca zaprojektować i kompleksowo wesprzeć cały proces wdrożenia, utrzymania i doskonalenia. SAS Viya dostarcza narzędzia do tego, żeby poradzić sobie np. z tą najbardziej wymagającą częścią projektów, która dotyczy danych – ich agregacji, integracji, kalkulacji cech itd. W drugiej części dzieje się tzw. analityczna magia – platforma dostarcza kilkaset algorytmów, z którymi można eksperymentować, by dążyć do oczekiwanego efektu.
Co istotne, SAS Viya pozwala wykorzystywać duże modele językowe (LLM), a także, dzięki SAS Data Maker, anonimizować dane wrażliwe oraz generować syntetyczne dane wykorzystywane podczas szkolenia algorytmów. Jej otwartość na różne języki programowania, również open source, a także natywna integracja z wiodącymi platformami chmurowymi, pozwala na wybór preferowanych przez klienta technologii i wykorzystanie dostępnych kompetencji w zespołach.
W kontekście dynamicznych zmian rynkowych i technologicznych kluczowym czynnikiem sukcesu dla instytucji finansowych staje się umiejętne i odpowiedzialne wykorzystanie sztucznej inteligencji. Tylko poprzez strategiczne planowanie, integrację danych i technologii, a także dbałość o etyczne aspekty wdrożenia, banki będą w stanie budować trwałą wartość i zaufanie klientów.
