Már biztos, hogy így fogunk bankolni a jövőben: de jó lesz ez nekünk?

Akár pénzintézeti fókusszal, akár általánosságban beszélünk a mesterséges intelligenciáról (MI), a legelső és legfontosabb dolog definiálni azt, hogy miről is van szó: az Európai Uniós Artificial Intelligence (AI) Act is kísérletet tesz erre, ezek a definíciók azonban korábban nem léteztek, ill., rengeteg különféle leírás keringett arról, mi is pontosan az MI.

Amikor mesterséges intelligenciáról beszélünk, akkor mi alapvetően az OECD definícióját használjuk. Ez gyakorlatilag azt mondja, hogy MI-nek minősül bármi olyan számítógépes rendszer, ami a hagyományos emberi intelligenciához kapcsolódó, vagy az azáltal megoldható feladatok elvégzésére alkalmas. Ez egy nagyon-nagyon tág definíció, amibe az automatizált robotikus megoldásoktól a nagyon szofisztikált chatbot alkalmazásig, vagy hangalapú asszisztensekig minden tartozik

 – mondta Dr. Fáykiss Péter, a Magyar Nemzeti Bank Digitalizációs Igazgatóság vezetője a Deloitte Risk? Respond! podcast adásában.

Ez olyan technológia, ami nagyon komoly hatással lesz a pénzügyi szolgáltatásokra, amit most még inkább hype szinten érzékelünk, de 5-10 év múlva nagyon máshogy fog kinézni sok minden a bankolásban, mint ma – tette hozzá a szakértő.

Dr. Albert Lili, a Deloitte adatvédelmi és technológiai munkacsoportjának ügyvédje  szerint is egyre gyakoribb trend, hogy a pénzügyi intézmények mesterséges intelligenciát használnak üzleti folyamataik automatizálására, az ügyfélélmény javítására, ill. a kockázatértékelés, kockázatelemzés területein. Konkrét példákat is említett: ilyen a panasztörvény kapcsán a bejelentések automatizált kezelése, vagy a pénzmosás megelőzése kapcsán az ügyfelek távazonosítása.

Az MNB nemrég az összes hazai nagybanknál végzett dedikáltan AI-ra fókuszáló felmérést, amelyből kiderült, hogy a prioritási lista elején van minden intézményben az implementáció. A kép azonban heterogén: van, ahol már dedikált csapatok nagy nyelvi modelleket fejlesztenek, máshol ennél szűkebb felhasználási dimenzióban, automatizált megoldásokra koncentrálnak.

A pénzintézetek idevágó legnagyobb kihívásaival kapcsolatban Dr. Albert Lili elmondta, hogy a megfelelő mennyiségű és minőségű adat rendelkezésre állása nagy kihívás, hiszen a mesterséges intelligencia rendszerek csak így működnek a lehető legpontosabban.

Dr. Fáykiss Péter úgy látja, hogy a pénzügyi szektor az egyik legszigorúbban szabályozott terület, és éppen ezért nagyon fontos, hogy az új technológia is úgy legyen bevezetve és használva, hogy az minden olyan lehetséges elvárásnak megfeleljen, amit az iparágban támasztanak.

A legnagyobb kihívás az, hogy ezen a nagyon új területen az intézményeknek ilyen komplexitással kell foglalkozniuk. Erre egységes, értelmezhető governance struktúrát, kockázatelemzést kell kialakítani, meg kell határozni, mely területekre kell audit, hogyan kell képezni a munkavállalókat

– mondta.

A kompetencia kérdése is igen releváns, hiszen egyre inkább általános lesz, hogy az AI megoldásokat nem informatikusok készítik el, hanem banki alkalmazottak low-code, ill. no-code környezetben, prompt engineeringgel. A governance kérdésköre az, hogy lehet olyan egységes keretet létrehozni, ami tartósan tud működni, miközben a technológia nagyon gyorsan változik. Éppen ezért kiemelkedően fontos az implementáció, ill. fejlesztés megkezdése előtt a megfelelő MI- stratégia kialakítása.

Átfogó, bonyolult és gyakran változó szabályokról beszélünk, tehát azért fontos ez és a compliance szakértők időben történő bevonása, mert ezzel feltérképezhetők a kockázatok és így kezelhetővé is válhatnak. Az biztos, hogy ha valaki megbízható mesterséges intelligenciát alkalmaz, azzal több ügyfelet tud bevonzani, a versenyképességét erősíti

– mondta Dr. Albert Lili. Dr. Barta Gergő, a Deloitte vezető Mesterséges Intelligencia szakértője hozzátette:

A képzés is kiemelten fontos, mert a mesterséges intelligencia olyan terület, amely minden egyes intézmény minden egyes dolgozóját érinteni fogja. A banki ügyintézőknek és értékesítőknek ugyanúgy tisztában kell lenni a kockázatokkal és lehetőségekkel, mint a mélyebben a technológiát fejlesztő mérnököknek. Az ő folyamatos képzésük az az egyik legnagyobb kihívás.