Wyniki badania – Generatywna AI w bankowości – wskazują, że sektor bankowy pozostaje daleki od obojętności w zakresie rozwoju nowych cyfrowych narzędzi. 45% badanych instytucji finansowych już inwestuje w rozwiązania oparte o GenAI, a 52% planuje ten krok. Głównymi motywatorami są poprawa produktywności (78%) i jakości obsługi klienta (60%), natomiast największy wpływ oczekiwany jest w obszarze sprzedaży w związku z automatyzacją procesów ofertowania (66%). Co ciekawie jedynie 13% badanych wskazuje na możliwy spadek interakcji międzyludzkich (13%). Banki najchętniej wprowadzają narzędzia wspierające działania marketingowe (69%), poprawiające działanie chatbotów (68%) lub wspierające wykrywanie prania brudnych pieniędzy (57%). Efekty podejmowanych działań będą jednak rozciągnięte w czasie – 64% firm przewiduje że ich narzędzia wykorzystujące GenAI pojawią się w 2024 roku, a 9% nawet 12 miesięcy później.
Badanie EY-Parthenon jasno wskazuje, że generatywna sztuczna inteligencja na dobre zagościła już w sektorze bankowym. Już 45% instytucji finansowych zainwestowało w rozwiązania oparte o GenAI, a 52% to planuje lub jest bardzo zainteresowane aby dowiedzieć się więcej na temat tej technologii. Prym wiodą największe banki – w przypadku grupy o wysokości depozytów powyżej 500 miliardów dolarów odsetek podmiotów, które dokonały już inwestycji wynosi 60%. Dla porównania wśród banków dysponujących depozytami w wysokości poniżej 50 miliardów dolarów ten wskaźnik jest ponad dwukrotnie mniejszy (28%). Każda tak poważna decyzja zaczyna się od zebrania odpowiednich pracowników, nie może więc dziwić że dedykowane zespołu utworzono już w 81% banków.
– Największym aktywem banków są oczywiście pieniądze, ale drugie w kolejce są dane. Naturalne jest więc ogromne zainteresowanie technologiami zwiększającymi efektywność analizy informacji. Zwłaszcza, gdy chodzi o rozwiązanie które równocześnie może być wsparciem dla zespołu sprzedaży, obsługi klienta czy przeciwdziałania praniu brudnych pieniędzy. Jej stopniowe wprowadzanie przez banki jest w pełni uzasadnione. Potencjalne korzyści są znaczące, jednak jeszcze większe mogą być straty. Efektywność sztucznej inteligencji opiera się na jakości dostarczonych danych. Stąd tak ważne jest zapewnienie ich bezpieczeństwa, a to sprawia że cała procedura wymaga czasu – mówi Marcin Pisarski, Partner EY Polska, Lider Data Technology.
Wsparcie sprzedaży przed redukcją kosztów
Podstawowymi motywatorami do wprowadzenia narzędzi bazujących na generatywnej sztucznej inteligencji jest zwiększenie produktywności (78%), poprawa doświadczeń konsumentów (60%), redukcja kosztów (59%) oraz wyróżnienie się na tle konkurencji (51%). Równocześnie to właśnie poprawa efektywności pracy doradców bankowych poprzez automatyzację procesów tworzenia dedykowanych prospektów sprzedażowych (66%) znalazła się na czele obszarów, w których zdaniem ankietowanych GenAI może mieć największy wpływ na sposób wykonywania obowiązków. Co warte podkreślenie, jedynie 13% badanych ekspertów uważa że ta technologia obniży interakcje interpersonalne.
Priorytetyzacja wykorzystania generatywnej sztucznej inteligencji w obszarze sprzedaży znajduje swoje odzwierciedlenie w inwestycjach w konkretne rozwiązania realizowane przez banki. W 69% instytucji skupiają się one na marketingu, w 68% na nadanie chatbotom bardziej „ludzkiego” charakteru, a w 57% na usprawnieniu procesu onboardingu oraz wsparciu procesów AML. Dalsze pozycję zajęły analizy prognostyczne (55%) i wykrywania prób oszust w czasie rzeczywistym (54%).
Równocześnie, jedynie 63% banków twierdzi że jest wystarczająco przygotowana w zakresie technologii, standardów bezpieczeństwa i zasobów ludzkich do implementacji narzędzi GenAI. Nie może więc dziwić, że w obszarze barier to właśnie obawy dotyczące bezpieczeństwa i prywatności danych zajmują pierwsze miejsce. W efekcie banki do wprowadzania dedykowanych narzędzi GenAI podchodzą z dużą ostrożnością. Jedynie 27% wprowadziło je w 2023 r., kolejne 64% zrobi to w 2024 r., a 9% dopiero w 2025 roku.
– Wprowadzanie rozwiązań opartych o generatywną sztuczną inteligencję, banki rozpoczęły od eksploracji wyjściowych zastosowań do jakich bazowe modele AI najlepiej są predestynowane. Niski próg wejścia do rozwiązań takich jak ChatGPT pozwala organizacjom na automatyzację pracy z tekstem i realizacji prostych zadań, wprowadzanie chatbotów czy zarządzanie wiedzą. Jednak osiągnięcie pełnej wartości płynącej z tej rewolucji będzie wymagało opracowania strategii AI dopasowanej do długoterminowych celów danego banku. Nowe podejście powinno uwzględniać nie tylko zaawansowane scenariusze użycia, ale także wzrost sprawności w modyfikowaniu komercyjnych modeli bazowych a może nawet tworzenia własnych rozwiązań opartych na modelach Open-Source. To w konsekwencji prowadzić będzie do rosnącej presji na wykorzystanie posiadanych i zbieranych przez banki danych – dodaje Arkadiusz Piotrak, Dyrektor w Dziale Strategii i Transakcji, odpowiedzialny za obszar rozwiązań Data i AI, EY Polska.
Wpływ na pracowników – chwilowo ograniczony
Wyniki badania wskazują, że na tym etapie implementacji, wpływ GenAI na pracowników będzie ograniczony. Ponad 53% badanych wskazuje, że w obszarze front office’u bezpośrednio dotkniętych będzie mniej niż 20% zatrudnionych osób. W przypadku back office’u analogiczny wskaźnik wynosi 34%. Zaangażowanie ponad 60% pracowników deklaruje odpowiednio 5% (front office) i 9% (back office) organizacji.
W zakresie potencjalnego wpływu na oszczędność czasu i kosztów w zadaniach realizowanych przez front office najwięcej wskazań zyskały obszary obsługi klienta (64%) i onboardingu (49%), a najmniej rozwoju produktu (28%). W przypadku back office’u są to zdaniem ankietowanych działy zarządzanie ryzykiem (66%) i operacyjny (62%). Na przeciwległym krańcu skali znalazły się finanse (17%) i HR (10%).
O badaniu
Badanie – Generatywna AI w bankowości – zostało wykonane przez ekspertów z EY-Parthenon w drugim kwartale 2023 roku na grupie 151 liderów kompetencyjnych z sektora bankowego w obszarze technologii, obsługi klienta, marketingu, strategii produktu i HR. W 55% reprezentowali oni instytucje z obu Ameryk, 28% z regionu Azji-Pacyfiku, 13% – Europy, a 4% – innych regionów świata.
