Odkąd światło dzienne ujrzał ChatGPT o sztucznej inteligencji jest głośno i coraz głośniej, m.in. za sprawą ostatnich zawirowań na szczytach spółki OpenAI. Zacznijmy od tego, dlaczego ta nowa technologia nazywa się generatywną sztuczną inteligencją?

Sam termin "generatywna sztuczna inteligencja" odnosi się do systemów sztucznej inteligencji, które są zdolne do generowania nowych, autentycznych treści – danych, obrazów, dźwięków, czy nawet scenariuszy filmów, etc. Przymiotnik "generatywna" wskazuje na zdolności tych systemów do generowania całkiem nowych treści, co oznacza, że mogą one tworzyć coś, co wcześniej po prostu nie istniało.

Czym w zasadzie różni się sztuczna inteligencja, z którą mamy do czynienia od dłuższego czasu i która już od dawna jest wykorzystywana np. przez banki do obsługi zwykłych chatów, od generatywnej sztucznej inteligencji?

Jest wiele takich aspektów, które wpływają na te różnice, ale najważniejszy z nich to według mnie dostępność. Do tej pory, aby użyć sztucznej inteligencji np. w bankowości, trzeba było spędzić dużą ilość czasu, wydać masę pieniędzy, zatrudnić sztab ludzi, żeby zbudować odpowiedni model inteligencji, wytrenować go i opracować na jego bazie usługę. W przypadku generatywnej sztucznej inteligencji jest zupełnie inaczej. Model jest gotowy i można zacząć z niego korzystać płacąc kilka złotych za zapytanie. Usługę czy produkt oparty o sztuczną inteligencję można wprowadzić kosztem o rząd wielkości niższym, niż jeszcze kilka lat temu.

No dobrze, ale jeśli ma Pan na myśli ChatGPT, to przecież bank czy inna duża instytucja nie instaluje sobie tej aplikacji w swoich systemach i nie oferuje usług klientom za jej pośrednictwem, prawda?

Każdy duży dostawca, jak Microsoft, Google czy Amazon wbudowuje już generatywną sztuczną inteligencję do oferowanych przez siebie usług za pośrednictwem interfejsów API. Korzystając więc np. z chmury od Google’a czy Microsoftu można jednocześnie kupić dostęp do sztucznej inteligencji. Dzięki temu można wykorzystać ją w przeróżnych procesach, począwszy od narzędzia pomagającego w pisaniu wiadomości e-mail przez kategoryzowanie reklamacji po pomoc przy obsłudze klienta np. w call center.

Wróćmy do mojego wcześniejszego pytania na temat różnic między dotychczasową a generatywną sztuczną inteligencją…

Dobrze. Więc oprócz tego, że generatywna AI jest pod wieloma względami bardziej dostępna niż wcześniejsze rozwiązania, to jednocześnie daje się dostosować do różnych potrzeb a nie jest kierowana do rozwiązywania jakiegoś jednego, konkretnego problemu. W klasycznym modelu uczenia maszynowego był on budowany na jakimś mocno określonym zestawie danych, rozwiązywał jakiś jeden problem u konkretnego klienta, np. w banku. Nie dało się więc go zastosować nigdzie indziej. Model generatywnej sztucznej inteligencji łatwo zastosować w wielu różnych miejscach przy niewielkim nakładzie pracy.

W których obszarach w pierwszej kolejności instytucje finansowe takie jak banki będą wykorzystywać generatywną sztuczną inteligencję?

Z naszych badań wynika przede wszystkim, że to właśnie w bankowości sztuczna inteligencja ma największy potencjał. Wszystko dlatego, że to właśnie w tej branży koszt pracy ludzkiej jest bardzo wysoki a jednocześnie wiele czynności wykonywanych przez ludzi nie jest skomplikowanych. Szacuje się, że aż 75 proc. procesów w bankach może w najbliższych latach zostać wsparta przez sztuczną inteligencję.

Jeśli chodzi o zadania, które sztuczna inteligencja może wykonywać najszybciej, to na pewno znajdą się wśród nich te czynności, które wymagają obróbki dużej ilości danych. Weźmy choćby call center, w których pracuje bardzo dużo ludzi. Klienci dzwoniący często przełączani są od specjalisty do specjalisty, ponieważ poszczególne osoby nie mają dostępu do całej wiedzy zgromadzonej w organizacji. Sztuczna inteligencja może podawać informacje pracownikowi call center w czasie rzeczywistym, co sprawia, że może on być bardziej efektywny i albo obsłużyć większą liczbę klientów w tym samym czasie, albo część zaoszczędzonego czasu przeznaczyć na inne czynności, np. sprzedaż produktów.

Przeczytajcie także: • Sukces płatności zbliżeniowych w Polsce to nie przypadek

Sztuczna inteligencja może też np. kategoryzować reklamacje, których każdego tygodnia czy miesiąca wpływa do dużych organizacji całe tysiące. Większość z tego to błahe sprawy a część poważne. Przejrzenie tych tematów i odpowiednie ich sklasyfikowanie wymaga bardzo dużego nakładu pracy, czyli czasu a co za tym idzie pieniędzy. Sztuczna inteligencja poradzi sobie z tym w czasie zbliżonym do rzeczywistego.

Czy jednym z procesów, w którym AI by się sprawdziło, nie jest analiza zdolności kredytowej klientów? Pamiętam kilka lat temu nieistniejący już Idea Bank eksperymentował z takim rozwiązaniem i chwalił się bardzo obiecującymi wynikami…

Z perspektywy merytorycznej oczywiście tak. Sztuczna inteligencja może pomagać przy ocenie wiarygodności kredytowej klientów. Nie jest to jednak możliwe ze względów regulacyjnych, ponieważ zgodnie z obecnie obowiązującymi przepisami, bank odmawiający przyznania komuś kredytu jest zobowiązany wyjaśnić przyczyny takiej decyzji. Jeśli podejmie ją sztuczna inteligencja, nie ma możliwości wytłumaczenia, dlaczego kredyt nie został przyznany. Inaczej jest w firmach pożyczkowych, których część regulacji nie dotyczy i tam do oceny wiarygodności kredytowej klientów są używane narzędzia wykorzystujące sztuczną inteligencję.

Wydaje mi się także, że zastosowanie sztucznej inteligencji do oceny zdolności kredytowej klientów nie jest etyczne.

Dlaczego?

Sztuczna inteligencja uczy się na dużych ilościach danych, analizuje przypadki kredytów spłacanych prawidłowo, tych z opóźnieniami i niespłacanych. Może się okazać, że uwarunkowania społeczne będą wskazywać, że na przykład w mniejszych miejscowościach kredyty są spłacane gorzej niż w dużych miastach. Albo że np. mężczyźni spłacają swoje zobowiązania gorzej czy lepiej od kobiet. W rezultacie podejmowane przez sztuczną inteligencje decyzje kredytowe mogą być uznane za dyskryminujące poszczególne grupy ludzi ze względu na ich płeć, kolor skóry czy miejsce zamieszkania. A tak zdecydowanie nie powinno być.

Panuje przekonanie, że sztuczna inteligencja może być game changerem w bankowości i finansach, czyli taką technologią, która zmieni oblicze branży podobnie, jak przed laty zrobiły to aplikacje mobilne. Jakie są argumenty za taką hipotezą?

To, czy jakaś technologia się upowszechni czy nie, zależy, wbrew pozorom, od niewielu czynników. Przede wszystkim ona sama w sobie musi mieć pierwiastek rewolucyjny. A druga sprawa dotyczy tego, jak wielu ludzi w nią wierzy i ile pieniędzy jest w stanie w nią zainwestować. Widzimy, że nasi klienci prowadzą po kilka czy kilkadziesiąt różnych projektów wykorzystujących AI jednocześnie. Ponadto wielu specjalistów zajmujących się technologią zawodowo, także prywatnie eksperymentuje ze sztuczną inteligencją na własny użytek przygotowując rozwiązania wykorzystujące tę innowację. Wydaje się więc, że rozwój sztucznej inteligencji wszedł na taki poziom, że jest nie do zatrzymania. Zwłaszcza, że w odróżnieniu od innych technologii, jak np. metaverse, klient nie musi inwestować nic w to, aby ze sztucznej inteligencji móc korzystać.

Jest Pan wielkim entuzjastą sztucznej inteligencji. Ale czy widzi Pan jakieś zagrożenia wynikające z jej rozwoju?

Ryzykiem na pewno jest brak odpowiednich regulacji. Aby technologia mogła się rozwijać w sposób etyczny, aby instytucje mogły ją w należyty sposób wykorzystać, konieczne są regulacje. Poszczególne kraje czekają na AI Act przygotowywany przez Unię Europejską. On niestety będzie bardzo ogólny i potrzebne będą dodatkowe dokumenty przygotowane przez organy krajowe.

Przeczytajcie także: • mBank pracuje nad uruchomieniem platformy e-commerce

Rozwój sztucznej inteligencji na pewno powoduje też ryzyko powstania nowych fraudów finansowych, z udziałem modeli potrafiących oszukać dotychczasowe narzędzia do identyfikacji tożsamości klientów.

A co wspólnego ze sztuczną inteligencją ma firma, którą Pan reprezentuje?

Accenture podjęło decyzję o wielomiliardowych inwestycjach w zakresie rozwoju kompetencji i architektury sztucznej inteligencji. Również w Polsce firma ma zespół multidyscyplinarny, zajmujący się wdrożeniami sztucznej inteligencji. I możemy pochwalić się już pierwszymi wdrożeniami, jak choćby projekty w VeloBanku. Pierwszy z nich wspiera doradcę w zakresie obsługi wniosków klientów o kredyt 2 proc. Drugi dotyczy VeloMarketu, gdzie sztuczna inteligencja oszacowuje, jak bardzo ekologiczny jest produkt wystawiany przez sprzedawcę.

Dziękuję za rozmowę

Fot. Deposit Photos