AI nie zastąpi człowieka. Sytuacja nie jest czarno-biała

W mBanku nie chcemy, by sztuczna inteligencja podejmowała ważne dla klientów decyzje – przekonuje Krzysztof Dąbrowski, wiceprezes ds. operacji i informatyki mBanku. Dodaje, że w bankach są i takie miejsca, gdzie AI wykona czynności od A do Z.

Część ekspertów zarzuca bankom zacofanie w implementacji AI. To prawda?

Nie. Może i banki nie stosują generatywnej sztucznej inteligencji w 100 proc., ale w żadnym razie nie są zacofane. Prawda jest taka, że rozwiązania AI nie działają na zasadzie „plug and play”. W rzeczywistości trzeba się sporo napracować, aby rozwiązać problem punktowo i skalować to szerzej. Małe, zwinne firmy często używają gotowych produktów czy aplikacji z wbudowanym AI, nie piszą własnego oprogramowania. W bankach to niemożliwe. Albo jeśli jest możliwe, to nie nazywamy tego „wdrożeniem AI”.

To kiedy mBank zaczął „flirtować” ze sztuczną inteligencją?

Sztuczna inteligencja to pojęcie dużo szersze niż modele językowe, które są praktycznie głównym tematem obecnych dyskusji. Już wcześniej, bo około ośmiu lat temu, używaliśmy w mBanku uczenia maszynowego, np. do analizy transakcji pod kątem wykrywania oszustw. Stricte generatywnej AI zaczęliśmy przyglądać się zaś bliżej, gdy zjawisko to „eksplodowało”, przedzierając się do szerszej świadomości.

Wówczas zaczęliśmy szukać wyzwań, które do tej pory nie miały satysfakcjonującego rozwiązania poprzez stosowanie „konwencjonalnych” technologii IT. Półtora roku temu utworzyliśmy nasz wewnętrzny inkubator, którego celem jest dostarczenie własnych rozwiązań opartych na GenAI. Są to głównie projekty i wdrożenia wewnętrzne.

Wewnętrzne, czyli jakie?

To znaczy, że używamy GenAI do procesów wewnątrz organizacji, a użytkownikami tych rozwiązań są nasi pracownicy. Na dziś stanowią one wsparcie dla pracowników w takich działach jak reklamacje, analiza danych, sprzedaż, contact center czy doradztwo korporacyjne. Nie udostępniamy zaś tych rozwiązań wprost klientom, choć prędzej czy później to też nastąpi.

Jakie macie plany na dalsze wykorzystanie AI?

Nasz inkubator cały czas pracuje, zbieramy pomysły z całego banku. W praktyce nie wszystko się sprawdza, albo nie przynosi oczekiwanych efektów w postaci zasadniczej zmiany. Koniec końców do wdrożenia wybieramy te projekty, które dają największą wartość biznesową i są realistyczne do zrobienia. Obecnie na warsztacie mamy kilka istotnych „tematów”, ale mamy taką politykę, że chwalimy się tym, co już zrobiliśmy, a nie tym, co zamierzamy zrobić. Więc na razie, proszę wybaczyć, musi to pozostać naszą tajemnicą.

Nawet po zastosowaniu GenAI za kontakt z klientami wciąż u was odpowiadają ludzie. Na przykład w dziale reklamacji, choć wydawać by się mogło, że tu łatwo można zastąpić człowieka. Dlaczego?

Po pierwsze, nikt odpowiedzialny nie może puścić AI zupełnie samopas. Po drugie, wbrew pozorom akurat reklamacje to jedno z najtrudniejszych zadań dla AI, ponieważ wejście do tego procesu jest bardzo nieustrukturyzowane. Zdarza się, że klienci piszą listy w dowolnej formie, używając różnorodnych sformułowań, czasami nie podają precyzyjnie przedmiotu reklamacji, albo ich wiadomość w zasadzie nie jest reklamacją, albo wymagane dane są niepełne. W tym procesie nie da się jednym krokiem przejść do pełnej automatyzacji.

To na czym polega tu „praca” AI?

Jak już wspomniałem – reklamacje to zbiór różnych, często nieustrukturyzowanych danych. Ich „obróbka” to szereg elementów: zrozumienie problemu klienta, uznanie lub nie zasadności reklamacji i przygotowanie odpowiedzi. Co robi AI może przeanalizować zgłoszenie, zidentyfikować, czego dotyczy, czy wskazać, jakich informacji brakuje. GenAI wspiera pracowników w kolejnych krokach obsługi – analizuje też wcześniejsze reklamacje, znajduje te o podobnej tematyce i podpowiada sprawdzone rozwiązania w oparciu o dane historyczne, przygotowuje gotowe rekomendacje, a nawet analizuje, czy odpowiedzi są napisane jasnym, przejrzystym językiem. To znakomicie oszczędza czas i poprawia efektywność pracy zespołu, zwłaszcza w prostych przypadkach. Jednak nadal to człowiek jest decydentem. I uważam, że sporo czasu upłynie, zanim uda się w całości zautomatyzować te procesy.

A uda się w ogóle?

Kluczem jest standaryzacja. Staramy się iść w tym kierunku, by już na etapie składania reklamacji uzyskać jak największy i w miarę ustandaryzowany zestaw informacji. To pozwala na przyspieszenie procesu już na jego starcie. Gdy pracownik ma do czynienia z prostą reklamacją, przy wsparciu GenAI może rozwiązać ją znacznie szybciej. Jednak często zdarzają się przypadki złożone, skomplikowane, gdzie konsultant musi poświęcić więcej czasu na jego analizę (nawet przy wykorzystaniu rozwiązania opartego o GenAI). Ich wiedza i umiejętności są w takich sytuacjach kluczowe, by przygotować właściwą odpowiedź.

Pytanie, czy chcemy inwestować w rozległe systemy AI w imię automatyzacji dla samej automatyzacji, czy raczej w takie, które przynoszą największą korzyść kosztową? Myślę, że złoty środek, taki jak przedstawiłem, jest najlepszym rozwiązaniem, bo pozwala na efektywne wykorzystanie zasobów tam, gdzie są one najbardziej przydatne.

Ostatnio modny stał się temat agentów AI, którzy mogą wykonywać różne czynności bez interwencji człowieka. Czy taki agent mógłby za nas zarządzać naszymi finansami?

Teoretycznie, z punktu widzenia technicznego, jest to oczywiście możliwe. Jednak pojawiają się dwa kluczowe problemy, zwłaszcza jeśli mówimy o uniwersalnym agencie działającym w różnych miejscach. Po pierwsze, to zaufanie i bezpieczeństwo. Klienci musieliby przekazać agentowi AI swoje dane do logowania oraz pełnomocnictwa do wykonywania czynności bankowych. Rodzi to obawy, bo mówimy o przekazaniu danych wrażliwych, nie tyle osobie trzeciej, co organizacji, odpowiedzialnej za dane rozwiązanie GenAI. Łączy się to z kolejną kwestią - na gruncie obecnie obowiązującego prawa w Unii Europejskiej, nie bardzo widzę, w jaki sposób można upoważnić AI do robienia operacji bankowych w imieniu klienta oraz kto miałby ponosić odpowiedzialność za decyzje agenta AI?

Rozumiem, że jest pan sceptyczny. To zastanówmy się, czy AI uczy się od ludzi, czy ludzie uczą się od AI?

To trochę filozoficzne pytanie. Ale powiem tak, sztuczna inteligencja jest narzędziem, które przetwarza informacje wyprodukowane przez ludzi. W związku z czym, co do zasady, nie uczy nas, tylko parafrazuje słowa innych. Jest pośrednikiem. Nadal nie jest twórcą wiedzy.

Ale sami podajecie, że w mBanku AI podpowiada pracownikowi kolejne kroki, co ma robić. A na co dzień ludzie pytają jak napisać e-maila, jak poprosić szefa o podwyżkę, itp. GenAI wydaje się bardzo mądra...

Ale to wciąż nie jest nauka. Ludzie uczą się przez praktykę, działanie, rozwiązywanie problemów, nie przez „kopiuj-wklej”. Choć muszę przyznać, że efektem ubocznym używania AI może być to, że skoro ludzie dostają gotowe rozwiązania, to będą mniej się uczyć. To tak jak z przepisywaniem zadań z matematyki od kolegi – można dostać dobrą ocenę, ale nie stajemy się od tego mądrzejsi. Samo wykonanie kroków podpowiedzianych przez AI nie jest wiedzą. Ważne jest też, by w tym całym procesie nie zapominać o tym, by również zrozumieć, dlaczego wykonanie kolejnych kroków jest właściwą ścieżką w procesie.

Czyli mBank traktuje AI jako narzędzie pomocnicze, a nie system, który docelowo będzie mógł zastąpić ludzi?

Co do zasady, tak. Natomiast są pewne szarości. Będą miejsca, gdzie AI wykona czynność od A do Z. Podam przykład: w przetwarzaniu skanów tekstu (OCR) napisanych odręcznie czy komputerowo, skuteczność automatów obecnie wynosi powiedzmy 85 proc., a 15 proc. muszą „dorabiać” ludzie. A przy zastosowaniu modeli językowych, skuteczność można zwiększyć do aż 95 proc.

Z drugiej strony podam przykład doradców korporacyjnych. W naszym rozwiązaniu GenAI przygotowuje im pigułkę informacyjną na temat danej firmy, podsumowuje i analizuje dane, może nawet wyciągnąć wnioski z tej analizy, co oszczędza dużo czasu. Ale czy chcemy, żeby to AI podejmowała decyzje? My tego nie chcemy. Uważamy, że to ludzie muszą decydować w złożonych, czasami nietrywialnych, jak w przypadku części reklamacji, procesach. Nasi klienci też tego oczekują. Więc sytuacja nie jest czarno-biała, nie można powiedzieć ani „nigdy nie”, ani „zawsze tak”.

Jakie główne korzyści przynosi zastosowanie AI w waszym banku?

Główne korzyści, których szukamy, to przyspieszenie pracy ludzi, eliminując żmudne czynności, co przekłada się na sprawniejsze realizowanie usług dla klientów. Koniec końców jesteśmy przecież dla klientów. Druga rzecz to zwiększenie dokładności działań dzięki lepszemu dostępowi do wewnętrznych informacji i procedur. Nawet takie zamknięte ekosystemy jak banki to ogromne systemy, ich automatyzacja podnosi jakość usług i zmniejsza liczbę błędów.

A czy celem nie są po prostu oszczędności?

Na pewno nie w sensie drastycznych oszczędności czy redukcji zatrudnienia. Chodzi o to, by trzymać koszty w ryzach, pomimo rosnącej skali naszego biznesu i coraz większej liczby klientów. Celem jest, aby wzrost biznesu nie wymagał proporcjonalnego rozrostu kosztów.

Warto tu też zwrócić uwagę na obciążenia regulacyjne nakładane na banki przez państwo, takie jak te związane z zapobieganiem praniu brudnych pieniędzy (AML). Tymi kwestiami zajmują się setki ludzi w banku! I są to czynności, które banki wykonują na zlecenia państwa, ale bez korzyści finansowych dla banku czy klientów, jeszcze dodatkowo o niskiej skuteczności w Polsce. W tym obszarze automatyzację można traktować jak stricte optymalizację kosztów.

CV

Krzysztof Dąbrowski

funkcję wiceprezesa zarządu ds. operacji i informatyki w mBanku pełni od kwietnia 2017 r., w latach 2014-2017 był dyrektorem zarządzającym ds. IT i technologii. Wcześniej pracował m.in. dla grupy Allegro, F. Hoffman-La Roche, Polska Online czy TDC Internet. Jest absolwentem wydziału elektroniki i technik informacyjnych Politechniki Warszawskiej. W 2011 r. ukończył studia Executive MBA na Uniwersytecie Warszawskim i Uniwersytecie Illinois.