Czy polskie banki zbudują wspólne AI? Eksperci widzą potencjał, ale też bariery

Materiał powstał we współpracy z Pekao S.A.

Czy budowa wspólnej infrastruktury i wspólnych rozwiązań AI dla sektora bankowego w Polsce, na wzór Blika, jest możliwa i realna? Czy mogłoby to przyspieszyć adaptację sztucznej inteligencji i obniżyć koszty? Nad powyższymi zagadnieniami zastanawiali się uczestnicy debaty „AI dla sektora – wspólna infrastruktura, kompetencje, odpowiedzialność”, podczas tegorocznej edycji Banking & Insurance Forum w Warszawie.

– Wspólne środowisko AI dla instytucji finansowych? Na początku taki pomysł wydawał się nieproduktywny, ale im więcej się nad tym zastanawiam, tym większego nabiera on sensu – stwierdził Michael Donahue, CTO of Pentaho w firmie Hitachi.

Donahue zwrócił uwagę na chaos panujący na rynkach międzynarodowych w zakresie wykorzystania sztucznej inteligencji. Wszyscy działają w pojedynkę, jako pojedynczy kontrybutorzy, co przynosi różne rezultaty. Modele AI pojawiają się i znikają, a brak wspólnej ramy sprawia, że „koszt jest oburzający”. Według niego wspólne środowisko, w którym można by wykorzystać współdzielony koszt, ale też wspólne środki bezpieczeństwa, to właściwa droga.

Pozostali uczestnicy debaty co do zasady zgodzili się z tą tezą, ale zaznaczali, że do pełnej współpracy w zakresie stosowania AI w sektorze bankowym droga wcale nie jest taka prosta. Marcin Zygmanowski, wiceprezes Banku Pekao S.A. nadzorujący Pion Transformacji Technologicznej i Innowacji, zaznaczył, że tworzenie jednego centrum danych dla całego sektora bankowego byłoby ogromnym wyzwaniem. Choćby z tego powodu, że dziś dla poszczególnych banków różne zastosowania sztucznej inteligencji są wyróżnikiem, który może zapewniać im przewagę konkurencyjną.

Jednocześnie wiceprezes Zygmanowski widzi możliwość współpracy w tych obszarach, które nie stanowią o konkurencyjności danego podmiotu. Jako jeden z przykładów wymienił AML, czyli obowiązkowy system przeciwdziałania praniu brudnych pieniędzy. Banki mają obowiązek korzystania z systemu, który jednocześnie pochłania sporo zasobów, a nie przynosi dodatkowej wartości.

– Jestem przekonany, że istnieją obszary niekonkurencyjne, w których możemy działać wspólnie. Jest to zarówno obszar cyber defence, wspomniany wcześniej AML bądź procedury KYC (weryfikacji klientów – red.) oraz inne – zaznaczył Marcin Zygmanowski.

– Zgadzam się, że z jednej strony wspólna infrastruktura ma sens – mówił też Piotr Kusek, specjalista w firmie Comarch. – Natomiast z drugiej strony wiem, że dane są dla banków niezwykle ważne, są ich cennym zasobem, którym nie chcą się dzielić. Dlatego znalezienie modelu, w którym będą mogły zostać współdzielone, wydaje się bardzo trudne – ocenił. Jego zdaniem potencjalną szansą dla sektora byłby tzw. model federacyjny, który umożliwia trenowanie modeli AI na danych przechowywanych lokalnie na urządzeniach zamiast przesyłania tych danych do centralnego serwera.

– Bardzo często widzimy, jak trudno jest uwspólniać operacje jednej grupy kapitałowej. A wyobrażamy sobie, jak trudno byłoby zbudować wspólną infrastrukturę dla grupy banków, które miejscami współpracują, a miejscami konkurują ze sobą – zauważył Krzysztof Daniel, head of data strategy w DXC Technology Polska. Dodał jednak, że gdy rewolucja AI stanie się chlebem powszednim, podążać będą za tym wspólne działania w sektorze.

– Mówienie o samej infrastrukturze w oderwaniu od odpowiedzi na pytanie: „po co to robić?”, w drugiej kolejności: „co robić?”, a w trzeciej: „po co?”, to jest klasyczny błąd – wyliczał z kolei Aleksander Poniewierski, doradca zarządu w PKO Bank Polski.

Jak wyjaśniał, w samych centrach danych nie ma przewag konkurencyjnych, a moce obliczeniowe można kupić, w związku z tym nie ma też odpowiedzi na pytania: „po co?” i „co należy robić?” – Jeżeli nie będziemy też wiedzieli „co dalej?” , czyli jak to skomercjalizować, w jaki sposób na tym zarobić, jak zbudować tzw. zrównoważony biznes, to nie ruszymy z miejsca – mówił Poniewierski.

O ile perspektywa wspólnej infrastruktury AI wydaje się nieco odległa, banki są mocno zaawansowane, jeśli chodzi o adaptację sztucznej inteligencji, choć i tu wyzwań nie brakuje. Wiceprezes Banku Pekao Marcin Zygmanowski wskazał na cztery klasy rozwiązań AI, na których koncentruje się większości banków. To m.in. wszelkiego rodzaju co-pilots, czyli asystenci AI, narzędzia do tego przeznaczone, asystenci osobiści dla pracowników i asystenci dla klientów.

– Czego brakuje? Chyba najbardziej sprawdzonych przypadków zastosowań, które jesteśmy gotowi wdrożyć produkcyjnie, a nie tylko eksperymentować. To istotne, bo pełne wdrożenie projektu może trwać kilka miesięcy, a w tym czasie już pojawiają się nowe, „lepsze” modele – mówił Zygmanowski. Dodając, że wyzwaniem jest np. zmiana świadomości pracowników w zakresie stosowania AI, a także problem wdrożenia i kontroli działania asystentów AI dla klientów.

Krzysztof Daniel ocenił, że choć sektor bankowy jest poddany silnej presji regulacyjnej, wbrew obawom jest to jego siła w przypadku wdrożeń AI (choćby ze względu na dojrzałość procesów czy ustrukturyzowane dane). Inna sprawa to pytanie, czy „produktyzacja” rozwiązań w AI ma szansę sprawdzić się w bankowości?

– „Budować” czy „kupować”? To zależy – odpowiadał Marcin Zygmanowski. – W obszarach, które są wyróżnikami dla banku, w punktach styku kontaktu z klientem i jego obsługi szukamy autorskich rozwiązań, chcemy być ich właścicielem. Tam, gdzie mają zastosowanie działania niewyróżniające, możemy kupić gotowe do użycia rozwiązanie, choć jak na razie takich modeli wciąż jest niewiele – podsumował wiceprezes Banku Pekao S.A.

Materiał powstał we współpracy z Pekao S.A.