Wykorzystanie sztucznej inteligencji w procesach bankowych, efekty pierwszych wdrożeń realizowanych na dużą skalę oraz warunki niezbędne do dalszego rozwoju tej technologii były tematami debat prowadzonych przez ekspertów Deloitte podczas XVI Europejskiego Kongresu Finansowego. Przykłady prezentowane w trakcie wydarzenia pokazują, że rozwiązania oparte na AI pozwalają skrócić analizę dokumentacji kredytowej z blisko dziesięciu godzin do kilku minut, zwiększyć wydajność procesów KYC i AML nawet pięciokrotnie oraz automatyzować obsługę części spraw kierowanych do contact center. Coraz szersze zastosowanie takich technologii kieruje uwagę sektora finansowego na kwestie związane z danymi, infrastrukturą i technologiczną suwerennością, które będą miały wpływ na tempo dalszej transformacji.
Bankowość należy do branż, które najszybciej wdrażają narzędzia bazujące na generatywnej sztucznej inteligencji. Duże modele językowe już teraz wspierają analizę dokumentów, procesy kredytowe, działania związane z przeciwdziałaniem praniu pieniędzy (AML i KYC), obsługę klientów czy zarządzanie reklamacjami. W efekcie AI wpływa zarówno na efektywność operacyjną, jak i na tempo podejmowania decyzji.
– Trzy lata temu rozmawialiśmy głównie o eksperymentach, testowaniu modeli i poszukiwaniu zastosowań dla generatywnej sztucznej inteligencji. Kolejny etap przyniósł budowanie strategii i ocenę wartości biznesowej projektów. Dzisiaj natomiast mówimy o rozwiązaniach wdrożonych produkcyjnie oraz o procesach, w których AI realizuje zadania pod nadzorem człowieka. To bardzo dynamiczna zmiana – inne technologie potrzebowały wcześniej kilkunastu lat, aby osiągnąć podobny poziom dojrzałości – mówi Tomasz Filipek, CE GenAI Investment Programme Lead, Deloitte.
We wstępie do debaty „AI-first – przewaga konkurencyjna czy nowy wyścig zbrojeń w bankowości?”, prowadzonym przez Tomasza Filipka, zostały zaprezentowane konkretne dane i skala zmian zachodzących w organizacjach finansowych. W jednym z projektów prowadzonych przez Deloitte i wykorzystujących AI do wsparcia procesów kredytowych, analiza dokumentacji skróciła się z 9,8 godzin do między 4 a 10 minut. W obszarze reklamacji zastosowanie sztucznej inteligencji pozwoliło ograniczyć nakład pracy o około 60 proc., przy zachowaniu zgodności z wymogami regulatorów. Z kolei rozwiązania wspierające procesy KYC (know your customer) i AML (anti-money laundering) zwiększają wydajność pracy od trzech do pięciu razy.
AI-first nie oznacza wdrażania AI wszędzie
Jak podkreślano podczas debaty, źródło wartości stanowi zdolność organizacji do identyfikowania obszarów, w których AI może przynieść wymierne korzyści biznesowe.
– Największym błędem byłoby rozpoczynanie transformacji od technologii. Punktem wyjścia powinien być problem biznesowy, który organizacja chce rozwiązać, oraz wartość, którą zamierza osiągnąć. Dopiero później należy zdecydować, czy sztuczna inteligencja jest właściwym narzędziem. Takie podejście pozwala skutecznie priorytetyzować projekty i koncentrować inwestycje tam, gdzie mogą przynieść największy efekt dla organizacji, pracowników i klientów – mówi Paweł Spławski, partner, Financial Crime Leader, Deloitte.
W trakcie dyskusji wskazano trzy główne obszary wykorzystania sztucznej inteligencji w bankowości: automatyzację procesów, wsparcie pracowników oraz udogodnienia tworzone z myślą o klientach. Szczególnie szybko rozwija się drugi z tych obszarów. Narzędzia generatywnej AI wspierają przygotowywanie analiz, dokumentów i prezentacji, a także przyspieszają wyszukiwanie informacji.
Wiele uwagi poświęcono zmianom zachodzącym w sposobie pracy. Sztuczna inteligencja przejmuje część zadań administracyjnych i analitycznych, dzięki czemu pracownicy mogą poświęcać więcej czasu na działania wymagające wiedzy eksperckiej, oceny sytuacji i podejmowania decyzji. Oznacza to również nowe wymagania kompetencyjne. Większego znaczenia nabierają umiejętność krytycznej oceny wyników generowanych przez modele i zadawania właściwych pytań.
Postęp w dziedzinie AI stawia także przed instytucjami finansowymi nowe wyzwania związane z bezpieczeństwem i nadzorem. Dlatego obok zasady „know your customer” coraz częściej pojawia się również „know your model”, oznaczająca konieczność rozumienia sposobu działania wykorzystywanych narzędzi oraz stałej kontroli jakości podejmowanych przez nie działań.
Suwerenność technologii priorytetem
Tematem drugiej debaty, której gospodarzem był Deloitte, została kwestia stworzenia warunków umożliwiających dalszy rozwój sztucznej inteligencji. W dyskusji zwracano uwagę, że AI staje się nową warstwą infrastruktury gospodarczej.
– Rozmowa o AI nie dotyczy już wyłącznie modeli, agentów czy kolejnych zastosowań biznesowych. Na pierwszy plan wysuwają się pytania o to, gdzie przechowywane są dane, kto kontroluje infrastrukturę, jak zarządzać kosztami mocy obliczeniowej i w jaki sposób budować odporność organizacji na rosnącą zależność od globalnych dostawców technologii. Sztuczna inteligencja powinna być traktowana jako jeden z obszarów strategicznych nie tylko dla sektora finansowego, ale również dla całej gospodarki – mówi Michał Pieprzny, partner, CE Technology & Transformation, Consulting Market Leader for Poland, CE Nvidia Alliance Leader.
Jednym z najważniejszych zagadnień poruszanych podczas debaty „Suwerenna AI bez iluzji: kontrola kosztów, danych i bezpieczeństwa w skali” była kwestia technologicznej suwerenności. W centrum dyskusji znalazło się zagadnienie dostępu do infrastruktury obliczeniowej. Uczestnicy zwracali uwagę, że dynamiczny rozwój sztucznej inteligencji będzie wymagał coraz większych zasobów energetycznych, co stawia przed Polską i Europą wyzwanie związane z zapewnieniem stabilnych, dostępnych i konkurencyjnych cenowo źródeł energii. Podkreślano, że bez inwestycji w infrastrukturę energetyczną trudno będzie budować długoterminową przewagę konkurencyjną oraz bezpiecznie skalować AI.
Wskazywano również na rosnącą rolę sektora finansowego jako użytkownika technologii AI oraz potencjalnego źródła finansowania inwestycji niezbędnych do budowy jej fundamentów. Dyskutowano także o ryzyku nadmiernego uzależnienia od pojedynczych dostawców technologii i potrzebie budowania bardziej zdywersyfikowanego oraz odpornego ekosystemu cyfrowego.
