Az AI egyre gyorsabban és dinamikusabban formálja át világszerte a bankszektort, egyes becslések szerint pár év alatt majdnem egytizedével növelheti meg a pénzintézetek nyereségét. De egyúttal az is egyértelműen látszik, hogy egyre nagyobb a különbség azok között a bankok között, amelyek élen járnak az AI alkalmazásában, és azok között, amelyek lemaradóban vannak. Előbbiekre jellemző, hogy nem csupán különálló kezdeményezésekben gondolkodnak, hanem a teljes szervezetüket átformálják — ráébredtek, hogy a technológia igazi értéke nem pusztán a költségek lefaragásában van, hanem abban, hogy alapjaiban változtatja meg az ügyfelek és a dolgozók mindennapjait.

A Citigroup jelentése szerint a mesterséges intelligencia 2028-ra a globális bankszektor nyereségét 2 billió dollárra növelheti, ami 9 százalékos növekedést jelent. A pénzügyi szektor vezetői is optimisták ezügyben: egy név nélküli felmérésben a válaszadók 93 százaléka számít nagyobb nyereségre az AI-nak köszönhetően, írják. A pénzügyi világban folyó AI-forradalom már túlmutat az egyszerű automatizáláson és költségcsökkentésen, egész területeket, szervezeteket, folyamatokat alakít át.

Az Evident AI Index rangsora, amelynek legfrissebb verzióját 2024 végén adták ki, 50 nagybankot értékel az AI-felhasználás szempontjából négy mutató alapján: tehetség, innováció, vezetés és átláthatóság. A rangsor, amellett, hogy egyértelműen megmutatja, hogy a bankszektorban mennyire felgyorsult az AI implementálása, arra is rávilágít, hogy egyre növekszik a szakadék azok között, akik elől járnak az AI bevezetésében, és azok között, akik nem. Az egyesült államokbeli és kanadai bankok (például a JPMorgan Chase és a Capital One) állnak az élen, a rangsor első 10 helyéből 7-et elfoglalva. (Az összes kanadai bank egyébként az index első felében szerepel, amihez biztosan hozzájárult, hogy Torontóban és Montrealban jelentős AI-központok alakultak ki.)

De az európai és ázsiai versenytársak is zárkóznak fel: az ausztrál CommBank az első ötbe került, az egyesült királyságbeli HSBC pedig a hetedik helyet szerezte meg. A francia BNP Paribas épphogy csak kiszorult a top 10-ből. (Náluk érdekesség, hogy a többi bank által jellemzően használt OpenAI helyett egy európai alternatíva, a Mistral AI mellett tették le a voksukat.)

A listában sajnos csak két bank közöl konkrét pénzügyi becsléseket, de ezek mindenképp figyelemre méltóak. Az amerikai JPMorgan Chase évi 1 milliárd és 1,5 milliárd dollár közé becsli az AI-nak tulajdonítható eredményt, a szingapúri DBS pedig arról számolt be, hogy 2023-ban 370 millió SGD (kb. 280 millió USD) eredményt hozott nekik az AI, ami több mint kétszerese az előző évinek.

Amin áll vagy bukik: az AI integrálása

A McKinsey & Company legfrissebb tanulmánya szerint az AI-bevezetésben jeleskedő bankok négy dolgot csinálnak igazán jól:

• A teljes bankra kiterjedő jövőképet alakítanak ki az AI hasznáról, az általa teremtett értékekről. A technológiát nem csupán olyasminek látják, amivel le tudnak faragni a költségekből, hanem valaminek, ami — amellett, hogy persze növeli a bevételeket is — az ügyfelek tapasztalatait és az alkalmazottak munkáját is jelentős mértékben javítja.
• Az AI használatát az üzleti érték motiválja, ezért egész területeket, folyamatokat alakítanak át, nem csak elszigetelten indítanak el szűk körű projekteket, például egy chatbotot. Bár utóbbiak gyorsan, alacsony kockázattal bevezethetők, így elszigetelten nem feltétlenül tudnak jelentős pénzügyi hasznot hozni.
• Olyan rendszert építenek, ami több AI agent együttes munkájára támaszkodik. Az összetett banki feladatok, mint például egy céges hitelkérelem elbírálása, sok különböző lépésből állnak, és sokféle adatot kell feldolgozni hozzájuk. A hagyományos automatizálás ezt nem könnyen tudja megoldani, de az új, generatív AI-ra épülő rendszerek, amik több agentet, előrejelző AI-t és más eszközöket használnak, már igen. Ahhoz, hogy ezt a rendszert az egész bankban használni lehessen, egy teljes, AI-ra épülő technológiai alapra van szükség.
• Megfelelő támogatást biztosítanak, azaz létrehoznak olyan csapatokat, amelyekben az üzleti oldal, az informatikusok és az AI-szakértők együtt dolgoznak. A támogatás része a központi „AI-irányítóközpont” is, ami összehangolja a döntéseket, felügyeli a működést, egységes szabályokat hoz a kockázatok kezelésére, és gondoskodik arról, hogy az AI-megoldásokat más területeken is fel lehessen használni.

Lássuk ezeket a területeket részletesen, a McKinsey fenti tanulmányára támaszkodva:

1. A banki AI-stratégiai integrációja: túllépés a kísérleti projekteken

Sokáig a pénzintézeteknél megszokott dolog volt, hogy elszórtan, kisebb AI-projektekkel kísérletezgettek. Azonban a piacvezető cégek ráébredtek, hogy az igazi sikerhez a mesterséges intelligenciát a szervezet minden részébe be kell építeni. A valóságban ez annyit tesz, hogy a AI a mindennapos teendők alapvető részévé válik, kezdve az adatoktól egészen a döntések meghozataláig. Ennek többféle módját is láthatjuk:

• Tudásközpontok (Center of Excellence) létrehozása: Ezek a központok adják a szakértelmet, a szabályokat és az összehangolást az AI-kezdeményezésekhez.
• Adatokra és AI-ra vonatkozó stratégia erős összekapcsolása: Az adatok helyes kezelése és előkészítése kulcsfontosságú. Enélkül az AI-ra épülő megoldások nem tudnak működni.
• Vállalati gondolkodásmód megváltoztatása: A bankoknak minden szinten bátorítják az adatokra támaszkodó gondolkodást és döntéshozatalt.

A valóban eredményes pénzintézetek tehát nem pusztán technológiát vezetnek be, hanem olyan közeget alakítanak ki, ahol az AI természetes módon beépül a teendőkbe.

2. Az AI üzleti hatásának felmérése: már nem elég csak a lelkesedés

Az AI bevezetésekor egyre lényegesebb, hogy érezhető üzleti sikert produkáljon, a pénzintézetek vezetői érthető módon pontos képet szeretnének kapni arról, hogyan térülnek meg a befektetések. Ez a mérés újfajta megközelítését kívánja meg:

• Összetett értékelési modellek használata: A megtérülés mérésekor nem elég a közvetlen költségcsökkenésre figyelni. Számításba kell venni a minőségbeli javulást is (pl. elégedettebb ügyfelek, kisebb kockázatok). Például, ha egy csevegőrobot chatbot csökkenti a költségeket, de közben javítja az ügyfélélményt, mindkét tényezőt fel kell mérni.
• Üzleti és AI-mutatók összekapcsolása: Lényeges, hogy közvetlenül látható legyen, hogyan hatnak a AI-fejlesztések a legfontosabb üzleti mutatókra, KPI-okra.
• Rövid és hosszú távú tervek egyensúlya: Az azonnali eredményeket hozó, „quick wineket“ ígérő kezdeményezések mellett a hosszú távú stratégiai előnyökre is hangsúlyt kell fektetni. Az igazán sikeres pénzintézetek megtalálják a középutat a gyors megtérülés és a hosszútávú stratégia között, és folyamatosan finomítják a befektetéseiket.

3. A generatív AI előretörése: új távlatok a pénzügyi területen

A nagy nyelvi modellek (LLM-ek) és a generatív AI-technológiák nemcsak az automatizálásban segítenek, hanem teljesen új távlatokat is nyitnak:

• Szakterületre szabott nyelvi modellek: A pénzügyi területre hangolt LLM-ek pontosabb és lényegre törőbb válaszokat adhatnak a szakmai kérdésekre, mint az általános célú változatok.
• Több forrásból származó adatokat kezelő alkalmazások: Ezek az alkalmazások képesek egyidejűleg elemezni szöveges iratokat, képeket, hanganyagokat és más adatokat, így teljesebb képet adnak egy adott helyzetről (pl. egy hitelbírálat esetén).
• Ember és AI közös munkája: Az AI nem veszi át az emberek helyét, hanem kiegészíti a tudásukat. Az AI-asszisztensek például segíthetnek a banki dolgozóknak a gyorsabb információkeresésben, vagy a bonyolult feladatok megoldásában.
• Újszerű termékfejlesztés: A generatív AI segítségével akár teljesen új pénzügyi termékek és szolgáltatások is megalkothatók.

4. Együttműködő AI-rendszerek: a következő lépcső

A több AI-agentből álló rendszerek lehetővé teszik, hogy a pénzintézetek bonyolult folyamatokat is hatékonyan kezeljenek. Ezek a rendszerek túllépnek az egyszerű automatizáláson, olyan „munkaerőt“ hoznak létre, amely képes önállóan megoldani problémákat, felügyelni a teendőket és segíteni a döntéshozatalt.

• Belső tudástárra épülő AI-segítők: Ezek képesek értelmezni a bank belső szabályzatait, folyamatait és adatait.
• Öntanuló rendszerek: Például egy csalások felderítésére szolgáló rendszer folyamatosan tanul a korábbi esetekből, így egyre pontosabban találja meg a gyanús pénzmozgásokat.
• Különböző szakterületek AI agentjeinek közös munkája: Bonyolult feladatok megoldásához több, eltérő „szakterületre” képzett AI agent dolgozhat összehangoltan.
• Emberi és AI-csapatok: Az emberek és az AI-ügynökök párosítása hozhatja a legjobb eredményeket, kiaknázva mindkét oldal előnyeit.

5. Személyre szabott ügyfélélmény: hiper-személyreszabás

Az AI segítségével a bankok már nem csak általános ügyfélcsoportokat, hanem egyéneket tudnak elérni, és így nagyon pontosan személyre szabhatják szolgáltatásaikat, ajánlataikat.

• Proaktív pénzügyi tanácsadás: A bankok az ügyfelek korábbi pénzmozgásai és viselkedése alapján előre láthatják a jövőbeli pénzügyi szükségleteiket, és proaktív javaslatokat tehetnek.
• Az ügyfél élethelyzetéhez igazított szolgáltatások: Ha például az ügyfél lakásvásárlást tervez, a bank automatikusan felkínálhatja a megfelelő hiteltermékeket.
• Érzékenyebb párbeszéd: A rendszerek képesek lehetnek érzékelni az ügyfél hangulatát (pl. hanghordozás, szöveges üzenetek alapján), és ehhez igazítani a kommunikációt.
• Egységes élmény minden csatornán: A AI-alapú segítőkkel az ügyfelek ugyanazt a személyre szabott szolgáltatást kaphatják, függetlenül attól, hogy melyik csatornán veszik fel a kapcsolatot a bankkal.

6. Hatékonyság fokozása: az emberi munka segítése

Az AI nem csak feladatokat automatizál, hanem segíti a banki alkalmazottakat abban, hogy eredményesebben végezzék a munkájukat. A hatékonyság növelése itt nem csupán a gyorsaságról szól, hanem hogy a banki dolgozók a magasabb hozzáadott értékű, kreatívabb feladatokra összpontosíthassanak, míg a rutinfeladatokat az AI-re bízzák.

• Döntéstámogatás bonyolult helyzetekben: Az AI-alapú elemzések segíthetnek a szakembereknek a jobb döntések meghozatalában.
• A munkafolyamatok finomhangolása: A rendszer valós időben tudja optimalizálni a teendőket, figyelembe véve a terheltséget és a fontossági sorrendet.
• Gyorsabb hozzáférés a tudáshoz: Az AI segíthet a szakértőknek abban, hogy gyorsan megtalálják a lényeges információkat és a best practice-eket.
• Szoftverfejlesztés segítése a pénzügyi területen: Kódgenerálás és automatizált tesztelés segítségével felgyorsítható a banki szoftverek fejlesztése.

7. Kockázatkezelés és biztonság: az AI a védelem szolgálatában

Az AI természetesen a banki biztonság területén is lényeges szerepet tölt be, de az ezen a területen legfejlettebb bankok az AI-t nem csak védelmi eszközként, hanem az ügyfelek bizalmának erősítésére is alkalmazzák.

• Ügyfélviselkedés vizsgálata: A rendszerek képesek felismerni a szokatlan viselkedési sémákat, amelyek csalásra utalhatnak.
• Csalások előrejelzése: Az AI-alapú modellek a csalás megtörténte előtt képesek azonosítani a gyanús jeleket.
• Kiberbiztonság: Az AI-alapú rendszerek valós időben képesek reagálni a kibertámadásokra.
• Biztonsági tesztelés szintetikus adatokkal: Az érzékeny ügyféladatok védelme mellett ellenőrizhetők a biztonsági rendszerek.
• Saját rendszerek tesztelése „ellenséges” AI-jal: Ezzel a módszerrel felfedhetők a saját rendszerek gyenge pontjai, és fel tudnak készülni a valós támadásokra.

A mesterséges intelligencia bankszektort átformáló hatása tehát jóval túlmutat a puszta technológiai modernizáción, arról is szól, hogyan alakul át az a kapcsolat, amelyet a pénzintézetek ügyfeleikkel és munkatársaikkal ápolnak. A sikeres bankok felismerték, hogy az AI igazi értéke nem csupán a költséghatékonyságban rejlik, hanem annak az alapvető megváltozásában, ahogyan az emberek kapcsolódnak a pénzügyeikhez.

A pénzügyi szakemberek számára ez a változás felszabadító erejű lehet, az ismétlődő feladatok helyett olyan munkára összpontosíthatnak, ahol az emberi oldal – kreativitás, komplex problémamegoldás – valóban kibontakozhat. Ez az átalakulás azonban kihívásokkal is jár, a biztonsági és etikai kérdések kezelése mellett a bankoknak meg kell találniuk az egyensúlyt az innováció és a bizalom között. Az igazán sikeres pénzintézetek azok lesznek, amelyek nem csupán bevezetik az AI-t, hanem a technológiát az emberközpontú banki működés szolgálatába állítják.