Pandemia utrudniła stosowanie rozwiązań opartych na sztucznej inteligencji (AI) i uczeniu maszynowym (ML). Zmieniła bowiem sytuację i zachowania konsumentów oraz skomplikowała funkcjonowanie biznesów, rewidując perspektywy ich rozwoju. Wyuczone algorytmy, oparte na historycznych danych, straciły swoją predyktywną moc, a więc decyzje podejmowane na ich podstawie zostały obciążone znacznie wyższym ryzykiem – wskazuje brukselski think tank Bruegel. Ponad 35 proc. banków badanych w drugiej połowie 2020 r. odnotowało pogorszenie jakości swoich modeli algorytmicznych. Co więcej, kryzys zmniejszył przychody, a zatem także budżety przeznaczone na zaawansowane technologie. Tylko co piąty bank planował ich powiększenie.
Z drugiej strony połowa instytucji finansowych badanych przez Bank Anglii stwierdziła, że inwestycje takie są teraz bardziej pożądane, a jedna trzecia podmiotów planowała poszerzenie zastosowań AI. Ograniczeniami wydatków mogą być dotknięte szczególnie mniej dochodowe banki europejskie, przez co są w relatywnie gorszej sytuacji niż ich amerykańskie odpowiedniki. Jednak banki, które chcą zwiększyć lub zachować konkurencyjność rynkową, nie mają innego wyjścia niż rozwijanie zastosowań sztucznej inteligencji. A najwięcej mogą zyskać te, które oprą na niej swoją strategię i będą ją konsekwentnie wdrażać.
Sztuczna inteligencja i powiązane z nią technologie niosą bankom wiele korzyści. McKinsey oblicza, że globalne banki mogą dzięki nim zyskać bilion dolarów rocznie. Wynika to z możliwości zastosowania AI w 25 zidentyfikowanych obszarach. Wzrost przychodów może pochodzić z wprowadzenia personalizacji usług bankowych na masową skalę. Ponad połowa klientów banków jest przekonana o kluczowym znaczeniu personalizacji usług finansowych, jednak oferuje ją zaledwie jedna trzecia banków – wskazuje analiza Deloitte.
Sztuczna inteligencja oparta na realnych danych o zachowaniach klientów, aktualnych i potencjalnych, umożliwia mikrosegmentację, a więc zrozumienie sytuacji i potrzeb konkretnego klienta oraz dostosowanie do nich oferty i udostępnianie jej wieloma kanałami. Z kolei oszczędności wynikają z wyższego poziomu automatyzacji, obniżenia wskaźników błędów w wielu operacjach, lepszego wykorzystania zasobów i odkrycia wielu niezidentyfikowanych wcześniej szans sprzedaży dzięki dostępowi do olbrzymiej ilości danych i analizie zależności między nimi. Nie bez znaczenia pozostaje także znaczne przyśpieszenie cykli wdrażania innowacji w instytucjach finansowych.
Według badań Opentext ze stycznia 2021 r. instytucje finansowe mogą najlepiej wykorzystać potencjał technologii AI w następujących czterech dziedzinach: redukcja fraudów i wyłudzeń (77 proc. wskazań), obniżenie ryzyka (70 proc.), retencja klientów (68 proc.) i wypełnianie wymogów regulacyjnych (57 proc.). Szczególnym obszarem, w którym AI może generować duże oszczędności (ponad 31 mld dolarów rocznie), jest weryfikacja zdolności kredytowej klienta i proces windykacji. Chodzi o trafniejsze decyzje kredytowe, obniżenie wskaźnika false positive (klientów błędnie uznanych za podejrzanych), automatyczne skanowanie dokumentów i pozyskiwanie z nich danych, które mogą pochodzić z różnych źródeł, z mediami społecznościowymi włącznie.
Sztuczna inteligencja pozwala też lepiej zidentyfikować sygnały wczesnego ostrzegania o zagrożonych kredytach i z góry określać strategię postępowania z klientami, obniżając poziom niespłacanych zobowiązań. Również w sferze regulacji technologie AI mają wiele do zaoferowania. Obecnie wykorzystuje je zaledwie 4 proc. instytucji – zauważa Deloitte – a trzeba wiedzieć, że jedna trzecia banków (według Global Regulatory Outlook 2020) przeznacza ponad 5 proc. swoich budżetów na obszar compliance. Sztuczna inteligencja, w szczególności technologie głębokiego uczenia (deep learning) i przetwarzania języka naturalnego (NLP), mogą zautomatyzować wiele czynności i śledzić zmiany w wymogach regulacyjnych, wdrażając je automatycznie w systemach generujących raporty dla regulatorów.
Na razie można jednak mówić o jednostkowych, epizodycznych przypadkach zastosowań przez banki sztucznej inteligencji. Badania McKinsey pokazują, że w 60 proc. badanych podmiotów wdrożono przynajmniej jedną technologię AI. Dotyczy to głównie robotów (36 proc.), wirtualnych asystentów obsługujących klientów (32 proc.), wykrywania oszustw, weryfikacji tożsamości klientów i zarządzania ryzykiem kredytowym przez wykorzystanie techniki uczenia maszynowego (ML – 25 proc.). Najbardziej świadome potencjału AI są duże globalne banki – aż 80 proc. instytucji o aktywach przekraczających 100 mld dolarów. Spośród takich podmiotów badanych przez Opentext 75 proc. deklarowało wdrażanie strategii AI, podczas gdy wśród banków o aktywach poniżej 100 mld dolarów tylko 46 proc.
Ponad 60 proc. badanych respondentów jest zdania, że sztuczna inteligencja w ciągu dwóch lat stanie się kluczową technologią w sektorze. Przekonanych jest o tym 31 proc. banków w Stanach Zjednoczonych, ale tylko 11 proc. w Europie Zachodniej i 25 proc. w Wielkiej Brytanii. Banki, które chcą być konkurencyjne, muszą szybko zwiększać zastosowania AI, a nie ograniczać się do pojedynczych i czasem chaotycznych inicjatyw. Wymaga to jednak zintegrowania technologii AI z organizacją i kulturą firmy. Może to być jedną z największych przeszkód do pokonania, bo wymaga od banków budowania prototypów rozwiązań i ich szybkiego testowania, również w piaskownicach regulacyjnych.
Zachowania te są jednak charakterystyczne raczej dla fintechów i obserwuje się je w odmiennym środowisku regulacyjnym, gdzie priorytetem jest stabilność. Niestety według analiz firmy Gartner tylko 11 proc. organizacji przechodzi od etapu prototypów do fazy produkcyjnej. Potrzebna jest więc nowa wizja i strategia oparta na sztucznej inteligencji. Innymi czynnikami utrudniającymi sprawne wdrożenie i rozwój technologii AI są:
– przestarzałe, mało elastyczne systemy informatyczne, o ograniczonych możliwościach przetwarzania danych, szczególnie w czasie rzeczywistym; dodatkowo do ich utrzymania i konserwacji konieczne są duże środki finansowe i zasoby ludzkie;
– ograniczone wykorzystanie danych, które są rozproszone, bo funkcjonują w różnych liniach biznesowych i miewają różne formaty; konieczne staje się tu wykorzystanie infrastruktury chmury obliczeniowej, która umożliwia szybsze przetwarzanie danych i łatwiejsze skalowanie rozwiązań je wykorzystujących;
– brak synergii z funkcjonującymi procesami operacyjnymi lub trudność z zaprojektowaniem ich odpowiednio do wymogów AI;
– brak przejrzystego określenia, jaką wartość może wykreować zastosowanie AI w poszczególnych obszarach funkcjonowania banku;
– słabe pozyskiwanie talentów technologicznych i niska konkurencyjność rynkowa w tej dziedzinie.
Według badań Deloitte nawet 60 proc. banków, które można uznać za liderów we wdrażaniu technologii AI, wskazuje, że ryzyko związane ze stosowaniem modeli opartych na sztucznej inteligencji powoduje wolniejsze wprowadzanie tych technologii. Tylko 36 proc. z nich właściwie identyfikuje to ryzyko i zarządza nim. Niektóre tworzą centra doskonałości AI i opracowują wytyczne dotyczące zarządzania projektami wykorzystującymi sztuczną inteligencję.
Wykorzystanie sztucznej inteligencji wymaga od banków rezygnacji z podejścia opartego na standardowych produktach, co wiąże się z zaspokajaniem zmieniających się potrzeb klientów i zdobywaniem nowych danych na ich temat. Spersonalizowane rozwiązania stworzone przez technologię AI będą oznaczać zautomatyzowanie decyzji, co, kiedy i jakimi kanałami proponować klientowi. Coraz lepiej dostosowana oferta będzie więc wychodzić poza tradycyjne produkty bankowe czy nawet finansowe. Będą one dostępne dzięki zasadom otwartej bankowości (open banking), której wykorzystanie może szybko wzrosnąć. Wymaga to współpracy z innymi firmami czy platformami cyfrowymi i spowoduje, że banki będą działały podobnie jak firmy technologiczne. Te ostatnie śmielej wchodzą na obszary graniczące z ich podstawową działalnością, coraz bardziej poszerzając jej granice i jednocześnie zwiększając oczekiwania klientów.
Sztuczna inteligencja dla graczy finansowych staje się więc warunkiem rozwoju, a nie tylko kwestią wyboru strategii działania. Poszerzy obecne strumienie przychodów i wykreuje nowe, głównie pozaodsetkowe, oraz obniży koszty działania. A to droga do uzyskania długoterminowej konkurencyjności rynkowej.
