Era AI to dla nas być albo nie być

Jakimi bazami danych i wiedzą o klientach sektora finansowego dysponuje BIK?

BIK jest usytuowany w centrum całego ekosystemu finansowego, będąc własnością banków. Mamy odnotowaną każdą historię – dobrą lub złą – 25 mln Polaków oraz obcokrajowców biorących kredyty w Polsce. Ta informacja jest aktualizowana najrzadziej dwa razy w tygodniu, chociaż prawo mówi o siedmiu dniach, co ma znaczenie z uwagi na czas potrzebny na wyjaśnianie ewentualnych błędów identyfikacyjnych. Widzimy karty kredytowe, limity oraz usługi typu „kup teraz, zapłać później”. To wielka skala, bo miesięcznie w naszych rejestrach pojawia się 50 tys. zupełnie nowych osób, które rozpoczynają historię kredytową. Mamy też informacje o ponad 2 mln firm, które dotknęły jakiegoś produktu kredytowego. Jednocześnie podkreślamy i zachowujemy pełną transparentność: każdy może sprawdzić, co na jego temat wiemy oraz kto, kiedy i w jakim celu „dotykał” jego danych.

Uwzględniając tajemnice i ograniczenia - do czego można wykorzystywać sztuczną inteligencję w takiej instytucji jak BIK?

Przy regularnych scoringach kredytowych musimy zachować dużą ostrożność, ponieważ kluczowa jest wyjaśnialność (XAI). Co więcej, algorytm scoringowy jest jedną z największych tajemnic instytucji finansowych i musi mieć długi okres życia, bo samo budowanie i testowanie nowego modelu dla całego sektora trwa miesiącami. Z tego powodu AI wykorzystujemy głównie do szukania nowych cech w dużym zbiorze danych. Jeśli AI wyłapie jakąś cechę dającą siłę predykcyjną, jest ona następnie testowana w tradycyjnych metodach statystycznych.

Zupełnie inaczej jest w części dotyczącej analiz antyfraudowych. Tu modele mogą mieć krótszy żywot, bo sposoby działania oszustów szybko się zmieniają. Dlatego inwestujemy w rozwiązania, które „czytają pomiędzy liniami”, bo złodzieje często korzystają z AI, by manipulować osobami, zamiast kosztownie włamywać się do banków. 

Trzy lata temu kupiliśmy spółkę Digital Fingerprints, która wykorzystuje samouczące się modele do weryfikacji behawioralnej. Nie zbieramy tego, co pan pisze, ale jak pan pisze – analizujemy sposób poruszania myszką czy trzymania urządzenia mobilnego. To pozwala wykryć, że osoba logująca się, czy przejmująca bankową sesję w trakcie, nie jest prawdziwym właścicielem konta. Dużym sukcesem jest to, że namawiamy banki, aby współdzieliły się profilami behawioralnymi, co pozwala modelowi na nieustanne przyuczanie się i zwiększanie skuteczności w całym sektorze.

A co z wykorzystaniem AI w mniej krytycznych procesach?

Tego typu narzędzia pomagają nam w procesach operacyjnych, na przykład w kategoryzacji i priorytetyzacji ogromnej liczby przychodzących e-maili, tak aby ważny e-mail trafił do odpowiedniej osoby, nie czekając w kolejce. Używamy AI do ekstrakcji i ustrukturyzowania danych, na przykład ściągamy, wybieramy i zamieniamy na formę bazodanową dane z nieustrukturyzowanych raportów ESG 160 firm, które są w PDF-ach. Jednak na to zawsze nakładamy kontrolę człowieka, ponieważ jakość danych jest bardzo ważna – nie możemy sobie pozwolić na wprowadzanie błędnych informacji.

Jak pracownicy BIK-u podchodzą do wykorzystania sztucznej inteligencji?

Pamiętam rozmowy, gdzie menadżerowie pytali, czy chcę ich zastąpić. Musiałem ich oswajać, tłumacząc, że człowiek jest bardzo ważny, a AI ma nam ułatwić wiele rzeczy i wejść w inną relację z klientem. Dziś zwłaszcza młodzi ludzie nie chcą rozmawiać z człowiekiem, wolą czat i oczekują krótkich odpowiedzi. W naszym przypadku krytycznie ważna jest kwestia reputacji. Nie możemy sobie pozwolić na pomyłki czy halucynacje, więc robimy dużo testów w zamkniętych środowiskach.

Etyka to jest coś, co zawsze mamy na sztandarach, ponieważ zaufanie jest fundamentalne – jesteśmy instytucją zaufania publicznego. Nawet jeśli niektóre modele biznesowe są wysoce predykcyjne, ale wątpliwe etycznie, nie wdrażamy ich. Na przykład, mimo że statystyka pokazuje, że kobiety lepiej spłacają kredyty, nie mogę tego używać w scoringu. Podobnie nie powinniśmy używać danych z mediów społecznościowych, mimo że są predyktywne (np. zdjęcia z imprez świadczą o większym ryzyku, znajomi podróżujący o mniejszym). Aby zapobiec błędom i halucynacjom używamy kilku agentów AI: jeden zbiera dane, drugi sprawdza, czy ten się nie pomylił, a trzeci sumaryzuje, by chronić naszą reputację.

Jak pan patrzy na ewentualne korzyści biznesowe, które oferuje nam dziś sztuczna inteligencja?

Dla nas era AI to w przyszłości "być albo nie być". Musimy być w forpoczcie, ponieważ mogą się pojawić modele biznesowe, które nas w jakiejś części zastąpią. Musimy eksperymentować, szukać nowych cech do scoringów, a przede wszystkim dbać o kwestie antyfraudowe. Złodziejom nie opłaca się już włamywać do banków, ponieważ jest to zbyt kosztowne i czasochłonne, więc dużo łatwiej jest zmanipulować osobę. Jako profesjonaliści, musimy chronić te najsłabsze osoby przed profesjonalnymi grupami przestępczymi.

Jakie może być największe wyzwanie stojące przed instytucjami finansowymi w związku z AI?

Największym wyzwaniem będzie kwestia zaufania. Musimy dbać o to, żeby nie wprowadzać klientów w błąd, żeby procesy były transparentne i można było je zaudytować. Jeżeli użyjemy AI do dopasowania marynarki, pomyłka jest do przełknięcia, ale jeśli będziemy doradzać w kwestiach finansowych, klient musi mieć zaufanie. Potencjał jest jednak gigantyczny, bo AI może np. znaleźć charakterystyki istotne z punktu widzenia spłacalności, które są dla nas nieoczywiste.

Jakie cele ma BIK na 2026 rok?

W 2026 roku pojawi się trochę informacji o tym, co robimy poza Polską. Dużo pracujemy nad częścią weryfikacji behawioralnej opartej na uczeniu maszynowym i przyszły rok może być momentem, kiedy ogłosimy, że zaczynamy działać w innych krajach z nowymi partnerami. Drugim dużym celem jest pełna implementacja i dogłębne wytłumaczenie klientom nowego modelu scoringowego i tego, jak mają dbać o swoją wiarygodność.