Zaloguj się 
Dzieje się!
Banki szukają własnego sposobu na AI. Technologia zmienia organizację pracy
Sztuczna inteligencja zmienia sposób pracy banków, ale jej wdrożenie wymaga decyzji wykraczających poza wybór technologii. Instytucje szukają równowagi między inicjatywą pracowników, bezpieczeństwem danych i jakością obsługi klienta.
Z tego artykułu dowiesz się…
- Jak polskie banki podchodzą do wdrażania AI i czym różni się model oddolnego tworzenia narzędzi od centralnej strategii zarządzanej przez IT.
- Dlaczego udostępnianie pracownikom wewnętrznych narzędzi AI może ograniczyć ryzyko związane z tzw. Shadow AI i niekontrolowanym przetwarzaniem danych.
- Czego przypadek Klarny uczy o granicach automatyzacji obsługi klienta i znaczeniu ludzkiej empatii w trudniejszych sytuacjach.
Audio generowane przez AI. Może zawierać błędy.
Sztuczna inteligencja staje się standardem w polskim biznesie, choć stopień jej dojrzałości jest mocno zróżnicowany. Jak wynika z danych Eurostatu za 2025 rok, zaledwie 8,4 proc. przedsiębiorstw w Polsce korzystało z rozwiązań opartych na AI, co plasowało nasz kraj na przedostatnim miejscu w Unii Europejskiej. Sytuacja ulega jednak zmianie. Z raportu EY „Jak polskie firmy wdrażają AI?” wynika, że 77 proc. przedsiębiorstw wdrożyło lub jest w trakcie wdrażania rozwiązań AI, a w 62 proc. organizacji szeroki dostęp do narzędzi opartych na sztucznej inteligencji posiada już większość pracowników.
Jak wskazuje raport, sektor bankowy należy do najbardziej zdigitalizowanych branż gospodarki, operując na dużych wolumenach danych i rozwijając zaawansowane systemy analityczne. Poszczególne banki wybierają jednak odmienne strategie udostępniania technologii swoim zespołom - od centralnie projektowanych systemów po modele dające pracownikom swobodę tworzenia własnych rozwiązań.
Swoboda tworzenia, kontrola nad danymi
Nest Bank postawił na kreatywność swoich pracowników. W organizacji rozwijane są projekty wspierające zespoły w codziennej pracy, takie jak wirtualny asystent Puchacz, wewnętrzny ekosystem Nest Store czy AI Asystent Doradcy, dostępne wyłącznie dla pracowników Banku
– Pracownicy są dziś w pełni gotowi na technologię AI – na co dzień korzystają z niej prywatnie i doskonale wiedzą, jak jej używać. Zespół i tak będzie korzystał z AI w codziennej pracy, dlatego kluczową różnicą między modelami jest kwestia bezpieczeństwa i architektury – mówi Janusz Mieloszyk, pierwszy wiceprezes zarządu, kierujący pracami zarządu Nest Banku.
Zwraca też uwagę na różnice w strategiach wdrażania technologii w sektorze bankowym.
Model niekontrolowany, czyli tzw. shadow AI, to samodzielne szukanie przez pracowników z zewnętrznych narzędzi poza architekturą banku, które nie spełniają wymogów bezpieczeństwa oraz zgodności regulacyjnej. Z kolei model bezpiecznego wsparcia, stanowiący podejście Nest Banku, to świadome dostarczenie pracownikom gotowych, wewnętrznych narzędzi, w ramach których mogą bezpiecznie tworzyć rozwiązania odpowiadające na ich potrzeby bez ryzyka dla danych
– Model niekontrolowany, czyli tzw. shadow AI, to samodzielne szukanie przez pracowników z zewnętrznych narzędzi poza architekturą banku, które nie spełniają wymogów bezpieczeństwa oraz zgodności regulacyjnej. Z kolei model bezpiecznego wsparcia, stanowiący podejście Nest Banku, to świadome dostarczenie pracownikom gotowych, wewnętrznych narzędzi, w ramach których mogą bezpiecznie tworzyć rozwiązania odpowiadające na ich potrzeby bez ryzyka dla danych – mówi Janusz Mieloszyk.
Zapewnienie bezpieczeństwa wiąże się ze stworzeniem pracownikom warunków do działania - rozwiązania powstają w środowisku zamkniętym, dostępnym jedynie dla pracowników banku.
– Udostępniamy dedykowaną platformę umożliwiającą samodzielne budowanie rozwiązań AI – co ważne dajemy zespołom swobodę tworzenia rozwiązań, w ramach przyjętych w Banku zasad – zaznacza Janusz Mieloszyk.
Podejście to wpływa również na relacje instytucji z otoczeniem rynkowym.
– Póki co obserwujemy, że to inne banki inspirują się naszymi wdrożeniami i podejściem do transformacji cyfrowej. Oczywiście, my również stale monitorujemy rynkowe trendy i doświadczenia innych organizacji, zachowując wzajemną uważność, jednak cieszy nas rola prekursora w wyznaczaniu kierunku w obszarze bankowej sztucznej inteligencji – dodaje Janusz Mieloszyk.
Gdy AI nie wystarcza, wraca człowiek
Zupełnie odmienną lekcję dotyczącą roli personelu w relacji z algorytmami dostarcza przypadek szwedzkiego fintechu Klarna. W lutym 2024 roku spółka poinformowała w komunikacie prasowym, że jej asystent AI oparty na technologii OpenAI w pierwszym miesiącu działania obsłużył 2,3 mln konwersacji – co stanowiło dwie trzecie wszystkich czatów obsługi klienta i odpowiadało pracy 700 pełnoetatowych agentów. Narzędzie skracało czas rozwiązywania spraw z 11 do poniżej 2 minut, obsługiwało klientów w ponad 35 językach i według szacunków miało przynieść firmie 40 mln dolarów dodatkowego zysku w 2024 roku.
Jednak w maju 2025 roku portal CX Dive podał, że firma zdecydowała się zmienić kurs i uruchomić ponowny nabór pracowników obsługi. Rzeczniczka spółki Clare Nordstrom wyjaśniła na łamach CX Dive, że sztuczna inteligencja zapewnia szybkość przy prostych sprawach, jednak w sytuacjach skomplikowanych lub wywołujących emocje niezbędna jest ludzka empatia oraz bezpośrednia rozmowa. Z kolei dyrektor generalny Klarny, Sebastian Siemiątkowski, przyznał w wywiadzie dla Bloomberga, że kierowanie się wyłącznie redukcją kosztów doprowadziło do spadku jakości obsługi.
Centralna strategia, wiele zastosowań
Inną ścieżkę wybrał PKO Bank Polski. Prezes zarządu PKO Banku Polskiego Szymon Midera, wskazuje we wcześniej wspomnianym raporcie EY, że organizacja powołała dedykowane zespoły oraz stanowisko CDO (Chief Data Officer) odpowiedzialne za jakość danych w banku.
– Rozmowy z partnerami biznesowymi oraz analizy komentarzy klientów pozwoliły nam wprowadzić nowatorskie rozwiązania, które zapewniają klientom i pracownikom większy komfort korzystania z nowoczesnych kanałów obsługi. Doskonałym przykładem jest aplikacja PKO Prosto, która pomaga pracownikom tworzyć proste i zrozumiałe treści dla klientów. Stworzyliśmy też zaawansowane wyszukiwarki semantyczne, które ułatwiają przeszukiwanie informacji w dokumentach bankowych – pisze w raporcie Szymon Midera.
Wskazuje, że wykorzystują AI także w systemach scoringowych, kredytowych oraz detekcji nadużyć, a w obszarach technicznych wdrażane są procesy automatyzacji wytwarzania oprogramowania (AI SDLC) i inteligentnego testowania systemów IT
– Dla nas sztuczna inteligencja to także nowe źródła przychodów. Współpracujemy z najbardziej zaawansowanymi technologicznie firmami, tworząc wspólny ekosystem innowacji. W produkcie Klik, stworzonym wspólnie z Allegro, zastosowaliśmy zaawansowane rozwiązania, które były owocem własnych doświadczeń oraz praktyk banków światowej czołówki – wskazuje w raporcie Szymon Midera.
Dodaje, że obecnie pracują nad analizą i wdrażaniem protokołów agentic AI, które mogą wyznaczyć nowe standardy płatności w obszarze agentic commerce.
Musimy jednak pamiętać, że bank jest instytucją szczególnego zaufania publicznego. Nie możemy pozwolić sobie na eksperymentowanie kosztem klienta. Dlatego tak ważne jest dla nas odpowiedzialne podejście do kwestii etycznych związanych ze sztuczną inteligencją
– Musimy jednak pamiętać, że bank jest instytucją szczególnego zaufania publicznego. Nie możemy pozwolić sobie na eksperymentowanie kosztem klienta. Dlatego tak ważne jest dla nas odpowiedzialne podejście do kwestii etycznych związanych ze sztuczną inteligencją – zaznacza Szymon Midera.
Rola firmowych „makerów" i współpraca biznesu z IT
Możliwość samodzielnego tworzenia prostych aplikacji przez personel zmienia dotychczasowy model relacji firm z dostawcami oprogramowania.
– Proste rozwiązanie na własne potrzeby da się dziś zrobić szybko i bez czekania w kolejce do programistów. Robią to już nie informatycy, tylko ludzie, którzy tworzą biznes firmy i dobrze wiedzą, jaki problem chcą rozwiązać – mówi Marcin Smereka, CTO w Sente S.A. i architekt Teneum WMS.
Funkcjonowanie narzędzi budowanych oddolnie różni się od systemów wdrażanych centralnie przez działy IT
– Takie rozwiązania są często świetnie dopasowane. Mają jednak ograniczenie: wiedza o nich zostaje w jednym dziale albo u kilku osób, więc trudno je skalować na całą firmę. Rozwiązania centralne są odwrotnością. Łatwiej w nich zapewnić spójność oraz zgodność z regulacjami dotyczącymi bezpieczeństwa i poufności. Rzadziej pasują natomiast do potrzeb konkretnego działu czy stanowiska. Moim zdaniem nie trzeba wybierać. Dobra firma potrzebuje jednego i drugiego – wskazuje Marcin Smereka.
Dodaje, że ważne jest, aby korzystać z narzędzi czołowych dostawców i tylko w płatnych planach abonamentowych.
– Dają one bezpieczeństwo i prywatność, których nie ma w darmowych odpowiednikach. Ostrożnie podchodziłbym do rozwiązań i modeli otwartych oraz tych spoza oferty czołowych dostawców. Trudniej tam o pewność, co dzieje się z danymi. I nie dawałbym pracownikom pełnej dowolności w doborze narzędzi. Eksperymentować można, ale w ramach, które firma świadomie wyznaczyła – wskazuje Marcin Smereka.
Podstawą budowania przewagi rynkowej pozostają właściwe kompetencje wewnątrz organizacji.
Kluczowi są ludzie. Technologia jest dziś dostępna dla wszystkich, więc przewagę buduje się tym, kto z niej korzysta. Szukajcie osób, które dobrze rozumieją problemy firmy i mają pomysły, jak rozwiązać je w nowoczesny sposób
– Kluczowi są ludzie. Technologia jest dziś dostępna dla wszystkich, więc przewagę buduje się tym, kto z niej korzysta. Szukajcie osób, które dobrze rozumieją problemy firmy i mają pomysły, jak rozwiązać je w nowoczesny sposób. Nie muszą to być programiści. Coraz częściej mówi się o „makerach”, czyli twórcach oprogramowania i automatyzacji albo ludziach, którzy potrafią skonfigurować ogólne narzędzia AI tak, żeby błyskotliwie rozwiązać istotny problem w firmie. Znajdźcie ich, wesprzyjcie i dajcie im przestrzeń do działania – mówi Marcin Smereka.
Główne wnioski
- Firmy szukają równowagi między swobodą pracowników a kontrolą nad technologią. Oddolne tworzenie narzędzi pozwala szybko odpowiadać na konkretne potrzeby zespołów, natomiast centralne rozwiązania ułatwiają zapewnienie bezpieczeństwa, spójności i zgodności z regulacjami.
- Bezpieczne środowisko do eksperymentowania z AI ogranicza ryzyko shadow AI. Zamiast ignorować korzystanie z zewnętrznych narzędzi, firmy mogą udostępniać pracownikom rozwiązania działające w kontrolowanej architekturze i wyznaczać zasady ich używania.
- Automatyzacja nie zawsze zastępuje człowieka. Doświadczenia Klarny pokazują, że AI może sprawnie obsługiwać proste sprawy, ale w bardziej złożonych i emocjonalnych sytuacjach klienci nadal potrzebują ludzkiej empatii i bezpośredniego kontaktu.
Artykuł powstał na zlecenie Nest Bank
