SAS – globalny lider w obszarze danych i sztucznej inteligencji – zaprezentował raport From Algorithms to Impact: Banking’s AI Future. Dokument pokazuje, jak banki z różnych części świata wykorzystują AI, by łączyć innowacje z odpowiedzialnością i realnymi wynikami biznesowymi.
W raporcie głos zabrali przedstawiciele czterech instytucji finansowych: Banorte z Meksyku, Intesa Sanpaolo z Włoch, Millennium BCP z Portugalii oraz Old National Bank z USA. Wspólnie wyznaczyli pięć kluczowych lekcji, które mogą pomóc każdemu bankowi – niezależnie od wielkości i skali działania – przeprowadzić transformację AI w sposób przemyślany, bezpieczny i opłacalny.
Wszyscy znamy powiedzenie: zaufanie zdobywa się kroplami, a traci wiadrami. W bankowości to wyjątkowo prawdziwe. Zaufanie to najcenniejsza, a zarazem najbardziej krucha waluta sektora finansowego. AI może je wzmacniać – pod warunkiem, że jest wdrażana odpowiedzialnie. Bez właściwego nadzoru ryzyka rosną szybciej niż korzyści – mówi Stu Bradley, Senior Vice President, Fraud, Risk and Compliance Solutions w SAS.
Lekcja 1: Skup się na biznesie, a nie modnych hasłach
Banki nie mogą traktować sztucznej inteligencji jak eksperymentu czy pobocznego projektu. AI powinna być integralną częścią strategii biznesowej – narzędziem, które wzmacnia odporność organizacji i buduje jej przewagę konkurencyjną – podkreślają menedżerowie branży.
Innowacje i AI muszą być uznane za filar strategii instytucji. Nadzór z samej góry nad tego typu projektami to warunek konieczny – mówi Abraham Izquierdo, Managing Director of Trading and Treasury Risks w Banorte.
Priorytet jest równie jasny dla José Miguela Pessanhy, Chief Risk Officera w Millennium BCP: Tworzymy modele, które pozwolą lepiej przygotować się na niekorzystne scenariusze w perspektywie pięciu lat. Jeśli dojdzie do kryzysu, skuteczniej złagodzimy skutki wzrostu niespłacalności.
Lekcja 2: Stawiaj na ludzi przed technologią
Choć sztuczna inteligencja w błyskawicznym tempie zmienia sposób, w jaki pracownicy banków wykonują swoje obowiązki, ludzki „dotyk” pozostaje niezastąpiony. Liderzy branży są zgodni: inwestycje w umiejętności i kulturę organizacyjną są równie istotne jak wydatki na platformy technologiczne i rozwiązania bankowe oparte na AI.
Narzędzia AI nie są w stanie jednoznacznie odpowiedzieć na kluczowe pytania: Jak zminimalizować wpływ zmian na bank? Jaką strategię zarządzania ryzykiem przyjąć później? Odpowiedzi wymagają kreatywnego podejścia i zdolności rozwiązywania problemów przez liderów – podkreśla Pessanha.
W podobnym tonie wypowiada się Andrea Cosentini, Head of Data Science and Responsible AI w Intesa Sanpaolo. Jak zaznacza, to właśnie aspekt kulturowy, wynikający z przywództwa skoncentrowanego na człowieku, stał się jednym z wyróżników banku.
Uznając sukcesy oparte na danych, tworzymy kulturę, w której dane są postrzegane jako zasób strategiczny. Analizując historyczne dane kredytowe, bank opracowuje nowe modele udzielania pożyczek dla niedostatecznie obsługiwanych grup, promując równość w dostępie do finansów – mówi Cosentini.
Dzięki temu podejściu Intesa Sanpaolo może jeszcze lepiej odpowiadać na potrzeby klientów i społeczności.
Lekcja 3: Zadbaj o solidne podstawy, zanim zaczniesz skalować
Liderzy sektora bankowego podkreślają, że kluczem do skutecznego wykorzystania sztucznej inteligencji jest najpierw stworzenie solidnej infrastruktury i rozwinięcie kluczowych kompetencji. Najpierw zadbaj o stabilną, chmurową platformę z jasno określonymi zasadami zarządzania danymi oraz wykorzystania danych syntetycznych – dopiero później na takim fundamencie buduj zaawansowane zastosowania AI.
Zauważyliśmy potrzebę ujednolicenia naszych danych, by mogły służyć różnym celom – od rezerw kapitałowych po kalkulacje płynności i ryzyka stóp procentowych. Zanim zaczniesz biegać, musisz nauczyć się chodzić – wyjaśnia Pessanha.
Andrew McCammack, Data Science Officer w Old National Bank, zwraca uwagę, że nawet proste aplikacje wymagają solidnych fundamentów, jeśli mają się skalować: Generatywna AI jest niezwykle pomocna w tworzeniu kompletnej bazy kodu. Dzięki temu możemy napędzać nową falę innowacji.
Z kolei Izquierdo z banku Banorte dodaje: Wdrażanie rozwiązań AI i chmurowych to proces wieloletni, wymagający etapowego podejścia. Warto mieć długoterminową wizję, ale jednocześnie wyznaczać krótkoterminowe, precyzyjne cele. Utrzymanie odpowiedniego tempa pozwala zachować zgodność z regulacjami i budować zaufanie.
Lekcja 4: Daj przestrzeń innowatorom w swoim banku
Budowanie przyszłości bankowości w oparciu o sztuczną inteligencję wymaga przejścia od kupowania innowacji do samodzielnego ich tworzenia. Wyposażenie zespołów IT i deweloperów w narzędzia AI otwiera drogę do ogromnych wzrostów produktywności – uwalnia pracowników od żmudnych, rutynowych zadań, pozwalając im skupić się na rozwiązywaniu złożonych problemów i tworzeniu nowych rozwiązań.
Takie podejście zaprocentowało w Old National Bank. Zamiast ręcznego wprowadzania danych kredytowych, bank wykorzystał AI do wygenerowania 90% kodu nowego, internetowego systemu obsługi pożyczek.
Arkusze Excela przeszły do historii. Dziś pracownicy mogą poświęcić czas na pogłębioną analizę, która przynosi realną wartość biznesową – mówi McCammack.
W naszym banku promujemy kulturę, w której cenione jest pytanie ‘dlaczego’. Dzięki temu specjaliści data science mogą projektować eksperymenty i modele testujące hipotezy, weryfikować lub obalać założenia, a przy tym odkrywać przełomowe rozwiązania – dodaje Pessanha z Millennium.
Podobne efekty obserwuje Banorte. Jak podkreśla Izquierdo: Możemy podejmować decyzje strategiczne w perspektywie krótkiej, średniej i długiej, opierając się na faktach, danych i modelach. To pozwala nam szybciej reagować na zmienność i złożoność rynków.
Lekcja 5: Pozostań ciekawy, innowacyjny i połączony
Sztuczna inteligencja to nie technologia typu „ustaw i zapomnij”. To nieustanny proces eksperymentowania, uczenia się i adaptacji. Liderzy bankowości podkreślają, że kluczowe znaczenie ma również współpraca – zarówno wewnątrz organizacji, jak i z partnerami zewnętrznymi – by nadążać za szybkim tempem rozwoju AI, od dzisiejszych rozwiązań generatywnych po nadchodzące innowacje w dziedzinie agentów AI i kwantowej sztucznej inteligencji.
Chcemy zacieśniać współpracę z uczelniami i startupami, by lepiej rozumieć, na czym skupiają swoje badania i rozwój – mówi Pessanha z Millennium.
McCammack z Old National dodaje: Rozpoczęliśmy strategię budowania całego pakietu lekkich aplikacji, w których AI generuje kod źródłowy. Jeśli jednak chcesz skalować to rozwiązanie i wdrożyć je na poziomie korporacyjnym, potrzebujesz kompletnej bazy kodu – a w tym GenAI okazuje się niezwykle pomocna.
Podobne podejście prezentuje Andrea Cosentini z Intesa Sanpaolo: Generatywna AI może napędzać innowacje, tworząc nowe pomysły i rozwiązania, które pomagają nam wyprzedzać konkurencję i reagować na zmiany rynkowe. Pełny potencjał AI ujawnia się jednak dopiero wtedy, gdy towarzyszy jej człowiek – to on gwarantuje, że w centrum procesu pozostają kreatywność, odpowiedzialność i strategiczne myślenie.
Jak podkreśla Izquierdo z Banorte, również jego bank poszerza wykorzystanie AI: Generatywna sztuczna inteligencja odegra kluczową rolę w wzmacnianiu naszego poziomu cyberbezpieczeństwa i zapewnianiu ciągłości działania biznesu.
