Pierwsze skojarzenia związane ze sztuczną inteligencją (SI/AI), które przychodzą nam do głowy, wiążą się z robotami lub literaturą science fiction a nie z rozwiązaniami technologicznymi obecnymi w naszym życiu codziennym. Inteligentne programy AI takie jak: Google translator lub Siri to właśnie przejaw ich obecności, podobnie jak technika zabezpieczająca reCAPTCHA, z budzącą rozbawienie lub zniecierpliwienie użytkowników internetu prośbą, o zaznaczenie pola: „nie jestem robotem”, chroniąca strony internetowe przed przesyłaniem danych, zakładaniem kont i wysyłaniem spamu przez maszynę.
Robotyzacja i automatyzacja przyszłością bankowości
Tak naprawdę większość klientów i pracowników sektora bankowego interesują praktyczne możliwości zastosowania sztucznej inteligencji i długofalowe konsekwencje jej wprowadzenia. Wykorzystywanie technologii AI w bankowości budzi nieufność ludzi, nie tylko z powodu zmniejszania się interakcji międzyludzkich, ale głównie w przypadku rekomendacji zarządzania kartami kredytowymi lub udostępniania historii kredytowych. Nie wywołuje podobnych emocji, jeśli chodzi o monitoring pod kątem oszustw i zagrożeń. Firmy, które wykorzystują przetwarzanie danych w chmurze i Big Data, zazwyczaj decydują się także na wprowadzenie sztucznej inteligencji. Większość banków przewiduje w ciągu najbliższych kilku lat coraz większą robotyzację i automatyzację procesów.
Przyroda impulsem do stworzenia systemów inteligentnych
Systemy inteligentne uczą się i adaptują do zmiennych okoliczności dzięki dużym ilościom informacji, które dostarczają algorytmom materiału do nauki. Ich celem jest pozyskiwanie, gromadzenie i strukturyzowanie danych, czyli uogólnianie i odkrywanie związków pomiędzy informacjami, monitorowanie, prognozowanie i wspieranie podejmowanych decyzji oraz kontroli procesów. Co ciekawe, pomysły na najważniejsze techniki tego typu systemów: metody data miningu, sztucznych sieci neuronowych, rozmytej logiki, przetwarzania ewolucyjnego i inteligencji roju, zostały zaczerpnięte z obserwacji przyrody.
Sztuczne sieci neuronowe odwzorowują zachowanie systemów nerwowych stworzonych przez naturę, przetwarzanie ewolucyjne – ewolucję naturalną (zachowań i genetyczną), inteligencja roju – zachowania organizmów żywych np. owadów, żyjących w koloniach, a systemy logiki rozmytej są oparte na obserwacjach wzajemnych oddziaływań organizmów i ich otoczenia. Obecnie, ze względu na poziom ich skomplikowania, systemy inteligentne stosuje się w niewielkiej skali. Jeżeli przyjmiemy, że AI to działające świadomie, uczące się systemy, nie tylko sieci neuronowe, możemy w wąskim zakresie zaliczyć do nich także chatboty (aplikacje do rozmowy z klientem i tym samym algorytmy do najprostszych zadań takich jak np. wyświetlenie stanu konta klientom lub historii transakcji).
Innowacje technologiczne w bankach
Największe banki na świecie stosują lub przewidują wykorzystywanie systemów opartych na AI i RPA (automatycznej robotyzacji procesów): jako asystentów do obsługi klienta bez względu na dzień tygodnia i godzinę, narzędzia wspierające operacje finansowe, do oceny zdolności kredytowej, prewencji oszustwa (wykrywania nietypowych wzorców transakcji wskazujących na możliwe do zaistnienia nadużycia), doradztwa finansowego i zarządzania aktywami, egzekucji długów oraz pracy nad tekstem i przetwarzaniem jego naturalnego języka, które przyspieszają weryfikację treści dokumentów albo mechanicznych, nużących dla człowieka czynności np. przepisywania danych z Excela do bazy danych.
Sztuczna inteligencja nie musi wpływać na zmniejszenie zatrudnienia w sektorze bankowym a jedynie na wyspecjalizowanie się w konkretnych dziedzinach i wykonywanie bardziej wartościowych zadań przez ludzi, przy pozostawieniu innych automatom. Może to zaowocować większą wydajnością pracy pracowników i zwiększeniem ich liczby, przy redukcji kosztów. Sprzyjają temu FinTech – innowacyjne usługi finansowe, oparte na technologii informacyjnej, wdrażane najczęściej w bankach konsumenckich a nie inwestycyjnych. Polska bankowość konsumencka jest jedną z najnowocześniejszych na świecie i jedną z najmłodszych w Europie (polskie banki tworzono lub reformowano w latach 90 XX w./początku XXI w.).
Polskie banki stawiają na technologię
Stosunkowo krótko istniejące banki takie jak: Alior Bank i mBank od samego początku swojej działalności były bardzo dobrze przygotowane do wdrażania innowacji technologicznych, co wyraźnie kontrastowało z podejściem do rynku technologii banków konsumenckich z Wielkiej Brytanii i Stanów Zjednoczonych. Dobrym tego przykładem było testowanie wirtualnego konsultanta Dronna, stworzonego przez polską firmę specjalizującą się w FinTech, na infolinii przeznaczonej do obsługi zadłużeń, na rachunkach, w Alior Banku. Obecnie Alior Bank wdraża strategię „Cyfrowy Buntownik” skoncentrowaną na rozwiązaniach technologicznych związanych z AI a ING Bank – chatboty w bezpośrednich relacjach z klientami, modele predykcji oczekiwań klientów i ich zdolności kredytowej na obszarach modelowania ryzyka i zapobiegania przestępstwom i nie są to jedyne działające w Polsce banki, które włączyły nowe technologie do swoich strategii rozwojowych.
Nie tylko sztuczna inteligencja
Banki centralne od czasów kryzysu w 2007 roku, w coraz większym stopniu do tworzenia prognoz gospodarczych, wykorzystują informacje gromadzone w sieci (mikrodane) a dotyczące preferencji użytkowników, historii wyszukiwania lub komentarze na profilach społecznościowych, nie tylko przy użyciu sztucznej inteligencji, ale także serwisu Google Trends (narzędzia mierzącego popularność wyszukiwań w sieci). Jako przykład takiej działalności może posłużyć Europejski Bank Centralny (EBC), który m.in. opracowuje prognozy dotyczące zatrudnienia w strefie euro, posługując się Big Data, Google Trends i analizą ofert pracy na portalach internetowych.
Przy wszystkich plusach takich badań, musimy jednak pamiętać o minusach związanych z fake news i ryzykiem mniej wartościowych lub nieprawdziwych danych, które ze względu na swoją ilość mogą przesłonić wiarygodne informacje. Niestety środowisko internetu jest miejscem bardzo podatnym na manipulację i w przemyślany oraz planowy sposób można w nim zmieniać obraz konkretnych zagadnień, co musi być zawsze brane pod uwagę przy zbieraniu i analizowaniu danych uzyskanych dzięki np. Google Trends.
autor: Agnieszka Góralczyk
fot. fotolia