Sektor usług finansowych czerpie wymierne korzyści z wdrożeń dotyczących sztucznej inteligencji. Najczęściej jednak liderzy mówią o rozwoju sztucznej inteligencji w ich organizacjach w kontekście GenAI. Jak wykazano w ostatnim wspólnym badaniu SAS i KPMG, już w 2024 roku 17 proc. badanych liderów w bankowości w pełni zintegrowało GenAI z podstawowymi procesami swoich organizacji. Jak wygląda z kolei wdrażanie obecnie najbardziej dynamicznie rozwijającej się technologii, jaką jest agentic AI?
Agenty AI to zasilane przez sztuczną inteligencję systemy, które wykonują złożone zadania oraz podejmują decyzje przy różnym stopniu zaangażowania człowieka. Poprzez integrację danych, wykorzystywanie analitycznych procesów workflow oraz silnika decyzyjnego, agenty mają zdolności adaptacji i złożonego rozumowania, co daje im przewagę nad tradycyjnymi chatbotami i dużymi modelami językowymi (LLM). Co ważne, nieustannie stają się one coraz bardziej samodzielne, gromadzą wiedzę z funkcjonowania i realnie usprawniają podejmowanie decyzji – mówi Miłosz Trawczyński, Consulting Director w SAS Polska.
Agent AI to już nie reaktywny chatbot, a samodzielny system, który potrafi zaplanować działania, wybrać narzędzia i doprowadzić zadanie do końca. W praktyce oznacza to, że agentowi AI można przydzielić obsługę procesów w taki sam sposób, jak samodzielnemu pracownikowi, a ten weźmie za nie odpowiedzialność: od obsługi klienta, przez analizę ryzyka, po zarządzanie danymi. Sektory, w których znaczącym elementem bieżących operacji jest bezpośrednia obsługa klienta czy analiza danych, a więc np. sektor finansowy, mogą szczególnie skorzystać na tego typu rozwiązaniach. Dla banków jest to szansa na zwiększenie wykorzystania potencjału wykwalifikowanych pracowników przy realizacji kluczowych, strategicznych zadań.
Wiele potrzeb bankowości
Kluczowe obszary, w których banki mogą potrzebować usprawnienia swoich operacji, to m.in. monitorowanie transakcji w celu wykrywania podejrzanych zachowań, rozpatrywanie wniosków klientów i natychmiastowe wykrywanie prób założenia fałszywych kont, wykonywanie audytów wewnętrznych w celu zapewnienia zgodności z regulacjami, czy dbanie o bezpieczeństwo danych udostępnionych stronom trzecim. W tym zakresie dane syntetyczne oraz agenty AI mogą okazać się szczególnie skuteczne.
Zdolność do samodzielnego działania to kolejny krok w rozwoju sztucznej inteligencji. Autonomiczne działanie oznacza także dostosowywanie się agentów AI do zmian i nowych uwarunkowań w oparciu o dane i udoskonalaniu swojego zachowania w miarę upływu czasu – mówi Miłosz Trawczyński.
Agentic AI opiera się na algorytmach planowania, uczeniu się przez wzmocnienie lub współczynnikach pomagających zorientować agentów na dany cel, aby realizowały złożone zadania. Dzięki temu, technologia ta jest szczególnie skuteczna w dynamicznych środowiskach, gdzie niezbędne jest podejmowanie decyzji w czasie rzeczywistym i zdolność adaptacji. W miarę, jak systemy agentic AI zyskują autonomię, ich zdolność do podejmowania strategicznych decyzji na dużą skalę rośnie i staje się coraz bardziej znacząca dla realizowanych procesów. Nowoczesne agenty AI mogą skutecznie badać, analizować i syntetyzować informacje, a do tego dostosowywać i optymalizować przepływy pracy pod nieobecność człowieka.
Złożony, choć prosty w obsłudze system
Banki mają świadomość, że odpowiednie, transformacyjne wdrożenia najnowszych technologii są kluczem do zachowania konkurencyjności w czasach cyfrowej dywersyfikacji usług finansowych. Jak wynika z raportu Future of Intelligent Banking: AI, Risk and Innovation in 2025, zdecydowana większość banków tradycyjnych spodziewa się dalszego zaostrzenia konkurencji ze strony banków wyłącznie cyfrowych, fintechów oraz Big Techów.
Agentic AI działa poprzez postrzeganie, rozumowanie i działanie, a w zależności od potrzeb może uczyć się wspólnie z użytkownikami lub bez nich. To fundament ewentualnego przechodzenia do wdrożeń kompleksowych ekosystemów AI w środowiskach wielochmurowych i hybrydowych. Żeby to się udało, firmy powinny tworzyć jasne strategie synchronizacji różnych obszarów sztucznej inteligencji, z agentic AI na czele. Każdy taki proces wdrożenia wymaga jednak jednostkowej, zindywidualizowanej identyfikacji kluczowych obszarów i procesów, w których możliwa jest automatyzacja – mówi Miłosz Trawczyński.
SAS wspiera swoich klientów na różnych etapach rozwoju i dostosowania agentów AI, od pozyskiwania i analizy danych po budowanie, wdrażanie i monitorowanie rozwiązań. Umożliwia też ciągłe śledzenie wydajności, nadzór i bezpieczeństwo, oferując kompleksowe i usprawnione podejście do zarządzania agentami AI w ramach całego ich cyklu życia.
Wyżej wymieniony raport Future of Intelligent Banking: AI, Risk and Innovation in 2025 jest oparty na odpowiedziach 1700 menedżerów wyższego szczebla z całego świata oraz na pogłębionych wywiadach z wybranymi członkami kadry kierowniczej sektora bankowego i fintech. Publikacja jest kontynuacją badania Banking in 2035, opublikowanego przez Economist Impact i SAS w 2022 roku. Z kolei raport The road to integration: The state of AI and machine learning adoption in anti-money laundering compliance, będący kontynuacją badania z 2021 r., pokazuje skalę wykorzystania AI i ML w obszarze przeciwdziałania praniu pieniędzy.
