Według ekspertów SAS, rok 2026 zapowiada się jako moment przełomowy – czas, gdy tzw. agentic AI, czyli półautonomiczne systemy zdolne do samodzielnego działania, wejdą do produkcyjnego użycia w bankach na szeroką skalę.
Jeszcze kilka lat temu sztuczna inteligencja w bankowości była traktowana głównie jako ciekawy eksperyment lub obietnica odległej przyszłości. Dziś wchodzimy w etap, w którym AI przestaje być dodatkiem do procesów, a zaczyna je realnie współtworzyć. Agentic AI przejmie znaczącą część codziennych zadań operacyjnych: obsługę zapytań klientów, koordynację procesów, podejmowanie decyzji w oparciu o jasno zdefiniowane reguły i mechanizmy wyjaśnialności.
– Bankowość przyszłości będzie oparta na inteligentnych agentach, którzy potrafią działać szybko, konsekwentnie i na ogromną skalę. To fundamentalnie zmieni sposób projektowania operacji bankowych oraz sposób mierzenia wartości wdrożeń AI. Nie przez liczbę pilotaży, lecz przez realny wpływ na wyniki finansowe i jakość zarządzania ryzykiem – mówi Miłosz Trawczyński, Senior Executive, Consulting & AI Solutions, SAS Polska.
Skala inwestycji mówi sama za siebie. Według IDC sektor finansowy wyda na sztuczną inteligencję ponad 67 miliardów dolarów do 2028 roku. Największy wzrost dotyczyć będzie rozwiązań produkcyjnych związanych z podejmowaniem decyzji i automatyzacją operacji. Bankowość wychodzi z fazy „proof of concept” i wchodzi w etap produkcyjnego wykorzystania AI. Zwyciężą te instytucje, które potrafią zamienić pilotaże w zysk, a wymogi regulacyjne w przewagę konkurencyjną.
Kolejna rewolucja w zarządzaniu danymi
Równolegle generatywna AI zacznie odgrywać kluczową rolę w obszarze danych nieustrukturyzowanych. Do tej pory banki świetnie radziły sobie z analizą danych tabelarycznych i liczbowych. Tymczasem ponad 80% danych w organizacjach ma postać tekstów, dokumentów, maili, nagrań czy obrazów, a ich wolumen rośnie nawet o 50–60% rocznie. W 2026 roku generatywna AI stanie się dla danych nieustrukturyzowanych tym, czym statystyka była dla danych ustrukturyzowanych.
Dzięki tzw. agentom wiedzy, opartym na dużych modelach językowych i technologii RAG (Retrieval Augmented Generation), banki będą mogły zamieniać ogromne zasoby wcześniej niewykorzystywanych informacji w szybkie, konkretne odpowiedzi biznesowe. Pozwoli to przyspieszyć procesy decyzyjne, lepiej zarządzać ryzykiem i przejść z reaktywnego podejścia do proaktywnego, opartego na inteligentnej analizie.
Druga strona medalu
Jednocześnie pojawiają się nowe ryzyka. Hasło „Pomocy, mój agent AI oszalał i kupił czajnik za 800zł” brzmi jak żart, ale doskonale oddaje nadchodzące wyzwania. Wraz z rozwojem tzw. agentic commerce, czyli handlu prowadzonego przez autonomiczne systemy, banki będą musiały mierzyć się z falą sporów dotyczących transakcji, których klient nigdy świadomie nie zatwierdził. Zespoły antyfraudowe staną przed nowymi zagrożeniami, bo przestępcy nauczą się przejmować kontrolę nad agentami AI lub podszywać się pod legalne systemy.
– W praktyce oznacza to, że banki będą musiały uwierzytelniać nie tylko ludzi, ale również narzędzia AI działające w ich imieniu. Pojawią się nowe mechanizmy kontroli, takie jak tokeny agentowe, sygnatury behawioralne czy dynamiczna ocena ryzyka. To zupełnie nowa warstwa bezpieczeństwa, która zwiększa złożoność i tak już trudnej walki z przestępczością finansową – mówi Marta Prus-Wójciuk, Head of Fraud Practice, SAS Central Europe.
Największą ilością problemów obarczony będzie obszar przeciwdziałania przestępczości finansowej. Rynek narzędzi AML i antyfraudowych stoi przed ogromnym wyzwaniem modernizacji. Wiele obecnych platform opiera się na przestarzałych systemach, które nie nadążają za nowymi typami oszustw i praniem pieniędzy. Próby „doczepiania” AI do starych technologii często kończą się rozczarowaniem. Przyszłość należy do rozwiązań projektowanych od początku jako cloud-native i AI-first, zdolnych do wykrywania złożonych, dynamicznych wzorców w czasie rzeczywistym.
– Badania wśród specjalistów AML pokazują jednoznacznie: sztuczna inteligencja nie jest już opcją, lecz koniecznością. Banki, które postawią na wyjaśnialną AI i decyzje podejmowane w czasie rzeczywistym, zyskają istotną przewagę w obszarze zgodności regulacyjnej i zarządzania ryzykiem – dodaje Marta Prus – Wójciuk.
AI zmieni również sposób funkcjonowania rynków kapitałowych. W obszarze obligacji korporacyjnych rosnąć będzie znaczenie ilościowych strategii kredytowych, wspieranych przez modele, które potrafią błyskawicznie uwzględniać nowe informacje, dane alternatywne i wskaźniki wyprzedzające. Zespoły inwestycyjne odejdą od pracy opartej głównie na ratingach, na rzecz elastycznych modeli uczenia maszynowego, które przekładają różnorodne sygnały na konkretne decyzje inwestycyjne. Warunkiem sukcesu pozostanie jednak solidne zarządzanie danymi i ryzykiem modeli.
A co z człowiekiem?
Odpowiedź brzmi: nie znika on, ale zmienia sposób działania. Człowiek przestaje być wykonawcą powtarzalnych zadań, a staje się projektantem, nadzorcą i strażnikiem sensu. To ludzie będą definiować cele, wartości, zasady odpowiedzialności i granice autonomii AI. To oni będą odpowiadać za etykę, zgodność regulacyjną, interpretację wyników i podejmowanie decyzji w sytuacjach niejednoznacznych.
– Bankowość jutra nie będzie bankowością „bez ludzi”. Będzie bankowością, w której człowiek i sztuczna inteligencja realizują różne zadania: AI zajmuje się skalą, szybkością i analizą, a człowiek zaufaniem, odpowiedzialnością i strategicznym myśleniem. Paradoksalnie więc im bardziej zaawansowana technologia, tym większe znaczenie roli człowieka. Bo to nie algorytmy ponoszą odpowiedzialność wobec klientów i społeczeństwa, lecz instytucje, które je wdrażają – mówi Miłosz Trawczyński.
