O wykorzystaniu algorytmów sztucznej inteligencji czy uczenia maszynowego w bankowości mówi się od dawna. Po okresie niepoprawnego optymizmu i snuciu planów rodem z filmów science fiction, przyszedł czas na zderzenie się z rzeczywistością i trudna praca od podstaw. Wygląda na to, że wiemy już sporo na temat wymagań, jakie organizacja musi spełnić, by zastosowanie sztucznej inteligencji miało sens. Mamy zidentyfikowane procesy, których automatyzacja przyniesie najwięcej korzyści klientom i samym bankom, wciąż pilnujemy ryzyka, jakie niesie ze sobą wykorzystanie tej wciąż nowej technologii.

Sztuczna inteligencja w bankowości

Teraz nadeszła faza coraz intensywniejszego wykorzystania sztucznej inteligencji w praktyce. Co więcej wydaje się, że jest to droga bez odwrotu, ponieważ praca z coraz większą liczbą danych cyfrowych wymaga zastosowania choćby uczenia maszynowego, by wspierać procesy decyzyjne po stronie banku. Zastosowanie sztucznej inteligencji zarówno po stronie narzędzi wewnętrznych jak i aplikacji dla klientów jest w tej chwili jedną z najistotniejszych broni w walce o przewagę konkurencyjną na bardzo wymagającym, polskim rynku. Podobnie to zresztą wygląda na innych rynkach na świecie. Dziś nikogo już nie dziwi rozmowa z chatbotem czy asystentem głosowym – choć wciąż nie jest to doświadczenie idealne. Po stronie banków od dawna działają systemy zapobiegające fraudom, wspierające ocenę ryzyka kredytowego, systemy bezpieczeństwa czy automatyzacje wielu procesów reklamacyjnych, windykacyjnych czy back office’owych wykorzystujące w mniejszym lub większym stopniu sztuczną inteligencję.

Wdrażanie narzędzi sztucznej inteligencji

Problemem jest wciąż jakość i dostępność danych z całej organizacji oraz kontrola jakości wyników, jakie otrzymujemy z narzędzi opartych na sztucznej inteligencji. Dlatego w bankach powstają zespoły odpowiedzialne za gromadzenie, standaryzację i zarządzanie danymi oraz zespoły inżynierów potrafiących budować modele i wdrażać narzędzia na bazie algorytmów uczenia maszynowego czy sztucznej inteligencji. Niestety na rynku jest deficyt takich kompetencji i znalezienie odpowiednich ludzi nie jest zadaniem prostym. Poza tym już samo przygotowanie danych wymaga często głębokich zmian w systemach wewnętrznych i wielu procesach po stronie banków, a to pociąga za sobą koszty, które muszą znaleźć uzasadnienie biznesowe w spodziewanych efektach działania różnych narzędzi, jakie chcemy wdrożyć. Musimy pamiętać, że banki działają w bardzo restrykcyjnym środowisku i przetwarzają wrażliwe dane swoich klientów, co nie ułatwia współpracy z zewnętrznymi partnerami. Nakładane jednak na banki coraz nowsze obciążenia powodują, że bez wątpienia w najbliższym czasie będziemy mogli zaobserwować coraz większe inwestycje w ten obszar po stronie banków – po pierwsze – by obniżyć koszty własnej działalności operacyjnej, po drugie – by móc oferować swoim klientom coraz lepsze doświadczenie w kontaktach z bankiem.

Poprawa skuteczności

W najbliższej przyszłości możemy  spodziewać się drastycznej poprawy wszelkiej maści chatbotów i interfejsów głosowych. Skutkiem tego będziemy mogli coraz więcej spraw załatwić bez udziału doradcy z banku. Nie mniej jednak są takie tematy, które wymagają doradcy i żadna technologia nie zastąpi możliwości bezpośredniej rozmowy. Na pewno doradcy zostaną odciążeni z procesów ręcznych i powtarzalnych, a zajmą się faktycznym doradzaniem w kwestiach ważnych decyzji finansowych swoich klientów, dzięki temu będą mieli także więcej czasu na budowanie silnych i długoterminowych relacji. Zostaną też wyposażeni w odpowiednie narzędzia wspierające, tak by ich doradztwo było najwyższej jakości za każdym razem. Podobnie pracownicy biurowi – już dziś widzimy coraz większą popularność narzędzi odpowiedzialnych np. za generowanie i dystrybucję treści marketingowych. Wciąż jeszcze nie doskonałych, ale wydaje się, że ich rozwój jest na tyle szybki, że zastosowanie ich na szerszą skalę to kwestia najbliższej przyszłości. I mam tu na myśli zarówno teksty jak i materiały graficzne czy video generowane od początku do końca przez systemy oparte na sztucznej inteligencji.

Autonomiczne banki

Od dłuższego czasu mówi się także o autonomicznych bankach/finansach, jednak nie widziałem chyba do tej pory jeszcze ani jednego w pełni autonomicznego banku. Myślę, że tutaj dużym problemem będzie wspomniana już przeze mnie jakość i dostępność danych i możliwość wymiany informacji pomiędzy partnerami biznesowymi. Wymaga to też bez wątpienia zmian nie tylko po stronie banków ale także po stronie sklepów czy dostawców narzędzi dla sklepów internetowych i naziemnych. Między innymi dlatego, popularne kilka lat temu systemy PFM (personal finance management) poległy, a przynajmniej nie przyniosły spodziewanych efektów, ponieważ automatyczna kategoryzacja wydatków, ze względu na niską wtedy jakość danych i często niedostępność danych szczegółowych była daleka od ideału.

Regulacje i ograniczenia

Na koniec warto pamiętać, że już dziś wiemy, że stosowanie sztucznej inteligencji w bankowości będzie uregulowane i ograniczone. Niektóre procesy będą wręcz wyłączone z możliwości automatyzacji end to end. Decyzja ostateczna będzie musiała być podjęta przez człowieka i z pewnością, przez dłuższy czas tak pozostanie, choćby ze względu na odpowiedzialność za podjęte decyzje. Kwestia odpowiedzialności za działania sztucznej inteligencji to zresztą temat gorący, ponieważ nie dotyczy tylko bankowości, ale wszelkich działań w których sztuczna inteligencja jest wykorzystywana.