Rok 2026 przyniesie nowy etap transformacji technologicznej w sektorze bankowym

Sztuczna inteligencja coraz mocniej wpływa na sposób, w jaki banki zarządzają ryzykiem, efektywnością i relacjami z klientami. Jak wynika z najnowszego raportu firmy doradczej Deloitte „2026 Banking & Capital Markets Outlook”, sektor bankowy wejdzie w 2026 r. w relatywnie dobrej kondycji, ale przy rosnącej presji transformacyjnej.

Instytucje finansowe coraz częściej będą wdrażać rozwiązania oparte na AI w skali całej organizacji, a równolegle inwestować w bardziej zaawansowane systemy przeciwdziałania przestępczości finansowej, której skala i złożoność stale rośnie. Nadchodzący rok będzie więc czasem decyzji, a nie kolejnych prób – przewagę zyskają te instytucje, które przejdą od eksperymentów do pełnoskalowych wdrożeń.

Między optymizmem a ostrożnością

Podczas gdy amerykański sektor bankowy rozpocznie 2026 r. w warunkach dużej niepewności makroekonomicznej, zróżnicowanych nastrojów konsumentów i utrzymującej się presji inflacyjnej, europejskie banki wykazują wyraźne oznaki odbudowy. Jak wynika z danych CFRA Research, do sierpnia 2025 r. wartość ich akcji wzrosła średnio o 45 proc. r/r, co świadczy o solidnych fundamentach finansowych instytucji i rosnącym zaufaniu inwestorów.

Jednocześnie eksperci wskazują, że sektor bankowy z naszego regionu może spodziewać się ożywienia akcji kredytowej w związku ze spadkiem stóp procentowych oraz stałego wsparcia ze strony dochodów pozaodsetkowych. Chociaż możliwe jest lekkie pogorszenie z powodu ceł handlowych, sytuacja pozostanie w dużej mierze pod kontrolą. Po latach stagnacji, podmioty ze Starego Kontynentu mogą w nadchodzących latach liczyć na poprawę wzrostu gospodarczego, zarówno organicznie, jak i poprzez konsolidację.

Na horyzoncie widać też zmiany wynikające z rosnącej roli cyfrowych form pieniądza. W Stanach Zjednoczonych dyskusję napędza rozwój stablecoinów i ich możliwy wpływ na modele płatnicze – szczególnie po uchwaleniu ustawy GENIUS, która otworzyła tradycyjnym instytucjom drogę do zaangażowania się w tokenizowane aktywa cyfrowe. W Europie kierunek wyznaczać będzie wdrażanie regulacji MiCA, wprowadzającej jednolite zasady emisji i obrotu aktywami cyfrowymi oraz zwiększającej transparentność działania podmiotów świadczących usługi w tym obszarze.

– Banki z Europy, w tym Polski, nauczyły się działać w warunkach długotrwałej niepewności – dziś ich największym atutem jest stabilność, a najistotniejszym wyzwaniem tempo zmian. Spadek stóp procentowych tworzy przestrzeń do odbudowy akcji kredytowej, ale równocześnie zwiększa presję, by inwestycje w technologię przynosiły wymierne rezultaty. W tle rośnie też skala zagrożeń operacyjnych, w tym cyberataków wspieranych narzędziami AI, co dodatkowo podnosi poprzeczkę w zakresie bezpieczeństwa i modernizacji infrastruktury. Po latach budowania odporności finansowej sektor wchodzi więc w etap, w którym o przewadze zadecyduje nie deklarowana ambicja, lecz jakość wdrożeń – w tym zdolność do wykorzystania sztucznej inteligencji w sposób skalowalny. Widać coraz więcej projektów wychodzących poza fazę testów, choć tempo i dojrzałość tych rozwiązań nadal znacząco się różnią. To przesunięcie – z fazy ostrożności do rozwoju – będzie definiować europejską bankowość w najbliższych latach – mówi Przemysław Szczygielski, partner, lider usług dla sektora finansowego w Polsce, państwach bałtyckich i w Ukrainie, lider zespołu Financial Institutions Risk and Regulatory, Deloitte.

Rosnące inwestycje, opóźniony zwrot z inwestycji

Autorzy opracowania zwracają uwagę, że mimo rosnącego zainteresowania sztuczną inteligencją wiele banków wciąż prowadzi projekty AI w sposób rozproszony, bez wspólnej architektury danych i jasno zdefiniowanych celów biznesowych. Dodatkowo, najnowszy globalny raport Deloitte „AI ROI” pokazuje, że choć 91 proc. badanych organizacji z różnych sektorów planuje w najbliższych 12 miesiącach zwiększyć wydatki na AI, to zwrot z tego typu projektu pojawia się zazwyczaj dopiero po dwóch do czterech latach – znacznie wolniej niż w przypadku innych technologii. Jednym z powodów jest to, że wiele inicjatyw AI powstaje na bazie danych, które nie są jeszcze w pełni gotowe do takiego wykorzystania, co utrudnia mierzenie efektów i spowalnia skalowanie.

– Instytucje finansowe coraz częściej dostrzegają potencjał AI, jednak największym wyzwaniem jest przekucie tej świadomości w rozwiązania funkcjonujące w skali całej organizacji. W wielu przypadkach ograniczeniem pozostają słabe fundamenty danych, rozproszone systemy i brak jasno zdefiniowanego modelu zarządzania, co prowadzi do powielania inicjatyw i utrudnia ocenę efektów. Z naszych analiz wynika też, że zwrot z inwestycji następuje stopniowo – pełny efekt AI zwykle wymaga uporządkowania danych, procesów i sposobu pracy zespołów. Dlatego wdrożenia, które przynoszą trwałą wartość, potrzebują połączenia strategii, ładu korporacyjnego i dyscypliny inwestycyjnej – dopiero wtedy sztuczna inteligencja przestaje być serią projektów pilotażowych, a staje się ważnym narzędziem transformacji – podkreśla Tomasz Tarasiuk, partner oraz lider sektora bankowego w dziale Consultingu, Deloitte.

Istotnym kierunkiem w dalszym rozwoju będzie więc przejście od odizolowanych pilotaży do wdrażania rozwiązań AI zintegrowanych z działalnością całego banku. Postępy w tym obszarze mogą ograniczać rozproszone i niekompletne zasoby danych. Jak wynika z badania Deloitte Banking & Capital Markets Data and Analytics Market Survey 2024, ponad 90 proc. specjalistów z sektora bankowego wskazuje, że potrzebne dane są często niedostępne lub ich pozyskanie zajmuje zbyt dużo czasu. Dla 81 proc. respondentów głównym wyzwaniem pozostaje ich jakość. Eksperci podkreślają, że w kolejnych latach coraz większe znaczenie zyska tzw. agentowa AI – systemy zdolne nie tylko do realizacji poleceń, lecz także do samodzielnego podejmowania inicjatywy, analizowania danych i wykonywania zadań w oparciu o zdefiniowane cele oraz zasady zgodności.

Rosnąca złożoność ryzyka

Wyraźniejsze wykorzystanie sztucznej inteligencji w bankowości pociąga za sobą także potrzebę wzmocnienia procedur bezpieczeństwa i kontroli operacyjnych. Skala wyzwań jest już dziś widoczna – w 2024 r. amerykańskie instytucje finansowe złożyły rekordowe 2,6 mln raportów o podejrzanym działaniu (SAR), co stanowiło średnio 7,1 tys. zgłoszeń dziennie. Równolegle rośnie liczba postępowań nadzorczych dotyczących naruszeń przepisów ustawy o tajemnicy bankowej (BSA) oraz przeciwdziałania praniu pieniędzy (AML). Dane te pokazują, że tradycyjne modele nadzoru i kontroli przestają być wystarczające wobec rosnącej skali, tempa i złożoności przestępczości finansowej oraz coraz większej presji regulacyjnej.

W nadchodzących latach nadzorcy będą oczekiwać od banków jeszcze skuteczniejszego monitorowania przepływów finansowych i szybszej reakcji na nowe formy nadużyć – od prania pieniędzy w handlu międzynarodowym po wykorzystywanie aktywów cyfrowych i sztucznej inteligencji do tworzenia fałszywych tożsamości i ukrywania źródeł transakcji. W rezultacie podmioty, które nie zbudują bardziej zaawansowanego technologicznie systemu zarządzania przestępczością finansową, mogą być coraz bardziej podatne na straty finansowe i ataki przestępcze.

Z tego względu podmioty z sektora coraz częściej wykorzystują analitykę predykcyjną i modele uczenia maszynowego w procesach AML. Wdrażane są również narzędzia wspierające procesy KYC przy wykorzystaniu generatywnej sztucznej inteligencji (GenAI). Zintegrowane architektury danych pozwalają łączyć informacje transakcyjne, behawioralne i kontekstowe w jeden system monitorowania ryzyka, co skraca czas reakcji i ogranicza liczbę fałszywych alertów.

– Widzimy wyraźne przesunięcie w stronę wykorzystania narzędzi opartych na uczeniu maszynowym w analizie transakcji, które są zdolne do rozpoznawania subtelnych zmian w zachowaniach klientów czy przepływach transakcyjnych, a także identyfikowaniu schematów podejrzanych działań. Coraz częściej wykorzystywane jest również GenAI, które wspiera analizę skomplikowanych dokumentów i pozwala przyspieszyć wiele procesów, aby w sposób bardziej efektywny wykorzystać istniejące zasoby ludzkie. To wymaga nie tylko inwestycji w technologię, ale także w rozwój kompetencji zespołu i zmianę procesów – podkreśla Paweł Spławski, partner w zespole Risk, Regulatory and Forensic, Deloitte.