AI w bankach: rewolucja już trwa. Jakie przynosi efekty?

Z tego artykułu dowiesz się:

• Jakie główne obszary działalności bankowej obejmuje obecnie sztuczna inteligencja?
• W jaki sposób AI wpływa na efektywność operacyjną i relacje z klientami?
• Z jakimi kluczowymi barierami i wyzwaniami mierzą się banki podczas wdrażania AI?
• Czy wdrożenia AI przekładają się już na konkretne zyski finansowe w sektorze bankowym?
• Jakie są przewidywane kierunki rozwoju sztucznej inteligencji w przyszłości bankowości?

Sztuczna inteligencja przestaje być w bankowości eksperymentem, a staje się jednym z głównych motorów zmiany. – W ostatnich latach sektor koncentrował się na strategii cloud-first, budując nowoczesną, skalowalną infrastrukturę. Chmura stała się fundamentem, który pozwala przejść do kolejnego etapu – modelu AI-first, gdzie kluczowe jest inteligentne wykorzystanie danych – zaznacza Grzegorz Idzik, dyrektor Departamentu Projektów, Procesów i Innowacji w VeloBanku.

AI zaczyna bezpośrednio wpływać na skalę działania banków, ich efektywność i relacje z klientami. A my sprawdzamy, jakie rozwiązania są dziś wykorzystywane w polskim sektorze i jakie przynoszą efekty.

Chatboty i voiceboty przejmują kontakt z klientem

Z zebranych przez nas informacji wynika, że najbardziej widocznym obszarem zastosowania AI jest obsługa klienta, czym chwalą się w zasadzie wszystkie banki. Sektor stawia przede wszystkim na chatboty i voiceboty, które nie tylko znakomicie upraszczają kontakty na linii klient–bank, ale też pomagają Polakom w codziennych finansach.

Przykładem jest „Twój Wirtualny Asystent w Moim ING”, który pozwala załatwiać proste sprawy 24/7. Kluczową zmianą było przejście od rozwiązań opartych na słowach kluczowych do systemu rozpoznającego intencje użytkownika, co znacząco poprawiło jakość odpowiedzi. Podobną usługę ING Bank Śląski oferuje dla klientów biznesowych.

Jeszcze dalej idzie VeloBank z głosową asystentką Velą. System rozumie język naturalny i umożliwia wykonanie ponad 50 operacji – od sprawdzenia salda, przez wygenerowanie kodu BLIK, po zmianę limitów. Od momentu wdrożenia rok temu Vela przeprowadziła ponad 260 tys. rozmów i udzieliła 430 tys. odpowiedzi.

AI pomaga udzielać kredytów

Równolegle z rozwojem AI konwersacyjnej banki wykorzystują ją w niemal wszystkich obszarach działalności. Piotr Kostrzewa-Zalewski, dyrektor Departamentu Innowacji i Rozwoju w PKO Banku Polskim, wśród licznych wdrożeń wylicza m.in. asystenta wiedzy skracającego czas obsługi, usługę upraszczającą komunikację, Asystenta Programisty, czy asystenta do pomocy w codziennej pracy dla pracowników.

Jednocześnie w PKO BP rozwijana jest platforma MLOps, w ramach której funkcjonują setki modeli uczenia maszynowego. Przynosi to konkretne efekty – w 2025 r. dzięki większej akceptowalności modeli kredytowych bank udzielił dodatkowych 1,5 mld zł finansowania dla 41 tys. klientów. W IV kw. 2025 r. roboty przeprocesowały ponad 30 mln spraw w pełni automatycznie.

Podobne podejście widać w BNP Paribas BP, gdzie wykorzystywane są modele predykcyjne i silniki rekomendacyjne, które lepiej dopasowują ofertę do klientów, zwłaszcza z segmentu MŚP. Dzięki temu bank nie tylko poprawia sprzedaż, ale też lepiej odpowiada na potrzeby klientów, jednocześnie ograniczając m.in. ryzyko kredytowe.

Pracownicy banków też korzystają z AI

– W ostatnich dwóch latach AI stała się ważnym narzędziem realizacji strategii wzrostu i poprawy efektywności – podkreśla Robert Buda, starszy menadżer IT w departamencie danych i sztucznej inteligencji w mBanku. Technologia wspiera tu obsługę klienta, operacje, analizę danych czy codzienne zadania pracowników. Program generatywnej AI objął ponad 20 departamentów, a liczba zapytań do narzędzi przekracza 340 tys. miesięcznie.

Również w Banku Pekao wdrożono kilkanaście rozwiązań AI, zwiększających produktywność pracowników (np. automatyczne notatki ze spotkań, które oszczędzają doradcom kilkanaście minut przy każdej rozmowie) czy w obszarze bezpieczeństwa. Bank Millennium rozwija platformy do trenowania modeli, centralne repozytoria AI oraz narzędzia wspierające prawników i programistów, równolegle wdrażane są systemy analizy mowy i danych, które pozwalają lepiej wykorzystywać informacje z kontaktów z klientami. AI coraz częściej trafia też do placówek – przykładem jest wirtualny agent wspierający doradców w Credit Agricole BP.

Regulacje, dane i zaufanie – największe bariery wdrożeń

Choć AI w bankach to już codzienność, jej wdrażanie wiąże się z licznymi wyzwaniami. Jak podkreśla Piotr Kostrzewa-Zalewski z PKO Bank Polski, kluczowe problemy to jakość i standaryzacja danych oraz budowa kompetencji technologicznych w organizacji. Banki muszą jednocześnie działać w pełnej zgodności z regulacjami, w tym AI Act, co wymaga rozbudowanego zaplecza prawnego i compliance.

– Widzę kilka głównych wyzwań i większość z nich jest wspólna dla całego sektora bankowego w Polsce i Europie – zaznacza Karol Tajduś, dyrektor Departamentu Transformacji AI w Banku Pekao. Szczególnie problematyczne są dane nieustrukturyzowane – dokumenty, nagrania czy korespondencja, które wymagają dużo pracy przygotowawczej, zanim będą mogły zasilać modele AI na produkcyjną skalę. Istotnym problemem jest silnie regulowane środowisko, w jakim muszą poruszać się instytucje finansowe. – Przy czym moim zdaniem regulacje to nie hamulec, ale szansa. AI Act wymusza na nas myślenie o klasyfikacji ryzyka, wyjaśnialności modeli i nadzorze ludzkim. I to jest kierunek, w którym i tak powinniśmy iść – zaznacza Karol Tajduś.

Halucynacje modeli i potrzeba pełnej kontroli

Dodatkowym wyzwaniem są ograniczenia technologiczne samych modeli AI. Problemem pozostaje brak deterministyczności wyników oraz tzw. halucynacje, czyli generowanie nieprawdziwych informacji. – W naszej branży nie możemy pozwolić sobie na to, aby rozwiązania, które wdrażamy, działały w sposób niedeterministyczny, a niestety to jest naturalne zachowanie dużych modeli językowych – zauważa Marcin Laskowski, kierujący Wydziałem Rozwoju Technologii w Departamencie Rozwoju Aplikacji Banku Millennium. – W bankowości nie ma miejsca na błędy czy wymyślanie informacji, dlatego wkładamy dodatkowy wysiłek, aby mechanizmy odpowiadające za takie sytuacje zostały wyeliminowane – zaznacza też Wojciech Ogórek, Platform Leader w Banku BNP Paribas. Dlatego instytucje finansowe inwestują w mechanizmy kontroli, które ograniczają ryzyko błędnych odpowiedzi, zapewniają zgodność z regulacjami, itp.

Wyzwania mają także charakter organizacyjny. Banki muszą przekonać pracowników, że AI jest wsparciem, a nie zagrożeniem, co wymaga intensywnej edukacji i budowania zaufania. Często też wdrożenie oznacza konieczność przeprojektowania całych procesów biznesowych, bo AI nie działa jak prosta „nakładka” IT na istniejące systemy. Dodatkowo, jako sektor regulowany, banki nie mogą swobodnie korzystać z ogólnodostępnych rozwiązań i często muszą budować własne lub kupować dedykowane systemy.

Co dalej z AI w bankach

Bankowcy są zgodni – AI już dziś przynosi wyraźne efekty operacyjne. Skraca czas obsługi, poprawia jakość procesów, automatyzuje powtarzalne zadania i pozwala skalować działalność bez proporcjonalnego wzrostu zatrudnienia. Jednocześnie trudno wskazać jednoznaczne, twarde efekty finansowe. Wypowiedzi przedstawicieli banków koncentrują się raczej na wskaźnikach efektywności i produktywności niż na bezpośrednim spadku kosztów czy wzroście przychodów.

Mimo to sektor nie zwalnia tempa. Banki planują dalsze wdrożenia, np. w PKO BP w obszarach takich jak CRM, HR, IT, AML czy sprzedaż, a także rozwój agentów AI i automatyzacji procesów. Kluczowe będzie skalowanie już sprawdzonych rozwiązań.

– Patrząc w przyszłość, AI będzie rozwijać się w kierunku personalizacji, automatyzacji oraz rozwiązań działających bardziej proaktywnie w imieniu klienta – podkreśla Grzegorz Idzik z VeloBanku. – Widzimy duży potencjał i chcemy wykorzystywać tę technologię w wielu inicjatywach biznesowych – dodaje Michał Bończysty, Customer Platforms and AI Tribe Leader w Credit Agricole BP. – Obecnie mamy kilkadziesiąt inicjatyw na różnym poziomie zaawansowania, gdzie technologia AI znajduje lub znajdzie zastosowanie – podkreśla.