Najlepsze pierwsze procesy pod GenAI to te, w których spotykają się trzy rzeczy naraz: duży wolumen powtarzalnej pracy na tekście i dokumentach, niski koszt regulacyjny ewentualnego błędu oraz dane, które już dziś są ustrukturyzowane i dostępne. W praktyce oznacza to cztery obszary: wyszukiwanie wiedzy wewnętrznej, przetwarzanie i streszczanie dokumentów, pierwszą linię obsługi klienta oraz wsparcie zespołów IT. Autonomiczny scoring, decyzje kredytowe i ocenę ryzyka lepiej zostawić na później – albo od początku objąć twardym nadzorem człowieka. Poniżej tłumaczymy, dlaczego taka kolejność realnie się opłaca.
Pytanie nie brzmi już „czy”, tylko „gdzie najpierw”
W sektorze finansowym etap „czy w ogóle wchodzić w GenAI” mamy już za sobą. Wg badania ABBYY z 2025 r. generatywną AI wdrożyło już 91% firm z branży finansowej, a 98% raportuje pozytywne efekty. Podobny obraz daje raport NTT DATA (2025, 810 liderów bankowości): 58% banków korzysta z GenAI w pełni, wobec 45% dwa lata wcześniej. A wg analizy EY-Parthenon odsetek banków z w pełni wdrożonymi zastosowaniami GenAI wzrósł z 10% w 2023 r. do 47% w 2025 r.
Ciekawsze jest jednak to, co kryje się pod tymi liczbami. To samo badanie ABBYY pokazuje, że co czwarta firma (26%) przyznaje brak odpowiedniego ładu (governance) wokół tych wdrożeń. Innymi słowy: wdrożyć GenAI potrafi dziś prawie każdy, ale przewagę zbudują ci, którzy zrobią to w dobrej kolejności i pod kontrolą. Dlatego prawdziwe pytanie brzmi nie „czy”, tylko „od którego procesu zacząć, żeby szybko zobaczyć efekt i nie wpaść na minę regulacyjną”.
Trzy kryteria, które ustawiają kolejność
Zanim wskażemy konkretne procesy, warto mieć prosty filtr. Dobry kandydat na pierwsze wdrożenie spełnia trzy warunki jednocześnie.
Wolumen i powtarzalność. GenAI zwraca się tam, gdzie ludzie wykonują dużo podobnej, tekstowej pracy: czytają te same typy dokumentów, piszą podobne odpowiedzi, szukają tej samej wiedzy w rozproszonych źródłach. Jednorazowe, unikalne zadania to słaby pierwszy cel.
Koszt błędu i poziom regulacji. Im poważniejsze konsekwencje pomyłki, tym ostrożniej. Proces, w którym błąd oznacza „konsultant dostał gorszą podpowiedź”, jest bezpieczniejszym startem niż proces, w którym błąd oznacza „klient dostał odmowę kredytu”. Ta druga kategoria wpada zwykle w obszar systemów wysokiego ryzyka w rozumieniu AI Act i wymaga zupełnie innego reżimu.
Dojrzałość danych i dokumentacji. GenAI jest tak dobry, jak dane, do których ma dostęp. Jeśli wiedza siedzi w głowach ludzi albo w niedokumentowanych systemach, model nie ma z czego korzystać. To kryterium najczęściej się pomija – a bywa decydujące.
Procesy, które przechodzą wszystkie trzy filtry, są Twoją listą startową.
Od czego zacząć - cztery szybkie wygrane
Wyszukiwanie wiedzy wewnętrznej. Procedury, interpretacje, dokumentacja produktowa, ustalenia z projektów – to wszystko zwykle leży rozsypane po intranecie, dyskach i skrzynkach. Asystent, który potrafi odpowiedzieć na pytanie i wskazać źródło, skraca czas dotarcia do wiedzy z godzin do sekund, a ryzyko jest niskie. Człowiek i tak weryfikuje odpowiedź.
Przetwarzanie i streszczanie dokumentów. Wnioski, umowy, korespondencja, dokumentacja szkodowa – sektor finansowy tonie w dokumentach. Streszczanie, ekstrakcja kluczowych danych i wstępna klasyfikacja to obszar, w którym GenAI daje natychmiastową ulgę operacyjną. Nie przypadkiem to jedno z najczęściej wskazywanych zastosowań w bankowości.
Pierwsza linia obsługi klienta i asysta konsultanta. Nie chodzi o to, by chatbot zastąpił człowieka, lecz by podpowiadał konsultantowi odpowiedź, projekt pisma czy następny krok. Konsultant zostaje „w pętli”, jakość rośnie, a czas obsługi spada.
Wsparcie zespołów IT. GenAI znacznie skraca drogę od pomysłu do działającego rozwiązania. Przyspiesza generowanie dokumentacji, przegląd kodu oraz tworzenie prototypów. W Finture łączymy to z metodyką ai.pro. Dzięki temu przechodzimy od koncepcji do prototypu w kilka dni, a nie tygodni.
Wspólny mianownik tych czterech obszarów jest prosty: człowiek zostaje decydentem, a GenAI robi za nadgorliwego, cierpliwego asystenta.
Co świadomie odłożyć na później
Największe pokusy to jednocześnie najgorsze miejsca na start. Systemy podejmujące autonomiczne decyzje o sytuacji klienta niosą wysoki koszt błędu. Należą do nich scoring, ocena ryzyka kredytowego czy ustalanie warunków ubezpieczeń. Z tego względu AI Act zalicza je do kategorii wysokiego ryzyka. Wiąże się to z obowiązkami w zakresie nadzoru, dokumentacji i wyjaśnialności. To nie znaczy „nigdy”. To znaczy „nie jako pierwszy pilotaż i nie bez człowieka w pętli oraz jasnego ładu”.
Ta kolejność ma też twardy sens biznesowy. Szybkie wygrane budują kompetencje, zaufanie i dane, na których dopiero potem można bezpiecznie sięgnąć po trudniejsze, bardziej regulowane procesy.
Warunek, o którym łatwo zapomnieć: dane w systemach legacy
Wdrożenia GenAI w finansach często rozczarowują mimo świetnego pomysłu. Główną przyczyną są dane i logika zaszyte w systemach legacy. Kluczowe reguły tkwią w aplikacjach w Delphi, VB6 czy starej Javie. Brak aktualnej dokumentacji sprawia, że są one dla modelu czarną skrzynką. GenAI nie zgadnie, jak naprawdę liczy się prowizja albo dlaczego dany wniosek trafia do odrzucenia.
Dlatego pierwszym krokiem bywa nie sam model, lecz odzyskanie wiedzy o procesach i systemach. Automatyczna, zawsze aktualna dokumentacja architektury (S*.doc) oraz rzetelna inwentaryzacja procesów metodą Event Storming sprawiają, że GenAI ma z czego korzystać – i że jego odpowiedzi da się w ogóle zweryfikować. Bez tego fundamentu nawet najlepszy model odpowiada pewnie, ale niekoniecznie prawdziwie.
Jak zacząć bez uruchamiania wielkiego programu
Nie trzeba zaczynać od strategii AI na trzy lata. Rozsądny start to jeden dobrze wybrany proces z listy szybkich wygranych, krótki proof of value i jasne kryterium sukcesu ustalone z góry (np. skrócenie czasu obsługi dokumentu o połowę). Taki pilotaż w kilka tygodni pokazuje realną wartość, uczy organizację i – co równie ważne – odsłania luki w danych, ładzie i dokumentacji, zanim staną się kosztowne.
Jeśli chcecie ustawić tę kolejność pod swoje procesy, od tego zaczynamy podczas warsztatu GenAI: wspólnie wybieramy pierwszy proces, oceniamy gotowość danych i klasyfikujemy ryzyko regulacyjne, tak żeby pierwsze wdrożenie było jednocześnie szybkie i bezpieczne.
FAQ
Od jakiego procesu najlepiej zacząć wdrażanie GenAI w banku lub firmie ubezpieczeniowej?
Czy GenAI można stosować do decyzji kredytowych i scoringu?
Czym GenAI różni się od klasycznej automatyzacji procesów (RPA, BPM)?
Czy AI Act zakazuje stosowania GenAI w finansach?
Czego potrzeba, żeby GenAI działał na danych z systemów legacy?
Zastanawiacie się, który proces w Waszej organizacji nadaje się na pierwsze wdrożenie GenAI? Porozmawiajmy – pomożemy ustawić kolejność tak, żeby pierwszy krok był szybki, mierzalny i zgodny z regulacjami.
