Fot. Pixabay

Naturalnym zjawiskiem towarzyszącym życiu gospodarczemu i działalności przedsiębiorstw są zmiany. Rozwój technologiczny sprawił, że ich dynamika i zakres osiąga nienotowane dotąd przyspieszenie. Olbrzymie zbiory danych i ich eksploracja pozwoliła na zrewolucjonizowanie branży finansowej. Algorytmy zmieniły także zdolności dostosowywania produktów i usług do oczekiwań klientów. Dzięki uczeniu maszynowemu przeprowadza się analizy danych historycznych, zmian przyzwyczajeń i preferencji klientów.

Głównym celem tych procesów jest tworzenie algorytmów i modeli, umożliwiających przewidywanie wzorców podejmowania decyzji. Nic dziwnego, że bankowość detaliczna i uczenie maszynowe okazały się idealnym połączeniem.

Zmiana oblicza usług finansowych

Uczenie maszynowe umożliwiło automatyzację procesów, które mają kluczowe znaczenie dla funkcjonowania banków. Szybkie wykrywanie oszustw, ocenianie zdolności kredytowej, komunikacja z klientami to obszary, którymi zarządzają dziś algorytmy. Banki wykorzystują ML oraz analizy predykcyjne do personalizowania ofert, rekomendowania produktów, a także aktywowania chatbotów, ułatwiające rutynowe transakcje – np. sprawdzanie konta i płacenie rachunków. Zastosowanie tej technologii pozwala także zminimalizować ryzyko po stronie instytucji finansowej.

Uczenie maszynowe rewolucjonizuje również sektor ubezpieczeń. Możliwość połączenia z Internetem coraz większej liczby urządzeń ułatwia gromadzenie olbrzymich zbiorów zróżnicowanych danych. Ich analiza zapewnia głębszy wgląd w zachowania klientów. Wykorzystują to ubezpieczyciele. Eksploracja danych pomaga identyfikować ryzyka, ustalać wysokość składek i podejmować decyzje dotyczące wypłat odszkodowań. Firmy Insurtech, wykorzystując nowe technologie do opracowywania ulepszonych rozwiązań, przeobrażają branżę ubezpieczeniową. Potencjał zmian jest ogromny i według McKinsey & Company „branża ubezpieczeniowa jest na skraju sejsmicznej zmiany technologicznej”.

Liczy się człowiek

Niewiele sektorów gospodarki ma tyle ustrukturyzowanych danych historycznych, co sektor usług finansowych. To zdecydowało, że stał się on idealnym obszarem zastosowania technologii uczenia maszynowego. Banki inwestycyjne już w latach osiemdziesiątych jako pierwsze dostrzegły możliwości sztucznej inteligencji, wykorzystującej uczenie maszynowe.

Obecnie inwestorzy i zarządzający funduszami powszechnie posługują się sztuczną inteligencją. Służy ona do analiz rynków i wspiera proces podejmowania decyzji inwestycyjnych. Sztuczna inteligencja wytycza kierunki rozwoju branży fintech, która poprzez nowe rozwiązania cyfrowe, tworzy zautomatyzowany paradygmat sektora finansowego. Oparty na dopasowywaniu wzorców ranking akcji, służący do formułowania strategii inwestycyjnych, to jeden z przykładów dostępnych na rynku innowacji.

Pomimo szybkiego postępu technologicznego, uczenie maszynowe zastępujące człowieka w obrocie finansowym nie przynosi jeszcze satysfakcjonujących efektów. Zastosowanie algorytmów w procesach transakcyjnych, ujawnia wiele słabości modelu dopasowania wzorców, na których opierają się strategie inwestycyjne.

Bez względu na to, jak finezyjna jest matematyka, jeśli chodzi dostrzeganie niuansów rynków finansowych, nadal jeszcze komputery nie zastępują człowieka.

Bezpiecznie, czyli drogo

Ze względu na zarządzanie ogromnymi wolumenami danych, poważnym wyzwaniem dla organizacji finansowych jest ich ochrona. Polityka bezpieczeństwa, polegająca na eliminacji ryzyka zewnętrznego ataku, już nie wystarcza. Wykładniczy wzrost zasobów informacyjnych i rozszerzony zakres legalnego dostępu do infrastruktury informatycznej, zwiększa prawdopodobieństwo naruszenia wewnętrznych zasad bezpieczeństwa. Banki przechowują duże ilości danych w środowiskach hybrydowych i chmurowych. To okazja dla cyberprzestępców, dająca dodatkowe możliwości zdobycia cennych aktywów. Krótko mówiąc, te same dane, które otwierają nowe możliwości rozwoju biznesu, zwiększają ryzyko bezpieczeństwa dla instytucji finansowych. Ochrona danych i innych wrażliwych zasobów oraz operacji biznesowych staje się coraz trudniejsza. Banki muszą wprowadzać nowe technologie, które skutecznie zabezpieczają przed cyberatakami. Automatyzacja operacji finansowych i obsługi klientów jest źródłem wielkich oszczędności. Z drugiej strony, zapewnienie bezpieczeństwa zmusza banki do ponoszenia ogromnych wydatków.

Efekt algorytmizacji i automatyzacji

Według danych Komisji Nadzoru Finansowego (KNF), na koniec III kwartału 2019 r. w polskiej bankowości pracowało 158 368 osób. To aż o 4,2 tys. mniej niż w grudniu 2018 r.

W minionym roku banki zlikwidowały ponad 400 placówek. Wpływ na zmniejszenie liczby etatów bez wątpienia ma również postępująca automatyzacja procesów bankowych. Większość operacji, klienci realizują już samodzielnie, korzystając z aplikacji mobilnych i Internetu.

Z najnowszego Badania Genpact, Commercial Banking: „The Customer Experience Imperative” wynika, że 97 proc. banków komercyjnych korzysta ze sztucznej inteligencji. Natomiast tylko 19 proc. stosuje tę technologię w sposób holistyczny. Pełne wykorzystanie potencjału sztucznej inteligencji, a w niedalekiej przyszłości komputery kwantowe i sieci neuronowe, radykalnie zmienią paradygmat sektora bankowo-finansowego. Przed bankami staną nowe wyzwania nie tylko biznesowe. Konieczne będzie opracowanie nowej filozofii ochrony danych oraz skutecznych strategii bezpieczeństwa.