Nowoczesne technologie zrewolucjonizują zasady, na jakich funkcjonowała dotychczas branża finansowa. Ci, którzy zamiast przejść rewolucję, będą jedynie ewoluować, mogą zniknąć z rynku. Większość podmiotów już bierze udział w wyścigu. Sztuczna inteligencja wkracza do dzisiejszego biznesu jak maszyna parowa do osiemnastowiecznego przemysłu. Szybko, z rozmachem i z zapowiedzią jego nieodwracalnej zmiany. Według najnowszego raportu amerykańskiego wydawnictwa komputerowego IDG, globalne wydatki na sztuczną inteligencję (SI) i systemy kognitywne wyniosą jeszcze w tym roku 19 miliardów dolarów – to o ponad połowę więcej niż w 2017 roku. W 2021 sięgną 52,2 mld dolarów, a trzy czwarte wszystkich aplikacji biznesowych będzie oparte na sztucznej inteligencji. Największa część tych wydatków (20 proc.) przypada na bankowość. Zaraz za nią znajduje się branża medyczna i handel detaliczny. Nic w tym dziwnego, bo składająca się na systemy kognitywne zaawansowana analiza danych, widzenie komputerowe, przetwarzanie języka naturalnego, czy uczenie maszynowe mają w tych branżach szczególne znaczenie.­

Usprawnienie procesów

W przypadku bankowości te technologie są wykorzystywane od dawna. Pierwsze sieci neuronowe do automatycznego podejmowania decyzji kredytowych powstały ponad 20 lat temu. Banki na masową już skalę wykorzystują też tzw. data mining albo text mining, czyli wyciąganie encji z dokumentów albo z wiadomości od klientów, systemy konwersacyjne oraz modele analityczne oparte o uczenie maszynowe do zautomatyzowania powtarzających się, opartych na stałych zasadach czynności ręcznych w takich obszarach jak: ryzyko, sprzedaż i marketing czy przeciwdziałanie praniu brudnych pieniędzy i finansowaniu terroryzmu.

Przykładowo, brytyjska firma Intelligent Voice oferuje instytucjom finansowym narzędzie do transkrypcji oparte na uczeniu maszynowym, które służy monitorowaniu rozmów telefonicznych handlowców pod kątem np. wykorzystywania informacji poufnych w sprzedaży. Xcelerit lub Kinetica mają z kolei w ofercie śledzenie ekspozycji na ryzyko w czasie bliskim rzeczywistemu, umożliwiając ciągłe monitorowanie spełnienia wymogów kapitałowych. Uczenie maszynowe jest znakomitym narzędziem automatyzacji decyzji finansowych służącym ocenie zdolności kredytowej lub spełnienia wymogów przyznania polisy ubezpieczeniowej. Umożliwia bowiem przesiewanie ogromnych ilości danych.

Według większości z 800 menedżerów bankowości oraz IT biorących udział w badaniu Accenture Technology Vision, potencjał sztucznej inteligencji jest największy w trzech obszarach: budowania zaufania klientów (71 proc.), optymalizacji kosztów i operacji (63 proc.) oraz poprawy stopnia zgodności z przepisami (62 proc.). Zaufanie jest oczywiście możliwe jedynie wówczas, gdy przetwarzane dane są wiarygodne, dokładnie zweryfikowane i wykorzystane w etyczny sposób. 78 proc. ankietowanych przez Accenture przyznaje, że automatyzacja tworzy nowe ryzyka, takie jak fałszywe dane, czy zewnętrzna manipulacja danymi. Podejmowanie automatycznych decyzji jedynie na podstawie algorytmów rodzi też ryzyka błędów na niekorzyść uczciwych klientów. Przykładowo, uniemożliwiając dokonanie przelewu, gdy system niesłusznie „uzna”, że wiąże się on z ryzykiem prania brudnych pieniędzy.

SI pozwoli zrozumieć nie tylko to, czego oczekuje klient, i co mówi, ale również zidentyfikować to, czego jeszcze sam nie wie.

Aktualnie sztuczna inteligencja ewoluuje w kierunku zaoferowania szeroko zakrojonego zestawu zdolności kognitywnych. Włączając czucie, rozumienie, działanie i uczenie się. Zdolności, które umożliwiają maszynom wyposażonych w sztuczną inteligencję nawiązywać w naturalny sposób kontakt z człowiekiem. SI pozwoli zrozumieć nie tylko to, czego oczekuje klient, i co mówi, ale również zidentyfikować to, czego jeszcze sam nie wie. Znajduje to zastosowanie np. w botach (wirtualnych agentach), które coraz częściej zastępują pracowników działu obsługi klienta. Wirtualny agent China Merchant Bank używa bota w popularnej aplikacji WeChat do obsługi nawet 2 mln zapytań dziennie. Gdyby nie zastosowanie sztucznej inteligencji, bank musiałby zatrudnić 7 tys. dodatkowych pracowników.

Techniki SI są już więc wykorzystywane do wszystkiego – od pracy na zapleczu do zwiększania efektywności pracy obsługi klienta. Nowoczesnych form kontaktu z instytucjami finansowymi oczekują zresztą sami klienci. Z raportu Accenture Banking Technology Vision 2018 wynika, że 45 proc. klientów korzystających z rozwiązań cyfrowych chciałoby, aby ich bank wprowadził nowe formy komunikacji z nimi – poprzez wirtualną rzeczywistość czy internet rzeczy (wearables, czyli urządzenia ubieralne). Naprzeciw takim potrzebom wyszedł koreański Hana Bank. Jego klienci, korzystający z aplikacji mobilnej przetwarzającej ich dane, mogą dostać niezbędne informacje o wybranym mieszkaniu czy domu wraz z ofertą pożyczki hipotecznej zaraz po skierowaniu kamery smartfona na wybraną nieruchomość.

Ten trend powoduje, wynika z raportu KPMG „Rise of the robots”, że w ciągu najbliższych 15 lat 45 proc., a może nawet i 75 proc. prac w finansowym sektorze będzie wykonywane przez roboty. Tzw. zrobotyzowana automatyzacja procesów biznesowych ma się przełożyć na ogromne oszczędności oraz usprawnienie operacji. Nic dziwnego, że od 2019 r. certyfikowani analitycy finansowi będą musieli na egzaminach wykazać się wiedzą w zakresie SI.

Analiza finansowa z jej użyciem wkracza najszybciej w obszar doradztwa finansowego dla zamożnych klientów. Systemy robo-advisory odpowiadają m.in. za zarządzanie majątkiem klienta, planowanie finansowe oraz konstrukcję portfela aktywów. Ponadto, inwestując w fundusze ETF (exchange-traded found) są w stanie w stosunkowo prosty sposób i przy niskich kosztach zapewnić dywersyfikację portfolio.

Jednym z pionierów zastosowania robo-advisory był w 2016 r. Bank of America, którego inteligentny wirtualny asystent używa analityki predyktywnej (data mining) i metod kognitywnych do pomagania ponad 45 milionom klientów w podejmowaniu decyzji inwestycyjnych. Podobnych systemów używają też takie instytucje, jak UBS, JPMorgan Chase, Betterment, czy Merril Edge. Według Business Insider Intelligence, w ramach robo-advisory kontrolowane są na świecie aktywa o wartości ponad 70 mld dolarów, a do 2020 r. automatyczni doradcy będą kontrolowali aż 10 proc. globalnych aktywów.

Wpływ SI na gospodarkę i rynek pracy

Te liczby mogą budzić obawy pracowników obsługi klienta. Z badań Światowego Forum Ekonomicznego wynika, że w wyniku czwartej rewolucji przemysłowej (wywołanej przez nowe technologie) do 2021 r. zniknie ponad 7 mln miejsc pracy. Według danych OECD najwięcej zagrożonych miejsc pracy jest w Słowacji, Słowenii, Grecji, Szwajcarii, Hiszpanii i w Polsce – ok. 50 proc.! Jednocześnie, rewolucja technologiczna ma pomóc w stworzeniu zupełnie nowych etatów, a 65 proc. dzieci dziś rozpoczynających naukę, zakończy ją z dyplomami nieistniejących dziś specjalności.

W ciągu tej dekady skumulowany wpływ sztucznej inteligencji na światową gospodarkę może wynieść od 1,5 do 3 bln dol., co przełoży się na przyspieszenie wzrostu PKB nawet o 1-2 pkt proc.

Autorzy raportu Konzept Deutsche Bank Research „Automation – not a job killer”, twierdzą wręcz, że oskarżanie automatyzacji o obserwowane w latach 1980-2015 globalne spadki w zatrudnieniu specjalistów średniego szczebla oraz ich wynagrodzeń jest nieuzasadnione. Spowodowane było bowiem zupełnie innymi czynnikami (m.in. wejście Chin na światowy rynek, upadek Związku Radzieckiego, globalny offshoring). Jak twierdzi cytowany w raporcie Deutsche Bank Research Matt Rognlie, ekonomista Northwestern, podczas gdy technologia i automatyzacja bez wątpienia odegrały ważną rolę w ostatnim wzroście gospodarczym (podając za przykład USA), nie mogły mieć one wpływu na udział siły roboczej w produkcji, gdyż ich udział w amerykańskiej wartości kapitału akcyjnego jest wciąż marginalny.

Mają za to już teraz spory wpływ na globalny wzrost gospodarczy. Microsoft Polska podczas konferencji Impact ’18 zaprezentował raport „Iloraz sztucznej inteligencji”, z którego wynika, że w ciągu najbliższej dekady skumulowany wpływ sztucznej inteligencji na światową gospodarkę może wynieść od 1,5 do 3 bln dolarów, co przełoży się na przyspieszenie wzrostu PKB nawet o 1-2 pkt proc.

W tyle za Chinami

W przypadku polskiej gospodarki sztuczna inteligencja odpowiadała w ostatnich latach jedynie za 0,1-0,2 pkt proc. wzrostu, zaś tylko 4 proc. rodzimych firm korzysta z najbardziej wydajnych mechanizmów oferowanych przez SI – głównie opartych na chmurze obliczeniowej. Korzyści ze stosowania SI przez polskie przedsiębiorstwa można oszacować na 10-20 mld zł rocznie, ale nie więcej niż 1 proc. PKB.

W 2017 r. w Polsce ledwie dziewięć start-upowych hubów pracowało nad rozwiązaniami z zakresu SI. W Wielkiej Brytanii – ponad 120.

Jak zaznacza Microsoft w raporcie, mimo powszechnego dostępu do sieci w Polsce, firmy w naszym kraju tylko w niewielkim stopniu wykorzystują potencjał ICT (technologie informacyjne i komunikacyjne) i sztucznej inteligencji. Według MS, w każdym z badanych wymiarów wykorzystania SI przez przedsiębiorstwa polskie firmy wypadają gorzej niż unijni konkurencji. Z danych funduszu venture capital Asgard wynika, że w 2017 r. w Polsce ledwie dziewięć start-upowych hubów pracowało nad rozwiązaniami z zakresu SI. W Wielkiej Brytanii – ponad 120.  Ponad połowa wszystkich rozwiązań powstaje w brytyjskich, niemieckich i francuskich firmach. Te, które powstają w Polsce i tak często szybko przenoszą się na Zachód. Jak WealthArc, która działa głównie w Szwajcarii, wdrażając platformy do zarządzania inwestycjami w takich instytucjach jak Credit Suisse czy Pictet.

Przyczyn wolniejszego rozwoju innowacji finansowych w Polsce jest kilka.

– Po pierwsze, niedostosowanie albo zbyt wolne przystosowanie regulacji do zmian technologicznych. Przykładowo, ustawa o obrocie instrumentami finansowymi zakłada, że ostateczne decyzje finansowe musi podejmować człowiek, co wyklucza stosowanie na naszym rynku robo-advisory. Ważny jest też stosunek Komisji Nadzoru Finansowego do innowacyjnych rozwiązań i nowych graczy na rynku. Jeśli ci nie dostaną zielonego światła od KNF, boją się wdrażać nowe rozwiązania z obawy przed karą – podkreśla Aneta Hryckiewicz, prof. Akademii Leona Koźmińskiego, koordynatorka programu studiów Big Data w finansach.

Celem KNF jest bowiem przede wszystkim zapewnienie stabilności, bezpieczeństwa oraz przejrzystości rynku, nie ułatwianie działania fintechom. Rekomendacje KNF nie stanowią aktów prawa powszechnie obowiązującego, ale w praktyce mają duże znaczenie dla uczestników rynku i są przez nich respektowane. Tak było w przypadku tzw. screen scrapingu (polega na udostępnianiu przez klienta banku innemu bankowi lub podmiotowi swoich danych do logowania). Komisja wydała w 2015 r. jednoznaczną, negatywną opinię co do jego stosowania m.in. przez mBank, Alior Bank czy Idea Bank i banki się z tego wycofały, mimo że nie było to działanie zabronione przez ówczesne prawo. W międzyczasie Wielka Brytania, a potem Litwa uruchomiły tzw. piaskownicę regulacyjną (wydzielone, bezpieczne środowisko, w którym można eksperymentować bez ponoszenia prawnych i rynkowych konsekwencji). W efekcie, po ogłoszeniu Brexitu, najwięcej banków online i usług płatniczych rejestruje się na Litwie, skąd działają w całej Europie na podstawie europejskiego paszportu.

– Istotnymi barierami rozwoju jest również to, że w branży finansowej wciąż pokutuje pogląd, że ludzie potrzebują osobistego kontaktu z doradcą czy sprzedawcą, by kupić nowy produkt lub podjąć decyzję inwestycyjną. Poza tym, wiele instytucji traktowało dotychczas fintechy jak konkurencję, oddalając konieczność podejmowania współpracy z zewnętrznymi podmiotami. Wymuszoną przez prawo, ale i rynek. A te z zagranicznym kapitałem, jeśli już wdrażały innowacyjne rozwiązania, musiały korzystać z produktów swoich zagranicznych centrali, więc nie mogły współpracować z lokalnymi dostawcami – dodaje prof. Hryckiewicz.

Podejście, zarówno polskich, jak i europejskich przedsiębiorstw powoli się jednak zmienia. Jak podkreślają zgodnie analitycy Deutsche Bank Research oraz Accenture, ich zarządzający zdają sobie sprawę, że nie wejście w trend oznacza prędzej czy później wykluczenie z globalnego rynku. Z danych IDG wynika, że ponad trzy czwarte prognozowanych wydatków na SI i systemy kognitywne przypadnie na amerykańskie banki i handel. Dziś, to właśnie w USA oraz w Chinach znajduje się najwięcej firm pracujących nad wdrożeniami sztucznej inteligencji. Europejczycy mają z nimi konkurować m.in. dzięki unijnym planom wpompowania 20 md euro na innowacje rozwiązania z zakresu SI w ramach programu Horizon.

W Polsce jest do tego zaplecze. Przykładowo, pod względem płatności bezstykowych, płatności typu pay-by-link czy sektorowych rozwiązań typu BLIK jesteśmy w technologicznej czołówce europejskiej, Wyróżniamy się pod względem przelewów ekspresowych, procesów zdalnej sprzedaży produktów finansowych (w formule „pure online”), zarządzanie osobistymi finansami (Personal Finance Management – PFM) czy zdalnej obsługi klienta np. w formie wideodoradztwa. Wiele z tych rozwiązań zostało wprowadzonych przez banki w ścisłej współpracy z podmiotami z branży fintech

Jednym z ważniejszych pomysłów jest zapowiedziane uruchomienie przez Alior Bank jednego z najnowocześniejszych w Europie laboratorium innowacyjności (iLab) nastawionego na poprawę doświadczeń klienta, działającego w modelu współpracy z klientami oraz akceleratora dla fintechów, bazującego na rozwiązaniu Open Api. Ogłosił już nabór startupów z sektora fintech do programu akceleracyjnego. Alior Bank uruchomił też platformę Bancovo – pierwszy w Polsce transakcyjny ecommerce, oferujący pożyczki gotówkowe banków i firm pożyczkowych. Dla instytucji finansowych wykorzystanie potencjału małych innowatorów, którzy mieli im zagrozić, to najbardziej inteligentna strategia, by z nimi wygrać.

Otwarta licencja