Co decyduje o pomyślności w testowaniu i implementacji systemów AI w branży finansowej? Posłuchajmy, co mają do powiedzenia przedstawiciele firm, które intensywnie działają w tej sferze:
- Bartosz Sokoliński, dyrektor ds. rozwiązań AI w Dziale Informatyki i Telekomunikacji w Banku Ochrony Środowiska S.A. – prezentuje punkt widzenia sektora finansowego oraz banku, który w ostatnich latach pilnie bada zastosowania AI w rozmaitych obszarach.
- Michał Kordyzon, Senior Data Scientist w zespole Data & AI w IBM Polska – reprezentant producenta, który odpowiada za rozwiązania AI dedykowane sektorowi finansowemu.
- Michał Kowalski, CEO w K3System Sp. z o.o. – integrator i partner klienta, wspierający proces adaptacji rozwiązań AI do potrzeb przedsiębiorstw na naszym rynku.
Czy sektor finansów jest przygotowany na wdrożenie technologii AI?
B. Sokoliński, BOŚ S.A. – AI plasuje się w pierwszej trójce priorytetów bankowych – tuż za bezpieczeństwem w sieci i przepisami. Pod względem nastawienia i strategii, branża jest gotowa. A co z technologią? Tu jeszcze dużo brakuje.
Większość banków to mieszanka: obok świetnych, nowoczesnych platform do przechowywania danych, funkcjonują systemy pamiętające początki bankowości online. Zatem przygotowanie to nie punkt docelowy, lecz proces, który odbywa się równolegle na kilku polach: organizacji danych, unowocześniania infrastruktury oraz – co ważne – rozwijania umiejętności pracowników. Szkolenia, szkolenia i jeszcze raz szkolenia.
Niemniej jednak, w finansach mamy pewien atut: od zawsze działamy w warunkach surowych regulacji. Jesteśmy obeznani z kontrolami i konkretnymi procedurami. W związku z tym, gdy wchodzi AI Act, zwyczajnie dostosowujemy działania. Nie wdrażamy innowacji połowicznie. Jeśli się czegoś podejmujemy, to na całego, w skali całej organizacji. Teraz kluczowa jest rzetelna ocena: gdzie jesteśmy na osi czasu technologii, a gdzie chcemy się znaleźć za dwa lata. A świat stale ewoluuje!
M. Kordyzon, IBM – Moim zdaniem, sektor finansowy jest zasadniczo gotów na znacznie śmielsze rozwiązania niż te, które są teraz wdrażane. Dla banków i towarzystw ubezpieczeniowych, informacja przechowywana na własnych serwerach od dawna stanowi najcenniejszy kapitał. Każda z tych instytucji przeszła długą ewolucję — dziesiątki lat informatyzacji niemal każdego obszaru działalności — dlatego wsparcie w postaci sztucznej inteligencji jest tu naturalnym i logicznym kolejnym krokiem. Branża finansowa posiada dane i zaopatruje się w środowiska do eksperymentowania z potrzebną mocą obliczeniową. Pod względem organizacyjnym jest to na pewno pewne dodatkowe obciążenie, które z reguły naturalnie trafia do działów IT.
M. Kowalski, K3System – Uwzględniając specyfikę funkcjonowania, banki są naturalnie skłonne do testowania rozwiązań opartych na AI. To dziedzina gospodarki, w której rezultaty będą najbardziej widoczne, zarówno w korzyściach dla instytucji, jak i dla ich klientów. Banki dysponują odpowiednimi środkami, mają świadomość i są liderami we wdrażaniu nowoczesnych technologii, a także w przestrzeganiu norm prawnych.
Po jakim czasie inwestycje w rozwiązania AI powinny zacząć się zwracać? Kiedy spodziewać się zwrotu z poniesionych nakładów?
B. Sokoliński, BOŚ S.A. – Do AI warto podchodzić jak do portfela inwestycyjnego, a nie jak do nabycia pojedynczego urządzenia. Z pewnością mamy obszar szybkich sukcesów – to na przykład asystenci pomagający pracownikom w obróbce dokumentów czy wsparcie dla Call Center. W takich przypadkach zwrot z inwestycji, w postaci oszczędności czasu lub redukcji błędów, jest często widoczny już po 6–12 miesiącach. Warunek? Musimy to monitorować od samego początku.
Druga grupa to „ciężka artyleria”: modele ryzyka, przeciwdziałanie legalizacji dochodów pochodzących z przestępstw (AML), wykrywanie nieuczciwych praktyk. Są one zdecydowanie bardziej złożone i wymagają więcej pracy.
Moja wskazówka? Bądźmy realistami. Budujmy zrównoważony portfel: projekty, które przynoszą zyski „od ręki”, finansują te, które budują naszą strategiczną przewagę na nadchodzące lata.
W jaki sposób integrator może wspomóc proces testowania i adaptacji rozwiązań AI u klienta?
M. Kowalski, K3System – Rola integratora rozpoczyna się od prezentacji szerokiej gamy rozwiązań i wskazania tych, które okażą się najbardziej użyteczne. Wykorzystując wiedzę z innych zrealizowanych projektów, edukujemy klienta i służymy mu pomocą w całym procesie. Działamy jako swego rodzaju „przewodnik”, którym kieruje etyka biznesowa, czyli dobro klienta, a nie wyłącznie sprzedaż. W projektach AI ważna jest powściągliwość we wdrażaniu. Struktura organizacyjna musi rozwijać się równolegle z wdrażanym AI. Czasami małymi krokami, czasami tylko dla wybranych operacji, aby w ostateczności uzyskać właściwe rozwiązania problemów, które nas niepokoją.
Jesteśmy odpowiedzialni za przystosowanie rozwiązań do potrzeb klienta. Tworzymy POC-e odzwierciedlające środowisko klienta, aby zobrazować realne korzyści, które można osiągnąć. Konkretne modele i faktyczne funkcjonalności w odniesieniu do rzeczywistych procesów biznesowych pozwalają ostatecznie podjąć świadomą decyzję inwestycyjną.
W jakich aspektach rozwiązanie IBM wydaje się najlepiej dopasowane do wymogów instytucji finansowych?
M. Kordyzon, IBM – Otrzymujemy wiele sygnałów od klientów, że platforma IBM watsonx jest dostosowana do realiów pracy bankowców i ubezpieczycieli. Dobrym przykładem jest tu nasze rozwiązanie watsonx.governance. Wielu dostawców rozumie governance modeli AI głównie przez pryzmat ich nadzoru. Natomiast w naszym przypadku, na czoło wysuwa się zarządzanie ryzykiem, gdzie zespół projektowy zaczyna od analizy biznesowej i ocenia ryzyko związane z wykorzystaniem AI, a dopiero potem jest to przenoszone w naszym rozwiązaniu na monitoring konkretnych wskaźników z funkcjonowania modeli.
Jakie są wnioski z dotychczas przeprowadzonych POC-ów?
M. Kordyzon, IBM – Największą wartość mają wdrożenia skoncentrowane na procesie, a nie na samym modelu. Nawet mniejsze wdrożenia wskazują na oszczędności czasu pracy rzędu 20–40%. Kluczem jest ścisłe zaangażowanie biznesu – tam, gdzie ono jest, POC przechodzi w fazę produkcyjną; tam, gdzie go brakuje – pozostaje prototypem.
B. Sokoliński, BOŚ S.A. – Najważniejsza nauka? Nie zaczynajmy od: „Mamy ciekawą technologię, spróbujmy znaleźć dla niej zastosowanie”. Dobry Proof of Concept (POC) zawsze wynika z potrzeby biznesowej – czegoś, co pochłania zbyt dużo czasu, pieniędzy lub generuje ryzyko. I musi być realizowany na danych zbliżonych do produkcyjnych. Testy na sztucznych, doskonałych danych to tylko prezentacja, która w konfrontacji z rzeczywistością banku po prostu się nie sprawdzi.
Druga kwestia to myślenie systemowe. Każdy POC powinien zostawiać po sobie „cegiełki” – gotowe schematy integracji, zgody RODO, fragmenty kodu. Po trzech takich projektach dysponujemy już biblioteką, dzięki której czwarty projekt realizujemy dwa razy szybciej.
I na koniec ostrzeżenie: najgorszy scenariusz to „udany POC, który ląduje w szufladzie”. Jeśli przed startem nie mamy planu wdrożenia, budżetu i sponsora w biznesie – marnujemy czas zespołu. POC to pierwszy etap maratonu, a nie odrębny sprint dla aplauzu.
M. Kowalski, K3System – W roli integratora istotne jest zaangażowanie wielu osób – tych, które podejmują decyzje, ale także użytkowników końcowych, którzy będą pracować z danym rozwiązaniem i bezpośrednio odczuwać korzyści. POC ma za zadanie to osiągnąć w odzwierciedlonym środowisku i na autentycznych danych.
Jakie rady dalibyście innym firmom, które przygotowują się do testowania rozwiązań AI?
B. Sokoliński, BOŚ S.A. – Zebrałbym to w kilka fundamentalnych zasad, których sam przestrzegam:
- Zaczynajcie od potrzeby – „dlaczego”, a nie „czym”. Zdefiniujcie konkretne wyzwania biznesowe. Obliczcie, ile kosztuje Was brak reakcji (koszt utraconych korzyści) w perspektywie 2-3 lat.
- Zapraszajcie prawników i specjalistów od bezpieczeństwa na pierwsze spotkanie. To przewodnicy, którzy pomogą Wam przejść przez labirynt regulacji. Jeśli zaangażujecie ich dopiero na końcu – projekt zwolni.
- Wybierajcie partnerów, którzy potrafią wdrożyć, a nie tylko zaprezentować. Imponujące demo w przeglądarce potrafi stworzyć dziś student. Sztuką jest integracja z systemami banku, utrzymanie i serwis. Poszukujcie inżynierów, a nie tylko wizjonerów. Innymi słowy, liczy się dyscyplina i proces, a nie jednorazowe działanie.
- Edukacja przed technologią. Najlepsze narzędzie bez wykwalifikowanych ludzi stanie się jedynie kolejną, nieużywaną ikoną na pulpicie. Uczcie pracowników, jak korzystać z AI w sposób bezpieczny i krytyczny.
- Zaczynajcie od procesów wewnętrznych. Pierwsze błędy popełniajcie „na sobie”, wewnątrz firmy. Jeśli chatbot się pomyli w rozmowie z pracownikiem – to lekcja. Jeśli z klientem – to kryzys wizerunkowy i ryzyko regulacyjne oraz odpowiedzialność.
- Porażka jest dopuszczalna, jeśli jest szybka i tania. Każda porażka to doświadczenie. Lepiej zakończyć nieudany projekt po 6 tygodniach niż uparcie go kontynuować przez rok, by udowodnić swoje przekonania. Kultura szybkiego „nie” pozwala zaoszczędzić miliony. W takich okolicznościach warto dać pracownikom swobodę bezpiecznego wyrażania krytycznych opinii.
- Używajcie wiatrówki, a nie armaty. Nie do każdego zadania potrzeba ogromnego modelu (LLM). Często mniejsze, dedykowane modele (Small Language Models) są szybsze, tańsze, bezpieczniejsze i w pełni wystarczające.
M. Kordyzon, IBM – Powtórzę to jeszcze raz: zaczynaj od procesu, a nie od modelu. Zadbaj o dane i zgodność od samego początku. To nie jest opcja dodatkowa — to podstawa. Wprowadź AI governance, nawet w niewielkich wdrożeniach. Rozwijaj umiejętności wewnętrznie, ale korzystaj z usług integratorów, aby nie powielać błędów innych organizacji. Myśl o skalowaniu już na etapie POC.
M. Kowalski, K3System – Wybierajcie partnerów z doświadczeniem potwierdzonym rzeczywistymi realizacjami, z projektami oraz zasobami. IBM dysponuje kompletnym zespołem wizjonerów i inżynierów współdziałających w sprawdzonych procesach – co daje efekt synergii. Rosnąca popularność IBM watsonx na rynku wynika z warstwy tzw. inferencji, która przekłada modele AI na realnie działające aplikacje biznesowe. To konkretne podejście bardzo bliskie biznesowi, które umożliwia szybkie wdrażanie wśród klientów, poszukujących praktycznych zastosowań, a nie tylko narzędzi do eksperymentów. Mieliśmy okazję przekonać się o tym w realnych projektach realizowanych w ramach Centrum Kompetencji IBM w K3BusinessPark.
Artykuł sponsorowany przez K3System
Wywiad przeprowadził: Michał Chrościcki / Koordynator ds. Marketingu / K3 System Sp. z o.o.
Wywiad nie został przeprowadzony przez redakcję serwisu Business Insider
Dziękujemy za przeczytanie naszego artykułu w całości. Bądź na bieżąco! Śledź nas w Google. Artykuł sponsorowany Udostępnij artykuł Newsletter Bądź na bieżąco z wiadomościami ze świata biznesu i finansów Zapisz się
Najpopularniejsze w BUSINESS INSIDER
Technologie
Markowa suszarka, która niewiele kosztuje, a wysuszy wszystko
piątek 09:25 
Technologie
Z tą pralką zaoszczędzisz do 30 proc. wody i prądu. Kosztuje niewiele
piątek 09:14 
Technologie
Okręt "klasy Trump" będzie "100 razy silniejszy i potężniejszy". Ambitny plan prezydenta USA
wtorek 12:01 
Technologie
Top 3 bieżnie składane, które zastąpią ci karnet na siłownie! Upoluj zniżkę na Nowy Rok
poniedziałek 13:58 
Technologie
Najtańszy iPhone pod choinkę: zdziwisz się, bo nie jest drogi
21.12.2025 
Technologie
Sztuczna inteligencja wkracza do głównego nurtu. Polskie firmy nie chcą zostać w tyle
20.12.2025 
Technologie
Mieszkańcy bloków odkrywają nowy sposób na tani prąd. To ma być energetyczna rewolucja
19.12.2025 
Technologie
Obejrzyj Kevina na większym ekranie: cztery duże telewizory w niskiej cenie
19.12.2025 
Technologie
Te trzy smartwatche mają wszystko. Kwestia wyboru designu
19.12.2025