Przez lata, sztuczna inteligencja (AI) w bankowości działała jak pomocny stażysta. Tworzyła szkice e-maili, podsumowywała raporty i odpowiadała na pytania klientów. Użyteczna, ale nie transformacyjna.
Potem pojawiły się chatboty. Te „cyfrowe asystenty” obiecywały lepszą obsługę, ale często dostarczały długie odpowiedzi na proste problemy.
Teraz model się zmienia. Nowa fala agentowej AI przechodzi od pomocy do działania. Zamiast sugerować zadania, te systemy mogą je wykonywać: rozliczać transakcje, sprawdzać zasady zgodności lub oznaczać podejrzane transakcje.
Krótko mówiąc, bankowość przechodzi od AI, która pomaga bankierom, do AI, która działa jak bankier.
Czym dokładnie jest Agentowa AI?
W swojej istocie, agentowa AI odnosi się do systemów AI, które mogą planować, decydować i wykonywać zadania autonomicznie w wielu krokach.
W przeciwieństwie do tradycyjnych narzędzi AI, które czekają na polecenia, agent AI może:
Według niedawnej analizy zespołu usług finansowych Microsoft, systemy agentowe pozwalają bankom automatyzować złożone procesy, od kontroli oszustw po onboarding, ponieważ nowoczesne modele AI mogą teraz wykonywać wielokrokowe rozumowanie i bezpiecznie współdziałać z wewnętrznymi interfejsami programowania aplikacji (API).
W bankowości oznacza to, że system robi więcej niż tylko interpretuje polecenie. Może przeprowadzić proces od początku do końca. Na przykład, może przeglądać dane rynkowe, sprawdzać zasady zgodności i wykonywać transakcję lub rozliczenie przez połączone systemy.
Zamiast czekać na zatwierdzenie każdego kroku przez człowieka, AI przestrzega zasad i automatycznie kończy zadanie.
Ta zdolność do organizowania zadań w różnych systemach jest powodem, dla którego wiele banków opisuje teraz agentową AI jako „transakcyjną AI.”
AI nie tylko mówi o działaniach finansowych; wykonuje je.
Generatywna AI vs. Agentowa AI: Jaka jest różnica?
Zarówno generatywna AI, jak i agentowa AI opierają się na dużych modelach językowych (LLM). Kluczowa różnica polega na tym, do czego są zbudowane.
Większość ludzi zna dziś narzędzia generatywnej AI takie jak ChatGPT lub Claude. Te systemy generują treści: tekst, kod, raporty i podsumowania. Pomagają pracownikom interpretować informacje, ale nie wykonują działań.
Ale generatywna AI zatrzymuje się na etapie doradczym. Agentowa AI idzie dalej: jest zaprojektowana do wykonywania zadań. Może analizować dane, podejmować decyzje w ramach określonych zasad i wyzwalać działania w połączonych systemach.
W prostych słowach, generatywna AI dostarcza mapę. Agentowa AI prowadzi samochód.
Oto różnica w kontekście bankowym:
|
Funkcja |
Generatywna AI |
Agentowa AI |
|
Główna rola |
Produkuje informacje |
Wykonuje zadania |
|
Styl interakcji |
Odpowiedź na polecenie |
Autonomiczny przepływ pracy |
|
Przykład w bankowości |
Szkic raportu zgodności |
Automatyczne złożenie raportu zgodności |
|
Przykład w handlu |
Analiza portfela |
Wykonanie i rozliczenie transakcji |
Czy Agentowa AI już zarządza bankami?
Instytucje takie jak Goldman Sachs, Lloyds Banking Group i Deutsche Bank nie tylko testują narzędzia AI. Wiele z nich integruje systemy agentowe w codziennej działalności, aby automatyzować części handlu, zgodności i monitorowania ryzyka.
Te systemy są teraz upoważniane do obsługi zadań, które wcześniej wymagały ręcznych kontroli.
Na przykład, Lloyds Banking Group ogłosiła plany rozszerzenia agentowej AI w całym banku, oczekując ponad 100 milionów funtów wartości z inicjatyw AI w 2026 roku, co stanowi podwojenie wartości wygenerowanej w poprzednim roku.
Tymczasem firmy z Wall Street, takie jak Goldman Sachs, eksperymentują z agentami AI do procesów wewnętrznych, takich jak księgowość transakcji, kontrole onboardingowe i przepływy pracy zgodności.
Celem nie jest całkowite zastąpienie bankierów, ale usunięcie najwolniejszych części procesu.
Gdzie Agentowa AI pojawia się najpierw
Banki z natury są ostrożne. Oznacza to, że agentowa AI nie jest wprowadzana wszędzie naraz. Zamiast tego technologia pojawia się najpierw w obszarach z ustrukturyzowanymi zasadami i dużymi przepływami danych, w tym:
-
Przeciwdziałanie praniu pieniędzy (AML)
Zespoły ds. zgodności muszą codziennie przeglądać tysiące alertów.
Systemy agentowej AI mogą:
Badania akademickie wykazały, że systemy AML oparte na agentach mogą znacznie przyspieszyć przepływy pracy zgodności, jednocześnie poprawiając dokładność narracji dla regulatorów.
-
Onboarding klientów i poznaj swojego klienta (KYC)
Otwarcie konta bankowego wymaga weryfikacji tożsamości, kontroli dokumentów i sprawdzania oszustw.
Systemy agentowe mogą automatycznie przeprowadzać te kroki w kolejności.
-
Operacje handlowe
Rozliczanie transakcji w back-office, jedno z najbardziej złożonych zadań w finansach, również staje się głównym kandydatem do automatyzacji.
Zamiast pracowników ręcznie uzgadniających transakcje, agenci AI mogą natychmiast weryfikować zapisy i aktualizować księgi.
Ale czy banki mogą zaufać autonomicznej AI?
Oto niewygodna prawda: agentowa AI wprowadza nowe ryzyka.
Systemy agentowej AI mogą działać samodzielnie, aby ukończyć zadania. Jeśli system źle odczyta dane rynkowe lub zastosuje niewłaściwą zasadę, może wywołać łańcuch nieprawidłowych działań, zanim człowiek zainterweniuje.
To ryzyko jest czasami związane z tym, co badacze nazywają halucynacjami AI, gdzie model generuje błędne wnioski z niekompletnych lub źle odczytanych danych. W bankowości takie błędy mogą wpłynąć na wykonanie transakcji, kontrole zgodności lub monitorowanie transakcji.
Eksperci ostrzegają przed 3 kluczowymi wyzwaniami:
Przejrzystość
Decyzje AI muszą być wyjaśnialne dla regulatorów.
Stronniczość w modelach finansowych
Dane treningowe mogą prowadzić do niesprawiedliwych wyników.
Przekraczanie autonomii
Systemy AI mogą zacząć podejmować decyzje poza zakresem ich zamierzonego działania.
Aby zarządzać tym ryzykiem, regulatorzy i globalne organizacje pracują nad zabezpieczeniami.
Na przykład, regulatorzy w Unii Europejskiej (UE) już zajmują się tymi obawami poprzez ramy takie jak EU AI Act, które wymagają ścisłego nadzoru nad systemami AI wysokiego ryzyka w finansach.
Innymi słowy, banki mogą automatyzować przepływy pracy, ale odpowiedzialność nadal spoczywa na ludziach.
Czy agenci AI przejmują bankowość?
Nie do końca. Rzeczywistość jest bardziej złożona.
Agentowa AI szybko staje się warstwą cyfrowej siły roboczej w instytucjach finansowych. Te systemy mogą obsługiwać powtarzalne zadania szybciej i na większą skalę.
Ale kluczowe obowiązki, takie jak decyzje dotyczące ryzyka, relacje z klientami, strategiczne osądy, nadal wymagają nadzoru ludzkiego.
Nawet najbardziej zaawansowane wdrożenia AI dzisiaj działają z „zarządzaniem z udziałem człowieka”, co oznacza, że personel może interweniować w razie potrzeby.
Instytucje finansowe przyszłości mogą nie zastąpić bankierów AI, ale z pewnością będą oczekiwać, że bankierzy będą pracować wspólnie z tysiącami cyfrowych agentów.
I to rodzi intrygujące pytanie dla branży:
Jeśli agenci AI mogą już wykonywać transakcje, monitorować zgodność i analizować rynki, co dokładnie będzie robił bankier w następnym dziesięcioleciu?
Jedno jest pewne: opis stanowiska pracy wkrótce się zmieni.
