W całym sektorze bankowym projekty związane ze sztuczną inteligencją utknęły w martwym punkcie.
Zarządy zatwierdziły budżety, trwają projekty pilotażowe, roadmapy pękają w szwach od kolejnych przypadków użycia, a modele teoretycznie działają, jednak w praktyce niewiele się zmienia.
Kiedy przychodzi czas na produkcyjne wdrożenie sztucznej inteligencji w obszarze płatności, procesów kredytowych czy ścieżek zakupowych klientów, wydajność drastycznie spada. Integracja systemów staje się chaotyczna, a kwestie zgodności z przepisami i bezpieczeństwa generują kolejne problemy.
Ambicje są ogromne, ale w rzeczywistości brakuje fundamentów niezbędnych do ich realizacji.
Badania zawarte w naszym globalnym raporcie dotyczącym innowacji chmurowych w erze sztucznej inteligencji pokazują, że choć aż 98% organizacji bankowych i inwestycyjnych twierdzi, że rozwój AI zwiększył ich zapotrzebowanie na infrastrukturę chmurową, to zaledwie 14% uważa, że osiągnęło najwyższy poziom dojrzałości chmurowej.
Wąskim gardłem nie jest sama sztuczna inteligencja, lecz stojąca za nią chmura
Mamy tendencję do traktowania samej sztucznej inteligencji jako najtrudniejszego elementu całego równania. Chociaż wdrażanie modeli oraz algorytmów i zarządzanie nimi bywa skomplikowane, to rzadko one stanowią główną przeszkodę. Problem tkwi w tym, że skuteczność AI zależy bezpośrednio od środowiska, w którym ta technologia pracuje.
Przykładowo, model wykrywania nadużyć finansowych może zidentyfikować podejrzaną transakcję w kilka milisekund, ale pobranie powiązanych z nią danych zajmie systemom kilka minut. Jeśli platforma nie potrafi zareagować w czasie rzeczywistym lub wymaga ręcznej interwencji człowieka, całe rozwiązanie staje się bezużyteczne. Informacja co prawda istnieje, ale system nie potrafi jej sprawnie wykorzystać.
Aby pomóc organizacjom w uniknięciu tych wąskich gardeł, chmura ewoluowała w fundamentalną warstwę operacyjną sztucznej inteligencji. To właśnie w niej zapadają decyzje, uruchamiane są procesy biznesowe, a systemy elastycznie skalują się pod dużym obciążeniem.
Jednak pomimo lat migracji wiele banków nadal postrzega chmurę wyłącznie jako przestrzeń do hostowania aplikacji, a nie jako platformę biznesową stworzoną do obsługi zaawansowanej sztucznej inteligencji.
Winy nie ponoszą wyłącznie systemy legacy
Łatwo zrzucić odpowiedzialność na przestarzałą infrastrukturę i rzeczywiście stanowi ona część problemu. Sama migracja do chmury niewiele jednak zmieni, jeśli dane wciąż będą rozproszone w silosach, a aplikacje pozostaną ze sobą ściśle powiązane za pomocą niestabilnych, prowizorycznych integracji. Kiedy do takiego środowiska wprowadzimy sztuczną inteligencję, natrafi ona na dokładnie te same bariery.
Właśnie dlatego tak wiele projektów wykorzystujących AI sprawia wrażenie, jakby utknęło w miejscu. Zostały one uruchomione, ale brakuje im pełnej integracji, co wyraźnie widać w statystykach. Połowa organizacji ankietowanych na potrzeby naszego raportu przyznaje, że konieczność modernizacji aplikacji oraz platform danych skutecznie hamuje innowacje chmurowe.Sztuczna inteligencja nie zawodzi więc z powodu błędów w samych modelach. Przebiegiem prac steruje fakt, że otaczające ją środowisko IT nie potrafi sprostać wymaganiom związanym z przetwarzaniem danych w czasie rzeczywistym, architekturą sterowaną zdarzeniami oraz ciągłymi zmianami rynkowymi.
Co oznacza „nowoczesna chmura” w erze sztucznej inteligencji
O modernizacji często mówi się w błędny sposób. Nie chodzi w niej przecież o samo przenoszenie zasobów obliczeniowych z jednego miejsca w drugie, ale o fundamentalną zmianę sposobu działania całych systemów.
Kiedy użytkownicy otwierają aplikację bankową, sprawdzają stan konta i natychmiast otrzymują spersonalizowaną ofertę, dopasowaną do aktualnych warunków rynkowych, analizy ryzyka oraz historii transakcji, w tle musi błyskawicznie zadziałać kilka kluczowych elementów:
- Dane muszą być natychmiast dostępne i aktualizowane na bieżąco.
- Systemy muszą komunikować się ze sobą w sposób całkowicie płynny.
- Decyzje muszą automatycznie uruchamiać odpowiednie procesy i działania.
- Wszystkie operacje muszą podlegać ścisłej kontroli oraz być w pełni audytowalne.
Innymi słowy, w erze sztucznej inteligencji chmura musi pełnić jednocześnie trzy kluczowe funkcje. Musi być centralnym rdzeniem danych działającym w czasie rzeczywistym, platformą do obsługi inteligentnych procesów w modelu end-to-end oraz kontrolowanym środowiskiem, które pozwala na bezpieczne skalowanie podejmowanych decyzji.
Taki rezultat można osiągnąć wyłącznie dzięki architekturze cloud-native. Mowa tu o modułowych systemach sterowanych zdarzeniami oraz komunikujących się przez interfejsy API, które mogą ewoluować bez zakłócania pracy pozostałych komponentów środowiska IT.
Architektura IT to dziś kwestia wymogów regulacyjnych
Bankowość to sektor ściśle regulowany. W miarę jak sztuczna inteligencja staje się integralną częścią kluczowych operacji, organy nadzorcze poddają szczegółowej analizie nie tylko same modele, ale też środowiska, w których są one uruchamiane. Banki muszą dostosować się do rygorystycznych przepisów, takich jak unijne rozporządzenie DORA (Digital Operational Resilience Act).
Z raportu NTT DATA na temat liderów wykorzystania sztucznej inteligencji w bankowości i usługach finansowych wynika, że 62,5% organizacji uznaje prywatność oraz suwerenność danych w różnych regionach geograficznych za kluczowe aspekty zarządzania danymi.
Z tego powodu w szerszej perspektywie aż 99% firm objętych naszym badaniem chmurowym spodziewa się wzrostu znaczenia chmur prywatnych, co jest związane z rosnącymi potrzebami w zakresie bezpieczeństwa, suwerenności oraz zgodności z przepisami. Jednocześnie prognozy wskazują, że w ciągu najbliższych dwóch lat wykorzystanie chmur suwerennych wzrośnie o 50%.
Jeśli architektura systemów bankowych nie zostanie zaprojektowana tak, aby zapewniać poziom kontroli wymagany przez regulatorów, strategie AI nie będą mogły się skalować, bez względu na to, jak zaawansowane będą same modele.
Dlaczego strategie chmurowe i AI muszą ze sobą ściśle współgrać
Często widzimy, że sztuczna inteligencja i rozwiązania chmurowe są traktowane jako dwa całkowicie odrębne obszary. Za projekty AI odpowiadają zazwyczaj zespoły ds. innowacji, podczas gdy zespoły infrastrukturalne koncentrują się wyłącznie na samej chmurze. Kiedy jednak strategie rozwoju AI i chmury powstają w izolacji, szybko pojawiają się konkretne problemy:
Ambicje związane z AI zaczynają drastycznie wykraczać poza realne możliwości platformy technologicznej.
Inwestycjom chmurowym brakuje jasnego uzasadnienia i celu biznesowego.
Skalowanie rozwiązań staje się wolniejsze, bardziej kosztowne i trudniejsze do kontrolowania.
Z naszych badań wynika, że czołowe organizacje zaczynają od zdefiniowania konkretnego przypadku użycia i od samego początku projektują architekturę pod kątem wymagań obliczeniowych sztucznej inteligencji. Dane, platformy oraz mechanizmy nadzoru danych są w ich przypadku od samego początku w pełni ze sobą zsynchronizowane.
Przynosi to zupełnie inny efekt. Sztuczna inteligencja nie musi walczyć ze swoim środowiskiem IT o skalowalność, ponieważ infrastruktura naturalnie wspiera jej działanie.
Jak działają liderzy rynku i dlaczego ich podejście przynosi efekty
W miarę jak bankowość staje się coraz bardziej inteligentna, na popularności zyskują autonomiczne systemy AI o charakterze agentowym. Przykładowo, w procesach kredytowych dokumenty mogą być dziś gromadzone, weryfikowane, analizowane i zatwierdzane przy minimalnym udziale człowieka, ponieważ system oparty na sztucznej inteligencji samodzielnie koordynuje cały proces i podejmuje decyzje w sposób ciągły oraz na masową skalę.
Te systemy agentowe już teraz automatycznie uruchamiają procedury wyjaśniające w przypadku wykrycia anomalii, koordynują złożone procesy kredytowe oraz onboarding nowych klientów, a także personalizują interakcje z użytkownikami w czasie rzeczywistym.
Każdy z tych procesów napędzanych przez AI może obecnie obejmować nawet kilka różnych aplikacji, wiele źródeł danych oraz – w coraz większym stopniu – autonomiczne agenty podejmujące decyzje na bieżąco. Próba zarządzania tak złożonym ekosystemem ręcznie lub za pomocą niepowiązanych ze sobą narzędzi szybko staje się niemożliwa.
Niektóre banki już teraz wprowadzają modernizację etapami, skupiając się na najważniejszych procesach tam, gdzie przyniesie to największe korzyści. Nasze globalne badania nad sztuczną inteligencją pokazują, że 62,5% liderów wdrożeń AI w sektorze bankowości i usług finansowych stosuje hybrydowe modele wdrażania, łączące gotowe rozwiązania typu plug-and-play z selektywnym współtworzeniem innowacji. Dla porównania, wśród organizacji zostających w tyle ten odsetek wynosi zaledwie 29,2%.
Takie podejście zazwyczaj prowadzi do wdrożenia modelu chmury hybrydowej połączonego z celową modernizacją aplikacji. Całość opiera się na solidnej platformie, która pozwala skonsolidować wszystkie kluczowe elementy w jednym miejscu, zapewniając:
- Kompleksowy i czytelny wgląd w operacje realizowane w każdym systemie.
- Mechanizmy nadzoru natywnie wbudowane w procesy decyzyjne oraz ich realizację.
- Stałą kontrolę i przejrzystość kosztów w miarę skalowania zasobów AI.
- Automatyzację gwarantującą płynne funkcjonowanie systemów bez potrzeby nieustannej interwencji człowieka.
Zadbaj o fundamenty albo zaryzykuj przyszłość swoich projektów AI
Większość banków nie osiągnęła jeszcze poziomu dojrzałości, na którym chmura mogłaby w pełni przejąć rolę warstwy wykonawczej dla sztucznej inteligencji.
Aby to osiągnąć, liderzy sektora bankowego muszą spojrzeć na chmurę z zupełnie nowej perspektywy. Powinni traktować infrastrukturę jako fundament działalności i rozwoju banku, czyli jako narzędzie, które bezpośrednio przyspiesza innowacje i pozwala wypracowywać lepsze marże finansowe.
Tylko w ten sposób zdołają utrzymać przewagę konkurencyjną w erze AI.
PRZECZYTAJ TAKŻE: Sektor bankowy wychodzi poza fazę pilotaży, przekuwając sztuczną inteligencję w realną wartość biznesową
Współautorem artykułu jest Kane Stavens, Managing Director NTT DATA w regionie Azji i Pacyfiku.
CO DALEJ
Przeczytaj pełny raport NTT DATA „Innowacje chmurowe w erze AI: nowe zasady generowania wartości dzięki chmurze” i sprawdź, na jakim etapie dojrzałości chmurowej znajduje się Twoja organizacja.