Z tego artykułu dowiesz się:
- Jak sztuczna inteligencja jest wykorzystywane w procesach kredytowych w polskich bankach i na co ma największy wpływ.
- Jakie dane o klientach analizują bankowe algorytmy i gdzie leży granica między oceną ryzyka a inwigilacją.
- Czy banki wykorzystują profilowanie oraz mechanizm tzw. dynamic pricing, aby dopasowywać ofertę do sytuacji klienta.
- Kto ostatecznie podejmuje decyzję kredytową – człowiek czy algorytm – i co dzieje się z niestandardowymi wnioskami.
Skala wdrażania sztucznej inteligencji w polskich bankach jest naturalną konsekwencją wieloletniej cyfryzacji i automatyzacji, w czym nasz sektor należy do europejskich liderów. Coraz częściej AI przenika także do najbardziej kluczowych procesów, w tym związanych z kredytami i systemami oceny wiarygodności finansowej klientów.
Jak działa AI w procesach kredytowych
Z naszej analizy wynika, że algorytmy uczenia maszynowego dominują dziś przede wszystkim w segmencie szybkich kredytów gotówkowych i ratalnych online. Czym dokładnie się zajmują? Bankowcy tłumaczą, że technologia ta przede wszystkim automatyzuje podstawowe procesy – np. weryfikację tożsamości online, analizę dokumentów czy analizę sytuacji finansowej klientów. Coraz częściej pomaga także w szacowaniu ryzyka kredytowego.
– Wykorzystujemy rozwiązania oparte na sztucznej inteligencji w szerokim zakresie procesów biznesowych, m.in. w obszarze oceny zdolności kredytowej, ale też przeciwdziałania nadużyciom i wyłudzeniom – wylicza Szymon Kośnik, dyrektor Departamentu Ryzyka Klientów Detalicznych w Erste Bank Polska. – Technologie te wspierają szybsze i bardziej precyzyjne podejmowanie decyzji, przy jednoczesnym zachowaniu wysokich standardów bezpieczeństwa i zgodności regulacyjnej – dodaje.
Czytaj więcej
– Chcemy być gdzieś w okolicach szóstego banku na rynku, ale do tego potrzebna byłaby jeszcze akwizycja. Musielibyśmy przejąć jeden albo dwa banki...
Jakie korzyści dla klientów i banków
Technologiczna zmiana przynosi wymierne korzyści obu stronom – zarówno bankom, jak i ich klientom. Dla kredytobiorców najważniejsze są oszczędność czasu i wygoda – cały proces ubiegania się o kredyt można zamknąć w kilka minut za pomocą aplikacji mobilnej. Z kolei banki zyskują wyższą efektywność operacyjną. W praktyce przekłada się to zarówno na możliwość pozytywnej oceny większej liczby wniosków klientów, jak również – co zauważa dyrektor Kośnik – zwiększa skuteczność procesów oceny ryzyka i wykrywania nadużyć nawet o kilkadziesiąt procent.
Taki rachunek zysków i strat wyznacza naturalny kierunek rozwoju: w najbliższych latach udział sztucznej inteligencji w procesach kredytowych będzie rósł, a same systemy będą coraz mocniej zintegrowane z aplikacjami bankowymi. Dobrym przykładem może tu być nowa usługa pożyczkowa „VeloFotka” w VeloBanku mocno wspomagana AI, gdzie przy zakupach ratalnych klient robi tylko zdjęcie etykiety cenowej produktu, a algorytm automatycznie odczytuje dane i uruchamia proces oceny wniosku. Ambicje w tym zakresie ma też choćby Alior Bank stawiający na systemy sztucznej inteligencji, które nie tylko pasywnie oceniają wnioski, ale potrafią w czasie rzeczywistym dopasowywać parametry oferty do profilu użytkownika, jednocześnie stale obniżając koszty ryzyka. Wskaźnik kredytów niespłacanych (NPL) w Aliorze spadł już do ok. 5,4 proc. z okolic nawet 7-8 proc. rok wcześniej.
Czytaj więcej
Polski sektor bankowy od lat należy do najbardziej nowoczesnych w Europie. Jednak nie może spocząć na laurach.
Jak dużo bank wie o swoim kliencie
Rosnące wykorzystanie AI w bankach rodzi jednocześnie pytania o bezpieczeństwo, prywatność oraz granice ingerencji algorytmów w nasze codzienne życie. Największe obawy budzi potencjał sztucznej inteligencji do śledzenia informacji, nawet tych prywatnych, o każdej osobie, o jej zachowaniach, nawykach, zakupach, podróżach, stylu życia, itp.
Bankowcy przyznają, że korzystają z coraz szerszej bazy informacji. Nie jest to już tylko proste sprawdzanie historii kredytowej w BIK. W grę wchodzą zaawansowane analizy struktur wydatków, regularności wpływów oraz algorytmiczna ocena stabilności zachowań finansowych w czasie. Jednocześnie uspokajają, że proces analizy opiera się przede wszystkim na twardych danych finansowych, a nie na cyfrowej inwigilacji, a wykorzystanie dodatkowych informacji odbywa się zgodnie z obowiązującymi przepisami i za zgodą klienta.
– Nowe źródło danych podlega szczegółowej ocenie pod kątem odpowiedzialnego wykorzystania AI, a sama dostępność informacji nie oznacza jeszcze, że powinny być one wykorzystane w procesie oceny kredytowej – zaznacza Rafał Walasek, menedżer wydziału w Departamencie Zarządzania Ryzykiem Detalicznym w mBanku. Przedstawiciele mBanku, Erste BP czy ING Banku Śląskiego podkreślają również, że w żadnym razie nie wykorzystują danych pochodzących z np. mediów społecznościowych.
Czytaj więcej
Wart 11 mld dol. jednorożec z polskimi korzeniami dostał zastrzyk od państwowego banku. Kwota nie powala na kolana, bo to tylko około 0,1 proc. kap...
Czy klienci są profilowani i segmentowani?
Kolejne obawy klientów związane z AI w kredytach dotyczą ukrytego profilowania oraz ryzyka, że systemy zaczną manipulować kosztami pożyczek w czasie rzeczywistym. Największą niewiadomą pozostaje tzw. dynamic pricing, czyli mechanizm, w którym algorytm mógłby podnosić marżę lub prowizję tylko dlatego, że z naszej historii transakcji, pory składania wniosku czy pośpiechu wywnioskowałby, że znajdujemy się w trudnej sytuacji życiowej.
Jak wynika jednak z zebranych przez nas informacji, polskie banki podchodzą do takich rozwiązań bardzo ostrożnie. – Nie wykorzystujemy sztucznej inteligencji do profilowania klientów pod kątem ryzyka kredytowego – deklaruje Rafał Walasek z mBanku. – Nie stosujemy rozwiązań opartych na sztucznej inteligencji do indywidualnego ustalania ceny kredytu ani tzw. dynamic pricing – podkreśla. „Technologia nie wpływa na ustalenie ceny dla klienta ani na inne warunki kredytu” – słyszymy też w ING Banku Śląskim.
Sami bankowcy przyznają jednocześnie, że niestandardowe parametry, takie jak analiza danych technicznych urządzenia czy weryfikacja behawioralna są wykorzystywane. Ale służą dziś przede wszystkim ochronie klienta, a nie działaniom na jego niekorzyść, np. zwiększać mają bezpieczeństwo na wypadek przejęcia konta przez oszustów. Do tego klient musi zwykle wyrazić na to zgodę, a bankowe mechanizmy kontrolne mają na celu „zapewnienie zgodności modeli z wymogami dotyczącymi równego traktowania klientów oraz eliminowania ryzyka nieuzasadnionej dyskryminacji”.
Czytaj więcej
Google zapowiada jedną z największych zmian w historii e-commerce. Nowi agenci AI nie tylko wyszukają produkty i porównają ceny bezpośrednio w wysz...
Kto udziela kredytów – AI czy człowiek?
Wiele osób może zastanawiać się też, czy sztuczna inteligencja może samodzielnie zdecydować o przyznaniu lub odmowie kredytu. Z deklaracji banków wynika, że AI pełni przede wszystkim funkcję wspierającą, a nie decyzyjną. Zadaniem algorytmów ma być więc przede wszystkim wykonanie „czarnej roboty” – zebranie danych, analiza dokumentów i automatyczne przeliczenie parametrów ryzyka. Można przy tym podejrzewać, że gdy wszystko jest dobrze, to AI autonomicznie wydaje zgodę, ale gdy coś jest nie tak, procedura może być inna. Jeśli system wykryje niejasności lub uzna, że sytuacja klienta jest niestandardowa, nie odrzuca wniosku automatycznie. W takich przypadkach sprawa trafia do tradycyjnej, indywidualnej weryfikacji – podkreślają banki.
W tym kontekście istotną barierą dla pełnej automatyzacji jest tzw. problem czarnej skrzynki (black box), czyli sytuacja, w której nawet twórcy zaawansowanego algorytmu nie wiedzą dokładnie, jaką ścieżką logiczną doszedł on do danego wyniku, tymczasem polskie prawo bankowe jednoznacznie nakazuje, aby instytucja potrafiła jasno wyjaśnić klientowi powody odmowy przyznania finansowania.
– Modele uczenia maszynowego wykorzystywane przez PKO Bank Polski opierają się na danych finansowych i kredytowych klienta oraz informacjach pozyskanych zgodnie z przepisami prawa i za zgodą klienta – podkreśla biuro prasowe PKO BP. – Przykładamy szczególną wagę do transparentności procesów oraz poszanowania praw klientów, w tym prawa do uzyskania informacji o powodach danej decyzji kredytowej oraz możliwości weryfikacji decyzji przez człowieka – zaznacza.
Podobne deklaracje składa ING Bank Śląski. – Algorytm nie rekomenduje odrzucenia wniosku. Jeżeli wyniki weryfikacji systemowej w ramach procesów wspierających są niewystarczające, wniosek trafia do weryfikacji pracownika banku – słyszymy.
