Systemy eksperckie nowej generacji

Dzięki wykorzystaniu sztucznej inteligencji globalny sektor bankowy może osiągać wielkie oszczędności, jednak będzie to wymagać istotnych zmian po stronie banków, również w zakresie wewnętrznych procesów, a także kultury organizacyjnej.
Systemy eksperckie nowej generacji

(©Envato)

Cały świat mówi dziś o sztucznej inteligencji. Jak wskazują eksperci, ma ona w zasadniczy sposób zmienić nasze życie i naturalna jest już zatem jej obecność w sektorze finansowym.

Banki centralne jako jedne z pierwszych wdrażały rozwiązania sztucznej inteligencji. Już w latach 80. XX w. w Japonii i w USA testowano wykorzystanie „systemów eksperckich”. Była to wcześniejsza forma SI do wspomagania prognoz gospodarczych.

Na razie role wspierające

„Obecnie, paradoksalnie, banki centralne podchodzą do SI z dużą ostrożnością. Obserwujemy dwa główne sposoby jej wykorzystania. Chodzi o wzmacnianie kluczowych funkcji banków, takich jak prowadzenie polityki monetarnej, a także automatyzację i czynienie pracy banku bardziej efektywną. Na razie widzimy głównie tę drugą kategorię. Dla przykładu modele Europejskiego Banku Centralnego (European Central Bank – ECB) czy Centralnego Banku Hiszpanii (Banco de España – BdE) analizują tysiące wewnętrznych i zewnętrznych dokumentów oraz pomagają identyfikować trendy gospodarcze. W Niemczech, Izraelu oraz Wielkiej Brytanii SI analizuje się między innymi codzienne transakcje na instrumentach pochodnych, tzw. derywatywach, a także innych instrumentach finansowych, szukając sygnałów nieprawidłowości albo nadchodzących szoków ekonomicznych” – stwierdził w wypowiedzi dla „Obserwatora Finansowego” Dawid Krzysiak, partner, dyrektor zarządzający w warszawskim biurze firmy doradczej Kearney.

Modele te – pomimo swojej wartości – pełnią na razie role wspierające. Efekty ich pracy są przekazywane specjalistom jako jedne z danych wejściowych do podejmowania decyzji. Problemy związane z jakością danych, tak zwana stronniczość algorytmów, a także niskie społeczne zaufanie do SI sprawiają, że w kluczowych procesach banki nie decydują się jeszcze na pełne zaufanie do tych algorytmów. Podstawą decyzji monetarnych pozostaje człowiek i jego wiedza ekspercka. Czasem wspierana przez SI.

Zobacz rownież:
Tysiące wątków, a litery tylko dwie – AI

„Prezes NBP w wielu wystąpieniach podkreśla konieczność analizy zagrożeń i mitygowania zagrożeń, które są z nimi związane. Dlatego wdrożenia SI, o których słyszymy, dotyczą głównie procesów pozostających poza najważniejszymi funkcjami banku. NBP testuje SI w cyberbezpieczeństwie, informatyce czy tworzeniu materiałów edukacyjnych i marketingowych. Obszary te łączy fakt, że rozwiązania w nich stosowane już okrzepły: są sprawdzone i stosowane w innych branżach. Poza tym nie dotyczą kluczowych procesów i zakresu odpowiedzialności banku centralnego. Należy docenić taką postawę, która minimalizuje potencjalne ryzyka, ale też zapytać: kiedy przyjdzie czas na SI w przewidywaniu trendów i wspieraniu polityki monetarnej państwa? Jak pokazują zakończone sukcesem wdrażania pilotażowe w innych bankach centralnych, nie można czekać w nieskończoność. W przeciwnym razie chęć minimalizowania ryzyka może przełożyć się na zapóźnienie i gorszą jakość predykcji ekonomicznych w porównaniu z innymi bankami na kontynencie” – przypomniał Dawid Krzysiak.

Korzyści mogą być znaczące

„Wykorzystanie rozwiązań określanych mianem sztucznej inteligencji jest w sektorze bankowym nadal na relatywnie niskim poziomie, choć wyraźne przyspieszenie można dostrzec na całym świecie, szczególnie w związku z pandemią COVID—19” – uważają autorzy raportu „Zastosowanie sztucznej inteligencji w bankowości – szanse oraz zagrożenia”, opracowanego przez pracowników naukowych Uniwersytetu Śląskiego na zlecenie Warszawskiego Instytutu Bankowości. Jak piszą: „(…) z raportu Europejskiego Urzędu Nadzoru Bankowego w zakresie wykorzystania rozwiązań typu RegTech (Regulatory Technology) wynika, że wykorzystanie uczenia maszynowego i głębokiego, przetwarzania języka naturalnego, a także analityki predykcyjnej, stanowi istotną część nowoczesnych rozwiązań stosowanych w takich obszarach, jak przeciwdziałanie praniu pieniędzy, wykrywanie transakcji oszukańczych (fraudowych), raportowanie nadzorcze, bezpieczeństwo ICT czy ocena zdolności kredytowej, ale także w relacji z klientami, zarówno w kontekście personalizacji produktów, jak i obsługi bezpośredniej, np. chatboty”.

Według niektórych szacunków, do 2023 r. (raport powstał w 2022 r. – dop. MTS) potencjalne oszczędności dla globalnego sektora bankowego związane ze stosowaniem sztucznej inteligencji mogą osiągnąć blisko 450 mld dol., przy czym realne oszczędności w dużej mierze mogą wymagać istotnych zmian po stronie banków, również w zakresie wewnętrznej organizacji oraz procesów, a także kultury organizacyjnej. Jeżeli dodatkowo uwzględnić potencjalne oszczędności dzięki uproszczeniom obowiązków raportowania, które są przewidywane przez EUNB20, to korzyści dla sektora bankowego w związku z ograniczeniem kosztów operacyjnych mogą być znaczące.

Zobacz rownież:
Globalny wyścig regulacyjny w zakresie AI

Zasadniczo wykorzystanie sztucznej inteligencji w sektorze bankowym można podzielić na trzy główne obszary. Pierwszy to relacje banków z ich klientami, zarówno detalicznymi, jak i korporacyjnymi. Drugi dotyczy relacji banków z innymi bankami, jak również nie tylko bankowymi dostawcami usług płatniczych i  finansowych, np. w zakresie relacji korespondenckich. Trzeci to wewnętrzne zastosowania niebędące działalnością regulowaną banków.

W praktyce można także wyodrębnić dodatkową kategorię, tj. relacje pomiędzy bankami a organami regulacyjnymi oraz nadzorczymi, np. z wykorzystaniem tzw. SupTech (Supervisory Technology),  obszar ten jest jednak jeszcze bardzo słabo rozwinięty, w szczególności w Polsce, co jest efektem niedostatecznego rozwoju technologii wspierających, w tym interfejsów dostępowych – API (Application Programming Interfaces) oraz braku standaryzacji w zakresie oczekiwań nadzorczych.

W jednym z opracowań Organizacji Współpracy Gospodarczej i Rozwoju (OECD) zaproponowano listę przykładowych zastosowań sztucznej inteligencji w sektorze finansowym, przy czym – jak podkreślają autorzy raportu – nie jest ona wyczerpująca. Można zatem wymienić m.in.:

  1. Obszary wspierania tzw. back office, a w nich, takie jak procesowanie potransakcyjne; analizę zysków i strat, rekoncyliacja; raportowanie i zarządzanie dokumentacją; analitykę danych; ocenę punktową; infrastrukturę i rozwiązania IT.
  2. Obszary wspierania tzw. middle office, a w nich, takie jak zarządzanie ryzykiem; procesy KYC (Know-Your-Customer); obszar zgodności (compliance); funkcje kontrolne i procesy; przeciwdziałanie praniu brudnych pieniędzy i finansowaniu terroryzmu; przeciwdziałanie oszustwom.
  3. Obszary wspierania tzw. front office, a w nich, takie jak alokacja aktywów; robo-doradztwo, chatboty; uwierzytelnienia z użyciem biometrii; eealizacja transakcji; spersonalizowane rekomendacje; usługi dla klientów.

Dodatkowo OECD wyróżnia również cztery ogólne kategorie:

  1. Zarządzanie aktywami;
  2. Handel algorytmiczny;
  3. Pośrednictwo kredytowe;
  4. Finanse oparte o technologię łańcucha bloków.

Jak podają autorzy raportu UŚ/WIB: „Obecnie można wymienić następujące zastosowania szeroko rozumianej sztucznej inteligencji w relacjach bank-klient:

  1. Chatboty oraz wirtualni asystenci, w tym rozwiązania wykorzystujące rozpoznawanie mowy;
  2. Aplikacje mobilne i desktopowe do zarządzania budżetem i pokrewne;
  3. Weryfikacja danych identyfikacyjnych użytkowników;
  4. Rozwiązania usprawniające procesy rozpatrywania reklamacji;
  5. Rozwiązania wspierające działania o charakterze marketingowym;
  6. Rozwiązania umożliwiające personalizację produktów oraz wydawanie rekomendacji produktowych;
  7. Zautomatyzowane systemy doradztwa, w szczególności inwestycyjnego (robo-advisory);
  8. Systemy oceny zdolności kredytowej oraz ryzyka kredytowego”.

Wyjaśnialność

„Cały sektor finansowy, w tym banki, od dawna implementuje najnowsze technologie. Odkryciem lat 60. XX w. były bankomaty, później karty płatnicze, bankowość elektroniczna, a w tej dekadzie – bez wątpienia sztuczna inteligencja. Znajduje ona zastosowanie w szerokim zakresie: zaczynając od relacji z klientem (któż z nas nie był obsługiwany przez chatbota?), poprzez detekcję fraudów, wstępną analizę wniosków kredytowych oraz automatyzację procesów i narzędzia symulacyjne, po spersonalizowane rekomendacje produktów dla klientów. Technologia umożliwia pozyskiwanie nowych klientów i utrzymanie aktualnych, zwiększenie przychodów oraz redukcję kosztów. Polskie banki należą do liderów technologicznych w Europie. Należy jednak pamiętać, że bank jako instytucja zaufania publicznego objęty jest wieloma regulacjami, których musi przestrzegać, implementując nowe technologie” – stwierdza dr Marcin Wroński, kierownik studiów podyplomowych „Sztuczna inteligencja w biznesie i sektorze publicznym” w Szkole Głównej Handlowej w Warszawie.

„W kontekście SI kluczowe znaczenie ma zagadnienie >>wyjaśnialności<<. Algorytmy nie mogą być czarną skrzynką produkującą oceny, których nie da się w łatwy sposób wytłumaczyć. Kierownictwo banku – nie tylko dla dobra prowadzonego biznesu – musi być w stanie zrozumieć z czego wynikają oceny, ale także ze względów regulacyjnych oraz troski o relacje z klientami musi umieć wyjaśniać, dlaczego np. wniosek kredytowy nie został przyjęty” – podsumowuje naukowiec.

(©Envato)

Otwarta licencja


Tagi