Umjetna inteligencija prestala je biti futuristički koncept u financijskom sektoru i danas je operativni alat koji mijenja kreditne procese, upravljanje rizicima i korisničko iskustvo. Međutim, postoji ključna razlika između medijske pompe i stvarnih poslovnih rezultata: konkretni slučajevi upotrebe i mjerljivi ROI.
U intervjuu za Bloomberg Adriju, Damir Vukotić, partner u Deloitte Central Europe South, govori o tome kako banke i fintech tvrtke u regiji prelaze s eksperimentiranja na stvarne implementacije, koje su tehnologije već donijele vrijednost i gdje će umjetna inteligencija najbrže transformirati financijske usluge u sljedećih tri do pet godina.
Koji su najzreliji AI use-caseovi koje danas implementirate u bankama CE South klastera (npr. prijevare/AML, naplata potraživanja, sustavi ranog upozorenja, IFRS9/IRB pomoćne funkcije, klimatski scenariji rizika)? Što je zajednički obrazac projekata koji su zaista donijeli mjerljiv P&L ili RWA benefit?
U bankama regije danas se najzreliji AI use-caseovi razvijaju upravo na sjecištu klasičnih riziko-procesa i napredne analitike ponašanja. Najviše napretka vidimo u praćenju transakcija i AML-u, gdje modeli poput Peer Group Outlier Detectiona i Anomaly Detectiona značajno smanjuju broj „false positive“ upozorenja i ubrzavaju obradu slučajeva. U kreditnim procesima AI agenti se koriste za automatizaciju dijelova KYC-a, provjeru negativnih medijskih objava i pripremu dokumentacije za odobrenje kredita, dok se u bihevioralnom bodovanju i sustavima ranog upozorenja primjenjuju za rano prepoznavanje rizika na portfelju.
Najbrže mjerljivi rezultati dolaze kroz troškovne i operativne učinke – smanjenje ručnih provjera, bolje prioritiziranje slučajeva i kraći alert-to-decision ciklus, što se u praksi pretvara u stabilan P&L benefit u srednjem roku. AI projekti su u pravilu različiti i ovise o ciljevima, internom kontekstu i zrelosti organizacije, ali zajednički obrazac obično uključuje kombinaciju jakog poslovnog sponzora, dostupnih i kvalitetnih podataka te iterativnog pristupa koji u 3–6 mjeseci mora pokazati “proof of value”. Tamo gdje projekti zapnu, uzrok je gotovo uvijek nedovoljno razvijena podatkovna platforma ili izostanak jasnog vlasništva i odgovornosti unutar same banke.
No, ključ uspjeha nije samo u tehnologiji, već u ljudima koji je razumiju i koriste. Uspješne banke kombiniraju “human-in-the-loop” ili „human-over-the-loop“ pristup – gdje modeli podržavaju, ali ne zamjenjuju stručnu prosudbu – i stvaraju kulturu u kojoj se podaci, AI modeli i ljudi međusobno nadopunjuju. „Trustworthy AI“ će u budućnosti sve više preuzimati repetitivne zadatke, ali će upravo ljudsko iskustvo, etika i razumijevanje konteksta ostati presudni za kvalitetne odluke i održivo povjerenje klijenata.
Većina projekata stane na podacima i operativizaciji modela. Kako rješavate data foundation (kvalitetu, lineage, kontrolne okvire) i MLOps (monitoring, drift, retraining) u bankama? Koji je prag kada preporučujete hyperscaler alate naspram “lakših” platformi za manje institucije?
Većina AI projekata u bankama ne zapne na modelima, nego na podacima i njihovoj operativizaciji. Zato uvijek počinjemo od data foundationa – jasno definiramo izvore, kvalitetu, lineage, vlasnike i kontrolne točke podataka, u skladu s BCBS 239 i RDARR standardima. Iako je BCBS 239 prisutan još od 2013., danas ponovno dobiva na važnosti jer postaje jedno od ključnih nadzornih očekivanja.
Sljedeći korak je uspostava MLOps okvira – sustava za praćenje performansi modela, detekciju drifta i periodično retraining, bilo kroz alate poput Azure ML i Databricksa u većim institucijama, bilo kroz “lakša” open-source rješenja kod manjih. Ključno je da modeli budu povezani s poslovnim procesima – da stvaraju konkretne decision triggerse, primjerice u naplati potraživanja ili AML alertingu.
Hyperscaler rješenja preporučujemo tek kada banka ima više modela u produkciji, jasnu ambiciju daljnjeg širenja ili visoke zahtjeve za auditabilnost i AI governance – što postaje sve važnije s primjenom EU AI Acta. U ostalim slučajevima dovoljno je krenuti postupno, po principu “start small, scale fast”, i kroz nekoliko konkretnih use-caseova graditi podatkovne i operativne kapacitete.
Što GenAI realno mijenja u risk funkcijama u kratkom roku (12–18 mjeseci), a gdje su granice – bias, halucinacije, model risk, IP i zaštita podataka? Ako morate izabrati jedan use-case s dokazivim ROI-em u front- ili back-officeu, koji je to i zašto?
U kratkom roku GenAI neće promijeniti temeljne modele rizika, ali hoće način rada risk timova i njihove procese. Najveći pomak događa se u automatizaciji dokumentacije, analiza i pripreme nadzornih materijala, gdje GenAI već djeluje kao svojevrsni copilot. Najvidljivije primjene su u AML i KYC područjima, gdje pomaže u sažimanju dosjea, prioritetizaciji i pripremi odgovora, te u naplati potraživanja, gdje generira preporuke i personalizira pristup klijentima.
Granice, iako naizgled jasno definirane, u praksi nisu jednostavne – osobito kada je riječ o pristranosti, halucinacijama, model risku, zaštiti podataka i intelektualnom vlasništvu. Zato se rješenja razvijaju unutar sigurnih i regulatorno usklađenih okruženja, uz snažan naglasak na AI governance i “human-in-the-loop” nadzor.
Ako bih izdvojio jedan use-case s dokazivim učinkom, to bi bio AI-driven Early Warning i Collections orchestration – rješenje koje omogućuje brže prepoznavanje rizika i personalizirane akcije, smanjuje operativno opterećenje te donosi konkretne rezultate: viši cure-rate, kraći time-to-action i niži trošak rizika.
No, prava vrijednost GenAI-a nije samo u učinkovitosti, već u transformaciji načina razmišljanja o upravljanju rizicima koji postaju sve kompleksniji i širi. AI nam otvara mogućnost da risk funkciju pretvorimo iz reaktivne u prediktivnu i stratešku, sposobnu ne samo mjeriti rizik, već ga predviđati, simulirati i upravljati njime gotovo u stvarnom vremenu. To je put prema novoj generaciji upravljanja rizicima – onoj u kojoj je tehnologija alat, a strateško razumijevanje rizika postaje konkurentska prednost.
Razgovor o inovacijama i transformaciji bankarstva putem digitalnih tehnologija savršeno se nastavlja na Regionalnoj konferenciji o upravljanju rizicima - Bankarstvo u doba umjetne inteligencije, koja će se održati 28. studenog u Sarajevu.
.webp){kind=icon}
