finture_blog_coverm_walasiewicz
Okiem analityka

3 pytania do eksperta. Mariusz Walasiewicz

Jak sztuczna inteligencja zmienia codzienność instytucji finansowych? Rozmawiamy z Mariuszem Walasiewiczem, analitykiem biznesowo-systemowym, który na co dzień obserwuje i współtworzy wdrożenia AI w bankach, firmach inwestycyjnych i ubezpieczeniowych. Z jego perspektywy to już nie futurystyczne plany, ale rzeczywistość, która wpływa na jakość procesów i decyzji w całym sektorze.

Z Mariuszem zastanawiamy się, gdzie dziś AI przynosi największą wartość w finansach, ale przyglądamy także wyzwaniom, ryzykom i obszarom, w których wykorzystanie generatywnej sztucznej inteligencji wymaga szczególnej odpowiedzialności.

Wbrew pozorom największe wyzwania we wdrażaniu AI w branży finansowej nie muszą być techniczne

Czy dostrzegasz szanse na wykorzystane generatywnej AI w obszarze instytucji finansowych?

Zdecydowanie tak i właściwie to nie kwestia szans, bo to już przecież teraźniejszość. Generatywna sztuczna inteligencja jest już dziś realnie narzędziem wspierającym procesy w bankach, ubezpieczalniach czy firmach inwestycyjnych. Z perspektywy instytucji finansowej największym atutem GenAI jest jej zdolność do analizy ogromnych wolumenów danych w czasie rzeczywistym. AI nie tylko wyciąga wnioski z historycznych danych, ale też potrafi dynamicznie reagować na zmieniające się okoliczności. Ma to kluczowe znaczenie w takich obszarach finansowych jak handel algorytmiczny, zarządzanie płynnością czy podejmowanie decyzji kredytowych. 

Innymi słowy, AI nie tyle może być wykorzystywana w obszarze instytucji finansowych, co po prostu już tu jest. Pytanie bowiem nie brzmi, czy wykorzystywać AI, ale – w jakich obszarach finansów mądrze i odpowiedzialnie można sięgać po jej potencjał. 

Prawdziwym wyzwaniem – a jednocześnie szansą – będzie odkrywanie mniej oczywistych zastosowań. Mam tu na myśli takie obszary jak np. dynamiczne wykrywanie różnego rodzaju oszustw, automatyczna analiza zapisów rozmów z klientami, optymalizacja operacji back-office czy nawet wspieranie zarządów poszczególnych instytucji finansowych w podejmowaniu strategicznych decyzji. 

Jakie dostrzegasz zagrożenia związane z GenAI w instytucjach finansowych?

Ryzyko to nierozłączna część każdej innowacji, zwłaszcza tak przełomowej jak sztuczna inteligencja. Ogromny potencjał, jaki niesie AI, wiąże się z równie dużymi zagrożeniami, szczególnie w kontekście instytucji finansowych. Wśród najczęściej wymienianych obaw, z jakimi się spotkałem, są błędy algorytmiczne, ukryte w danych uprzedzenia, niewystarczająca transparentność modeli czy zwiększona podatność systemów na cyberataki. To z pewnością ważne kwestie, ale wydaje mi się, że z perspektywy instytucji finansowych skupiałbym się na czymś innym. Dla mnie kluczowym zagrożeniem jest kwestia mniej techniczna, ale znacznie bardziej fundamentalna. Mianowicie – ryzyko utraty zaufania społecznego do instytucji finansowych. 

Finanse to sektor oparty na zaufaniu. Gdy klient czuje, że nie rozumie decyzji podejmowanych przez AI, albo co gorsza, ma poczucie, że system go dyskryminuje lub traktuje bezosobowo, pojawić może się bardzo duży problem. Jeśli wspomniany problem nie zostanie zaadresowany odpowiednio wcześnie, może się przekształcić w kryzys zaufania, lecz nie tylko do GenAI, a do poszczególnych instytucji lub co gorsza do całego systemu.   

Dlatego niezwykle ważne wydaje mi się, by wdrażanie i rozwój rozwiązań korzystających z generatywnej AI w sektorze finansowym (i każdym, dla którego kluczowym jest społeczne zaufanie, czy to medycznym, czy na przykład energetycznym) szedł w parze z inwestycjami w transparentność modli, edukację klientów i społeczności oraz jasną komunikację decyzji (i ich podstaw) podejmowanych przez systemy. 

Odpowiednio wczesne tworzenie mechanizmów nadzoru, regularne audyty czy testowanie modeli pod kątem uprzedzeń – mogą znacznie zniwelować ryzyko utraty zaufania. Nie bez znaczenia będzie tu też inwestycja w sprawną i klarowną komunikację. Kto wie – może dzięki takim działaniom sztuczna inteligencja przyczyni się do wzmocnienia wiarygodności sektora finansowego?

Czy są obszary, w których sztuczna inteligencja przynosi korzyść w pracy analityka?

Rola analityka często wiąże się z pracą z ogromem dokumentacji, danych, zależności i wymagań, które często potrafią zmieniać się z dnia na dzień. W tym kontekście AI może okazać się realnym wsparciem. Dzięki narzędziom opartym na sztucznej inteligencji analityk może zdecydowanie sprawniej wychwycić niespójności w dokumentacji czy analizować zależności między poszczególnymi komponentami systemu.

Co więcej, AI może wspierać także w bardziej „miękkich” aspektach pracy. Może na przykład wspomagać podsumowywanie spotkań lub przetwarzanie feedbacku od użytkowników. Podsumowując, sztuczna inteligencja już niedługo może realnie sprawić, że analityk stanie się nie tylko szybszy i skuteczniejszy, ale też bardziej skoncentrowany na dostarczaniu wartości zamiast dokumentów.  

CIEKAWE? POdziel się