AI w instytucjach finansowych: dostęp wzrósł dwukrotnie, ale realnie używa jej co piąty

Sektor finansowy ma już za sobą etap udowadniania, że sztuczna inteligencja działa. Teraz mierzy się z trudniejszym pytaniem: dlaczego, skoro narzędzia są wszędzie, tak mało osób naprawdę z nich korzysta. Z raportu Deloitte „State of AI in the Financial Services Industry. The untapped edge" wynika, że w ciągu roku odsetek pracowników instytucji finansowych z dostępem do zatwierdzonych przez organizację narzędzi AI podwoił się — z 30 do 62 proc. Ale realnie używa ich na co dzień, przez ponad 60 proc. czasu pracy, tylko nieco ponad jedna piąta.

To jest sedno diagnozy. Nie brak technologii, lecz luka między jej dostępnością a faktycznym wykorzystaniem w procesach. Narzędzie leży w firmowym katalogu, pracownik o nim wie, a mimo to sięga po nie rzadko albo wcale.

Pierwsze efekty i tak są widoczne, choć głównie wewnątrz organizacji. 68 proc. firm deklaruje wzrost produktywności, 48 proc. lepsze wykorzystanie danych, 46 proc. poprawę relacji z klientami, 40 proc. spadek kosztów. Gorzej z przychodami — bezpośredni wpływ AI na ich wzrost widzi dziś zaledwie 18 proc. firm. W przyszłość patrzą znacznie śmielej: takiego efektu spodziewa się aż 75 proc. Między jednym a drugim jest spora przestrzeń pobożnych życzeń.

Najmocniejsza liczba dotyczy głębokości wdrożeń. Do prawdziwej transformacji — tworzenia nowych produktów, procesów, modeli biznesowych — używa AI tylko 31 proc. instytucji. Kolejne 28 proc. przebudowuje wokół niej kluczowe procesy. Reszta, czyli najliczniejsza grupa 41 proc., wykorzystuje sztuczną inteligencję bez żadnych istotnych zmian w sposobie działania. Co istotne, to najwyższy odsetek powierzchownego wdrożenia spośród wszystkich badanych branż. Finanse, branża z największymi budżetami na technologię, najczęściej dokleja AI do tego, co już ma, zamiast cokolwiek przebudować.

Jak mówi Tomasz Tarasiuk, partner i lider sektora finansowego Deloitte w Polsce, różnica nie polega dziś na tym, kto ma więcej pilotaży czy większy budżet, lecz na tym, kto przeniesie sprawdzone rozwiązania do codziennych procesów. Liderzy — jego zdaniem — zaczynają od twardej kalkulacji uzasadnienia biznesowego i traktują projekty pilotażowe (PoC, proof of concept) jako pierwszy etap drogi do produkcji, a nie cel sam w sobie. Pozostali mnożą inicjatywy w przekonaniu, że technologia sama dostarczy wartość — i kończą z rozwiązaniami, których albo nie da się przenieść na skalę, albo działają w izolacji bez zwrotu z inwestycji.

Samo przejście od testu do produkcji jest tu wyjątkowo trudne i warto rozumieć dlaczego. Pilotaż uruchamia się w kilka miesięcy, małym zespołem, na oczyszczonych danych w odizolowanym środowisku. Produkcja to integracja z systemami centralnymi, przeglądy bezpieczeństwa, kontrola zgodności, monitorowanie modeli i stałe utrzymanie. W bankowości dochodzi osadzenie w silnie regulowanych procesach — od wykrywania nadużyć po decyzje kredytowe — gdzie model świetny na danych historycznych potrafi polec w zderzeniu z prawdziwym ruchem transakcyjnym. Dziś co najmniej 40 proc. swoich projektów AI wdrożyło produkcyjnie 24 proc. firm, a w pół roku taki poziom planuje osiągnąć ponad połowa (53 proc.). Zobaczymy, ile z tych planów przetrwa zderzenie z rzeczywistością.

Osobny wątek to praca i ludzie. 31 proc. instytucji spodziewa się, że w ciągu roku w pełni zautomatyzuje co najmniej 10 proc. stanowisk, a w perspektywie trzech lat zakłada to już 81 proc. Mimo tych prognoz 84 proc. organizacji nie przeprojektowało dotąd ani stanowisk, ani charakteru pracy pod kątem AI. Najczęściej kończy się na szkoleniach: 59 proc. firm podnosi znajomość AI w zespołach, znacznie rzadziej dochodzi do faktycznej przebudowy ról i ścieżek kariery. Edukacja jest łatwiejsza niż przemyślenie procesu od nowa — więc firmy robią to, co łatwiejsze.

Polecana lektura

AI w strategii: rewolucja sztucznej inteligencji w zarządzaniu

Dowiedz się, jak wygląda obecnie wykorzystanie uczenia maszynowego i sztucznej inteligencji w zarządzaniu strategicznym a także adaptacja tych oraz innych pojawiających się technologii przez organizacje biznesowe. Poznaj społeczną percepcję tych procesów.

Sprawdź cenę

Ciekawie wypada agentowa AI, czyli systemy, które nie tylko podpowiadają, ale samodzielnie wykonują wieloetapowe zadania. W finansach budzi większą ostrożność niż gdzie indziej, bo błąd agenta może wprost dotknąć decyzji o kliencie, transakcji albo zgodności regulacyjnej. Dlatego jej zastosowanie jest tu niższe niż w innych branżach — co najmniej w umiarkowanym stopniu używa jej 21 proc. instytucji, choć w ciągu dwóch lat ma to być 71 proc. Problem w tym, że tempo wdrożeń wyprzedza dojrzałość nadzoru: zaawansowany model nadzoru (governance) nad agentami ma dziś ledwie 23 proc. firm. Wdrażają szybciej, niż uczą się to kontrolować.

Mocno wybrzmiewa też wątek suwerennej AI, czyli niezależności od zagranicznych technologii i infrastruktury. Dla 80 proc. respondentów kraj pochodzenia rozwiązania AI ma znaczenie przy wyborze dostawcy, 53 proc. buduje swoje środowiska głównie z lokalnymi partnerami, a 65 proc. wprost obawia się zależności od zagranicznych technologii. Jak zauważa Michał Pieprzny, partner Deloitte, to już nie tylko pytanie o zgodność z przepisami, ale o niezależność strategiczną — instytucja rozwijająca AI na własnej infrastrukturze i danych może działać niezależnie od decyzji zapadających poza jej rynkiem. Ma to znaczyć szczególnie dla Europy: w regionie EMEA blisko jedna trzecia firm opiera większość ekosystemu AI na technologiach spoza regionu, podczas gdy w obu Amerykach odsetek ten wynosi tylko 11 proc.

Tu należy się czytelnikowi przypis. Raport jest materiałem Deloitte, firmy, która doradza instytucjom finansowym we wdrażaniu AI, więc diagnoza „macie powierzchowne wdrożenia, trzeba przebudować procesy i nadzór" prowadzi też do jej własnych usług. Drugi z cytowanych ekspertów występuje dodatkowo jako lider sojuszu Deloitte z Nvidią, co warto mieć w pamięci akurat przy wątku suwerennej AI i infrastruktury — bo to obszar, w którym dostawcy sprzętu mają swój interes. Same liczby pochodzą jednak z szerokiego, cyklicznego badania i traktuję je jako wiarygodny obraz trendu.

Całość dobrze spina rozjazd między strategią a wykonaniem. Wysoką gotowość instytucje deklarują tam, gdzie decyduje zarząd: w strategii (47 proc.) oraz w obszarze ryzyka i nadzoru (32 proc., wzrost o 7 pkt proc. rok do roku). Słabiej jest tam, gdzie zaczyna się codzienna robota: infrastruktura technologiczna (38 proc., lekki spadek) i talenty (19 proc., też w dół). Innymi słowy — organizacje wiedzą, dokąd chcą z AI dojść, ale wciąż brakuje im zdolności, żeby tam dotrzeć.

Źródła: informacja prasowa Deloitte Polska