4 godzin temu
Banki wiedzą o swoich klientach więcej niż większość firm technologicznych. Widzą wpływy, wydatki, zadłużenie, oszczędności i zmiany płynności niemal w czasie rzeczywistym. Mimo to przewagę coraz częściej zdobywa nie instytucja posiadająca najwięcej informacji, ale ta, która potrafi szybciej zamienić je w trafną decyzję.
To istotna różnica. Zbiór danych jest aktywem, ale dopiero odpowiednia architektura, procesy i kontrola pozwalają wykorzystać go do obniżenia kosztu ryzyka, ograniczenia fraudów, poprawy ceny produktu lub skrócenia obsługi klienta. Bank nie staje się firmą technologiczną dzięki aplikacji albo wdrożeniu sztucznej inteligencji. Staje się nią wtedy, gdy technologia zmienia ekonomikę jego podstawowej działalności.
Dużo danych nie oznacza pełnego obrazu klienta
Bank może posiadać wieloletnią historię relacji z klientem, a jednocześnie nie być w stanie gwałtownie ustalić jego rzeczywistej rentowności, całkowitego zadłużenia lub bieżącego poziomu ryzyka. Informacje pozostają rozproszone między systemami kredytowymi, płatniczymi, księgowymi, kanałami cyfrowymi i spółkami należącymi do jednej grupy.
To nie jest już wyłącznie problem działu IT. Fragmentacja danych wydłuża decyzje kredytowe, utrudnia zmianę cen, zwiększa liczbę ręcznych uzgodnień i spowalnia reakcję na kryzys. Europejski Bank Centralny od lat wskazuje, iż postęp banków w agregowaniu i raportowaniu danych o ryzyku pozostaje niewystarczający. W niektórych instytucjach przygotowanie miesięcznych raportów ryzyka zajmowało 40 lub więcej dni roboczych.
Dla biznesu oznacza to, iż historyczna baza klientów nie jest automatycznie przewagą nad fintechem. Mniejszy konkurent może dysponować mniejszą ilością informacji, ale podejmować decyzje szybciej dzięki prostszej architekturze, wspólnym definicjom danych i mniejszej liczbie systemów pośredniczących.
AI przestaje odróżniać jeden bank od drugiego
Według Europejskiego Urzędu Nadzoru Bankowego 92 proc. banków w Unii Europejskiej wykorzystuje już AI, a pozostałe prowadzą pilotaże lub analizują jej zastosowania. Technologia wspiera między innymi wykrywanie fraudów, obsługę klientów, profilowanie, przeciwdziałanie praniu pieniędzy i ocenę ryzyka.
Tak wysoki poziom adopcji zmienia charakter konkurencji. Samo posiadanie modeli AI nie daje już przewagi, podobnie jak nie daje jej korzystanie z chmury czy oferowanie aplikacji mobilnej. Te same modele bazowe, platformy obliczeniowe i narzędzia analityczne są dostępne dla wielu instytucji.
Różnica powstaje w tym, jakimi danymi model jest zasilany, jak gwałtownie otrzymuje aktualne informacje i czy jego wynik może zostać włączony do procesu biznesowego bez kolejnych tygodni uzgodnień. Najbardziej zaawansowany algorytm nie poprawi wyniku banku, o ile korzysta z niespójnych danych albo jego decyzje wymagają później manualnej weryfikacji w kilku działach.
Ograniczeniem nie jest więc dostęp do AI, ale gotowość organizacji do jej wykorzystania. BIS wskazuje jako główne bariery między innymi jakość, prywatność i bezpieczeństwo danych. Im bliżej model znajduje się podstawowej działalności banku, tym większego znaczenia nabierają także możliwość audytu, wyjaśnienia wyniku i ustalenia odpowiedzialności.
Przewagą jest droga od informacji do decyzji
Najważniejszą miarą dojrzałości technologicznej banku nie jest liczba zgromadzonych rekordów ani wdrożonych modeli. Jest nią czas, który upływa od pojawienia się informacji do podjęcia działania.
W kredytach oznacza to zdolność do szybkiego rozpoznania rzeczywistego ryzyka klienta. Lepsze dane mogą skrócić proces, ograniczyć liczbę odrzucanych automatycznie wniosków i pozwolić dokładniej dopasować cenę finansowania. Z punktu widzenia banku przekłada się to jednocześnie na przychody, koszt obsługi i jakość portfela.
W wykrywaniu fraudów wartość powstaje w ciągu sekund. Bank musi rozpoznać podejrzane zachowanie, zanim pieniądze opuszczą rachunek, ale jednocześnie nie może blokować dużej liczby prawidłowych transakcji. Przewagę daje więc nie sam model, ale połączenie aktualnych danych transakcyjnych, historii klienta, kontekstu urządzenia i automatycznej reakcji.
Podobny mechanizm działa w sprzedaży. Bank, który wcześniej rozpoznaje pogorszenie płynności firmy, może zaproponować finansowanie obrotowe, zanim klient zacznie aktywnie szukać oferty. Ten sam zestaw danych może jednak pozostać bezwartościowy, o ile informacja trafia do doradcy po kilku tygodniach albo zostaje wykorzystana do wysłania niedopasowanej kampanii marketingowej.
Prawdziwym aktywem nie jest więc baza danych, ale krótka, kontrolowana i powtarzalna droga od zdarzenia do decyzji.
Architektura danych staje się częścią modelu biznesowego
W tym ujęciu modernizacja IT przestaje być projektem infrastrukturalnym. Jej wartość zależy od tego, czy pozwala szybciej zmienić regułę kredytową, uruchomić produkt, przeliczyć cenę albo zareagować na nowy rodzaj oszustwa.
Samo przeniesienie systemów do chmury nie rozwiązuje problemu, o ile różne części banku przez cały czas inaczej definiują klienta, dochód, ekspozycję lub produkt. Podobnie budowa centralnego repozytorium nie przynosi automatycznie efektu, gdy nie wiadomo, kto odpowiada za jakość informacji i które źródło jest wiążące.
Oznacza to przesunięcie uwagi z migracji technologicznych na projektowanie infrastruktury decyzji. Znaczenie zyskują właściciele danych, wspólne definicje, śledzenie ich pochodzenia oraz możliwość wielokrotnego wykorzystania tych samych informacji w różnych procesach.
Także miary sukcesu wymagają zmiany. Liczba systemów przeniesionych do chmury kilka mówi o przewadze banku. Więcej pokazuje czas potrzebny do wdrożenia nowej reguły, liczba ręcznych korekt, dostępność danych w czasie rzeczywistym albo odsetek produktów korzystających ze wspólnej warstwy informacyjnej.
Regulacje nie wykluczają szybkości
Najbardziej wartościowe decyzje oparte na danych należą jednocześnie do najbardziej regulowanych. Systemy AI oceniające zdolność kredytową osób fizycznych zostały w unijnym AI Act zaklasyfikowane jako zastosowania wysokiego ryzyka. Wiąże się to z dodatkowymi wymaganiami dotyczącymi danych, dokumentacji, kontroli i nadzoru.
Można traktować je wyłącznie jako koszt, ale bank wyposażony we wspólną warstwę zarządzania zgodami, pochodzeniem danych i monitoringiem modeli może używać tej infrastruktury w wielu projektach. Zamiast budować proces zgodności od początku dla wszystkich zastosowania, wykorzystuje te same mechanizmy kontroli ponownie.
W takim modelu compliance nie stoi na końcu projektu i nie służy jedynie do jego zatwierdzenia. Staje się elementem architektury, który pozwala skalować nowe rozwiązania bez każdorazowego zwiększania ryzyka prawnego i operacyjnego.
Dane będą coraz mniej wyłącznym zasobem banku
Proponowane europejskie ramy open finance mają rozszerzyć, za zgodą klienta, wymianę danych finansowych poza informacje o rachunkach płatniczych. Celem FIDA jest umożliwienie dostępu do szerszego zakresu danych innym instytucjom finansowym i dostawcom usług, a w konsekwencji zwiększenie konkurencji oraz personalizacji produktów.
Dla banków oznacza to stopniowe osłabienie przewagi wynikającej z wyłącznego dostępu do historii klienta. o ile informacje można przenieść do konkurenta, wartość przesuwa się w stronę ich interpretacji, jakości modeli, wygody obsługi i zaufania.
Nie znaczy to, iż dane przestaną być ważne. Przestaną jednak wystarczać jako bariera wejścia. Bank, który nie umie ich wykorzystać, może stać się jedynie dostawcą surowca dla sprawniejszego konkurenta.
Bank nie może oddać dostawcom logiki własnego biznesu
Modernizacja bankowości coraz silniej zależy od dostawców chmury, modeli AI, platform analitycznych i systemów cyberbezpieczeństwa. Przyspiesza to wdrożenia, ale jednocześnie zwiększa zależność od zewnętrznej infrastruktury.
Analiza ECB wykazała, iż około 82 proc. krytycznych funkcji powierzonych dostawcom jest trudnych lub niemożliwych do zastąpienia, a 95 proc. z nich trudno byłoby ponownie przenieść do banku.
To praktyczna wskazówka zarówno dla banków, jak i firm technologicznych. Dostawca przestaje być oceniany wyłącznie przez możliwości produktu. Znaczenia nabierają przenośność danych, możliwość audytu, interoperacyjność, plan wyjścia i ciągłość działania. ECB oczekuje, iż strategie wyjścia dla usług chmurowych obsługujących funkcje krytyczne będą przygotowane jeszcze przed ich uruchomieniem.
Bank może kupować infrastrukturę i komponenty, ale kontrola nad danymi, architekturą oraz logiką decyzji pozostaje częścią jego podstawowej kompetencji. Oddanie jej jednemu dostawcy może krótkoterminowo przyspieszyć modernizację, ale długoterminowo ograniczyć zdolność do negocjowania cen, zmiany technologii i rozwijania produktów.
Technologia ma znaczenie dopiero wtedy, gdy zmienia wynik banku
Dla firm technologicznych największa szansa nie leży już w sprzedaży kolejnej ogólnej platformy AI. Banki potrzebują rozwiązań, które usuwają konkretne ograniczenia między danymi a decyzją: integrują starsze systemy, kontrolują jakość informacji, analizują zdarzenia w czasie rzeczywistym, monitorują modele i zapewniają bezpieczną wymianę danych.
Dla CIO oznacza to przejście od zarządzania infrastrukturą do współprojektowania procesów biznesowych. Architektura danych staje się bezpośrednio związana z ceną produktu, poziomem ryzyka, stratami fraudowymi i szybkością obsługi.
Dla zarządów najważniejsze pytanie nie brzmi już, ile bank inwestuje w AI albo chmurę. Znacznie więcej mówi to, które decyzje dzięki tym inwestycjom stają się szybsze, trafniejsze i tańsze.
Bank nie jest zwykłą firmą technologiczną. przez cały czas zarządza bilansem, kapitałem, ryzykiem i zaufaniem. Coraz większa część jego wyniku zależy jednak od technologicznego systemu przetwarzania informacji. Dlatego dane nie są jeszcze przewagą. Stają się nią dopiero wtedy, gdy szybciej i bezpieczniej prowadzą do lepszej decyzji.
