Nowakowski Michał, Sztuczna inteligencja. Praktyczny przewodnik dla sektora innowacji finansowych

David L. Shrier i Alex Pentland wskazują, że cyfrowa transformacja w sektorze usług finansowych wygenerowała ponad 500 mld dolarów inwestycji od 2015 r. , co jest niewątpliwie kwotą wartą odnotowania. Ta cyfrowa transformacja w znacznej – choć nie jedynej – mierze jest podyktowana tym, że instytucje finansowe, jak banki czy niebankowi dostawcy usług płatniczych, ale też np. zakłady ubezpieczeń, generują dane na niespotykaną, jak dotąd, skalę . Generują i zaczynają wykorzystywać, stosując różne narzędzia analityczne, które niekiedy nazywamy szeroko rozumianą sztuczną inteligencją. Włodzimierz Szpringer słusznie zauważył, że „[w] ciągu ostatniej dekady w nowej erze FinTech (technologia finansowa) długofalowy proces cyfryzacji finansów w coraz większym stopniu łączył się z datafikacją i nowymi technologiami, w tym z przetwarzaniem w chmurze, DLT blockchain, Big Data i sztuczną inteligencją” . Ma to silny związek nie tylko z samym faktem rosnącej liczby danych, lecz także z tym, jak zmienia się otoczenie, w tym dostęp do infrastruktury i technologii , które umożliwiają więcej, lepiej i szybciej.

Instytucje finansowe dostrzegają, że bez zaprzęgnięcia do pracy nowych (?) rozwiązań technicznych, takich jak: uczenie maszynowe, przetwarzanie języka naturalnego czy rozpoznawanie obrazu, nie będą w stanie sprostać oczekiwaniom obecnych i przyszłych klientów, którzy wymagają personalizacji i szybkiego dostępu do produktów oraz usług , a także rosnącym oczekiwaniom regulatorów i prawodawców, które zaczynają stanowić prawdziwe wyzwanie dla całego sektora finansowego . Już w styczniu 2022 r. Europejski Urząd Nadzoru Bankowego stwierdził, że dla wielu instytucji finansowych rozwijanie narzędzi „sztucznej inteligencji” stanowi ważny element szeroko rozumianej transformacji cyfrowej , która ma to właśnie zapewnić. Może nie od razu, ale w średnim i długim terminie – bez wątpienia.

Wspomniane rozwiązania z obszaru AI zmieniają niewątpliwie to, jak korzystamy z rozwiązań finansowych, a także to, jak same instytucje radzą sobie z wyzwaniami, które przed nimi stoją w związku ze zmieniającym się światem, który staje się coraz bardziej cyfrowy i coraz silniej oparty na danych. Często dane dotyczą nas samych. Już z faktu, że to właśnie dane stają się centralnym punktem tych rozwiązań, możemy wywnioskować, że ich wykorzystanie będzie wiązało się z ograniczeniami o charakterze technicznym czy operacyjnym, ale także – a może przede wszystkim – prawnym i regulacyjnym. W końcu od wielu lat, a rozporządzenie 2016/679 (RODO) nie jest tutaj jedynym przykładem, jesteśmy zasypywani różnymi obowiązkami, które zmierzają do zapewnienia, że wykorzystywane dane są w odpowiedni sposób chronione, ale i wykorzystywane.

W efekcie wiele instytucji finansowych musi mierzyć się nie tylko z technologią, lecz także z rozlicznymi obowiązkami związanymi z koniecznością zapewnienia zgodności z przepisami prawa i oczekiwaniami organów nadzorczych oraz regulacyjnych. Co ciekawe, nie zawsze dotyczy to wykorzystania „sztucznej inteligencji” (dlaczego ujmuję ją w cudzysłów – wyjaśnię w dalszej części książki), ale też takich technologii, jak technologia rozproszonego rejestru (DLT) czy łańcucha bloków (blockchain) , które stanowią immanentną część obszaru, który w finansach nazywamy zdecentralizowanymi finansami (DeFi) , a które kojarzyć możemy chociażby z kryptowalutami, jak bitcoin czy ether. Do tej kwestii też niewątpliwie wrócimy na kolejnych stronach.

Również rozwój tzw. generatywnej sztucznej inteligencji, czyli rozwiązań pozwalających na tworzenie unikatowych treści, spowodował, że coraz więcej instytucji finansowych decyduje się na eksperymentowanie z nowymi produktami i usługami. Duże modele językowe dają przykładowo możliwości konwersacji z klientami czy tworzenia danych syntetycznych. Jednocześnie ich specyfika, w tym duża zależność od dostawców (np. rozwiązań chmurowych), powoduje, że jej wdrażanie powinno odbywać się z dużą ostrożnością i pewnością co do zdolności organizacji do realizacji podstawowych zasad związanych z jej wykorzystaniem.

Tworzenie produktów i usług opartych na danych wymaga podejmowania i koordynowania wielu działań w takich obszarach, jak: prawo i regulacje, rozwiązania teleinformatyczne (ICT) czy operacje i bezpieczeństwo. Wiąże się z tym konieczność opracowania i wdrożenia odpowiedniej strategii , utworzenia i utrzymania ram dla tzw. Data Governance , a także zapewnienia odpowiednich warunków osobom, które będą odpowiadały za wiele obszarów, z którymi związane są takie produkty i usługi, również w kontekście tworzenia tych rozwiązań zgodnie z „ludzkim” (human-centric) podejściem. Dlatego dla wielu instytucji finansowych najbliższe lata będą stanowiły niewątpliwie wyzwanie, jeżeli będą one chciały wpisywać się w trendy nowoczesnych finansów, do których należą m.in. platformizacja i szeroko rozumiana demokratyzacja finansów , ale też – jeżeli będą chciały dobrze wypełniać swoje obowiązki prawno-regulacyjne, których liczba stale rośnie, np. w obszarze przeciwdziałania praniu pieniędzy oraz finansowaniu terroryzmu. Niewłaściwe ich wykonanie lub brak działania to nie tylko sankcje administracyjne czy odpowiedzialność karna – to utrata zaufania klientów, którego tak łatwo nie da się odzyskać.

Analityka danych, duże zbiory danych i „sztuczna inteligencja” zostaną z nami na stałe. Co do tego nie ma wątpliwości. Instytucje finansowe – małe i duże – czują potrzebę zmiany, ale nie zawsze wiedzą, jak nawigować w świecie nowoczesnych technologii. W świecie, który jest też coraz bardziej (prze)regulowany i właściwie nie ma miesiąca, w którym nie pojawiłyby się nowe akty prawne i regulacje, które mają na celu pośrednie lub bezpośrednie uregulowanie ich stosowania. Dlatego powstała ta książka, która ma pomóc przejść transformację do instytucji finansowej mądrze i efektywnie korzystającej z danych i analityki. Pokrywa ona wiele obszarów, które przenikają się z całą plejadą wymogów prawno-regulacyjnych, które już dzisiaj lub za chwilę instytucje finansowe będą musiały spełnić.

Oczywiście nie wszystkie zagadnienia, które dotyczą korzystania z tych rozwiązań, zostały ujęte w tej książce. Z jednej strony jest to wynikiem prostego założenia, że projektowane akty prawne mogą podlegać daleko idącym zmianom, a z drugiej – ograniczenia zakresu książki do najważniejszych aspektów związanych z tworzeniem i wykorzystywaniem AI. Wierzę, że książka doczeka się reedycji wraz z uchwalaniem nowych aktów, w tym wyczekiwanego przez wielu AI Act, oraz rozwojem narzędzi AI w sektorze finansowym. Pierwszą edycję traktuję jako wstęp do dyskusji i budowania szerszej świadomości. Chciałbym także zwrócić uwagę, że coraz więcej rozwiązań wykorzystujących systemy uczenia maszynowego i głębokiego korzysta z rozwiązań chmurowych, co ma istotne znaczenie z perspektywy instytucji finansowych zamierzających je wdrażać. Przy rozważaniach na temat tego typu zastosowań należy więc pamiętać o uwzględnieniu aktów prawnych i regulacji odnoszących się do tego zagadnienia, choć akurat chmurze obliczeniowej w książce nie poświęciłem wiele miejsca. W tym zakresie odsyłam do innych opracowań.

Czytelniku, tym samym zabieram Ciebie w podróż do świata „sztucznej inteligencji” w sektorze finansowym. Gwarantuję, że nie będzie nudno, i mam nadzieję, że będzie to punkt zwrotny w rozumieniu jej zawiłości oraz okazja do refleksji nad tym, jak powinno wyglądać modelowe wdrożenie.