Ailleron i Ab Initio Software o sztucznej inteligencji: od ekscytacji do odpowiedzialności i dojrzewanie generatywnej sztucznej inteligencji

Ogromny potencjał sztucznej inteligencji, zwłaszcza generatywnej, stał się głównym tematem konferencji biznesowych i technologicznych. Sektor finansowy jest coraz bardziej zainteresowany możliwościami, jakie oferuje ta technologia w zakresie automatyzacji rutynowych zadań wykonywanych zazwyczaj przez specjalistów bankowych. Dzięki temu można uwolnić potencjał pracowników, zwiększyć wydajność i zwolnić cenne zasoby, które można przeznaczyć na budowanie znaczących relacji z klientami oraz udzielanie fachowych, spersonalizowanych porad.

Nadmierne podsycanie entuzjazmu może łatwo doprowadzić do pułapki nierealistycznych oczekiwań. Rynek jest zalewany śmiałymi obietnicami dla nabywców dotyczącymi potencjalnych zwrotów z inwestycji i korzyści w takich obszarach, jak optymalizacja procesów, poprawa jakości obsługi klienta i wzrost wydajności pracowników. Jednocześnie dostawcy rozwiązań stoją przed ogromną presją, aby pozostać w czołówce postępu technologicznego, konkurować z zawsze czujną konkurencją, rozszerzać swoje portfolio zgodnie z najlepszymi praktykami rynkowymi i ramami regulacyjnymi związanymi ze sztuczną inteligencją oraz świadczyć usługi, które rzeczywiście odpowiadają zmieniającym się potrzebom coraz bardziej wymagających klientów.

Chociaż nic nie wskazuje na to, aby rozwój sztucznej inteligencji miał zwolnić tempo, decydenci w firmach planujących wdrożenie lub rozbudowę istniejących narzędzi opartych na sztucznej inteligencji nadal mają wiele pytań i wątpliwości, zarówno dotyczących praktycznych zastosowań, jak i wyboru odpowiedniej strategii wdrożeniowej. W poniższym artykule przyjrzymy się bliżej tym kwestiom, odnosząc się do najczęstszych obaw w kontekście bankowości.

Spis treści

• Przejście od „kowbojskiej sztucznej inteligencji” do koncepcji „zaufanej sztucznej inteligencji”
• Wyzwania regulacyjne i wpływ unijnej ustawy o sztucznej inteligencji
• Znaczenie przejrzystości i odpowiedzialności w modelach GenAI
• Czym jest „zima AI” — i jak można jej zapobiec?
• Rola metadanych i ich wykorzystanie w kontekstach konwersacyjnych

Przeczytaj więcej artykułów z tej serii

Ailleron i Ab Initio Software o sztucznej inteligencji: monetyzacja danych i...

Generatywna sztuczna inteligencja ma ogromny potencjał dla branży finansowej, ale jej wdrożenie...

Ailleron i Ab Initio Software o sztucznej inteligencji: Beyond GenAI i Expl...

W poprzednich dwóch artykułach zbadaliśmy znaczenie odpowiedzialności zarówno wobec konsumentów, jak i organów regulacyjnych, które...

Ailleron i Ab Initio Software o sztucznej inteligencji: obietnice a rzeczywistość ...

Wartość wdrożenia ewolucyjnej sztucznej inteligencji w finansachWyolbrzymione wskaźniki KPI i przejście od "hip...

Przejście od „kowbojskiej sztucznej inteligencji” do koncepcji „zaufanej sztucznej inteligencji”

Stephen Brobst, dyrektor ds. technologii w Ab Initio Software, nazwał fazę rozwoju sztucznej inteligencji, w której programiści eksperymentowali z nowymi narzędziami AI, nie kontrolując w pełni ich wyników, erą „kowbojskiej sztucznej inteligencji”. Termin ten w żartobliwy sposób nawiązuje do fanów estetyki westernowej, którzy celebrują manichejski światopogląd dobra kontra zło oraz kuszącą wizję niemal nieograniczonej wolności, znaną z kultowych filmów Johna Forda i Clinta Eastwooda.

Według Brobsta rynek znajduje się obecnie w fazie przejściowej między „kowbojską sztuczną inteligencją” – kierowaną przez programistów podekscytowanych nowymi technologiami, podobnie jak rewolwerowcy odkrywający nieokiełznany krajobraz Dzikiego Zachodu – a erą zaufanej, odpowiedzialnej sztucznej inteligencji, charakteryzującej się sprawdzonymi i zatwierdzonymi wdrożeniami w rzeczywistych warunkach na dużą skalę. Brobst podkreśla, że ten moment jest prawdziwym punktem zwrotnym dla branży. Dotyczy to nie tylko studiów przypadków pokazujących potencjał generatywnej sztucznej inteligencji, ale także sztucznej inteligencji jako całości.

Wyzwania regulacyjne i wpływ unijnej ustawy o sztucznej inteligencji

Jeśli chodzi o zaufanie i odpowiedzialność, samo korzystanie z technologii nie wystarczy — konieczne jest pełne zrozumienie związanych z nią zagrożeń. Wprowadzenie nowych regulacji, takich jak unijna ustawa o sztucznej inteligencji, zmusza banki do zachowania jeszcze większej ostrożności. Będą one zobowiązane do wykazania się odpowiedzialnym zarządzaniem danymi i zachowania przejrzystości zarówno wobec organów regulacyjnych, jak i klientów.

Na początku 2025 r. weszły w życie pierwsze przepisy unijnej ustawy o sztucznej inteligencji. To przełomowe rozporządzenie ma na celu poprawę bezpieczeństwa publicznego i wzmocnienie kompetencji specjalistów IT pracujących z systemami sztucznej inteligencji. Ustala ono kompleksowe ramy rozwoju, wdrażania i wykorzystania sztucznej inteligencji w całej Unii Europejskiej. Ze względu na złożoność przepisów, będą one wprowadzane stopniowo.

Dla branży technologicznej oznacza to znaczącą zmianę. Specjaliści zajmujący się wdrażaniem rozwiązań opartych na sztucznej inteligencji muszą nie tylko rozumieć techniczne aspekty wdrażania, ale także zdawać sobie sprawę z szerszego zakresu ryzyka i odpowiedzialności związanej z zarządzaniem sztuczną inteligencją, zapewniając zgodność z przepisami, rozliczalność i nadzór etyczny na każdym etapie.

Znaczenie przejrzystości i odpowiedzialności w modelach GenAI

Wraz z nałożeniem nowych obowiązków na dostawców oprogramowania pojawia się kilka ważnych pytań. Na przykład, czy możemy wyjaśnić pochodzenie danych wykorzystanych do opracowania narzędzi sztucznej inteligencji? Jakie przekształcenia zastosowano w odniesieniu do danych zawartych w zestawie szkoleniowym? Czy zbiory danych wykorzystane do szkolenia są wolne od stronniczości?

Jako eksperci IT mamy obowiązek monitorować te aspekty, zapewniać zgodność z wymogami regulacyjnymi, a przede wszystkim ponosić odpowiedzialność przed naszymi klientami. Nie wystarczy mierzyć wydajność sztucznej inteligencji wyłącznie pod kątem wyników prawdziwie pozytywnych (TP), wyników fałszywie pozytywnych (FP) i innych wskaźników; odpowiedzialny rozwój wymaga znacznie głębszego poziomu przejrzystości i nadzoru.

Czym jest „zima AI” — i jak można jej zapobiec?

Jednym z kluczowych wyzwań, przed którymi stają firmy wdrażające rozwiązania oparte na generatywnej sztucznej inteligencji, jest tendencja rynku do zawyżania oczekiwań dotyczących wartości, jaką można osiągnąć. Jak wskazuje Brobst, sektor bankowy często spotyka się z nadmiernie optymistycznymi prognozami dotyczącymi wpływu sztucznej inteligencji na wydajność. Dostawcy często obiecują spektakularne wyniki — twierdząc, że możliwe jest osiągnięcie 40–50% wzrostu wydajności — podczas gdy rzeczywiste wyniki, choć nadal zachęcające, mieszczą się zazwyczaj w przedziale 10–20%.

Problem pojawia się, gdy przesadzone obietnice nie zostają zrealizowane. Może to prowadzić do rozczarowania klientów, utraty zaufania do technologii, a w skrajnych przypadkach do tak zwanej „zimy AI” – okresu stagnacji spowodowanego niespełnionymi oczekiwaniami. Zamiast budować narrację wokół perspektywy ogromnych zysków, skuteczniejszą strategią jest skupienie się na małych, udanych projektach, które stopniowo przynoszą wymierne korzyści. Inicjatywy te pomagają udowodnić wartość sztucznej inteligencji, budować zaufanie do tej technologii i pokazać, że jest ona czymś więcej niż tylko modnym hasłem.

Rola metadanych i ich wykorzystanie w kontekstach konwersacyjnych

Brobst podkreśla jednak, że warto dążyć do osiągnięcia tych obiecujących wyników i zachęca banki do inwestowania w projekty pilotażowe. Dodaje również, że zespół Ab Initio dokładnie analizuje pilotażowe rozwiązania rynkowe, w tym te wdrażane do użytku wewnętrznego w organizacjach, mające na celu zwiększenie wydajności programowania i generowanie sekwencyjnego kodu. Programiści korzystają z asystentów AI lub innych narzędzi, które pomagają im rozwiązywać problemy związane z danym projektem, a w zamian otrzymują sekwencję kodu.

Kiedy Brobst omawia kod, odnosi się do wykresów, które umożliwiają dostęp do danych i gromadzenie informacji z różnych źródeł, ale także – co ważne – możliwość prowadzenia rozmów z AI, nie tylko z danymi, ale także z metadanymi.

Podczas tegorocznego szczytu Gartner Data & Analytics Summit w Orlando główni prelegenci podkreślili, że aby podejmować świadome decyzje oparte na danych, firmy muszą nadać priorytet metadanym. Metadane zapewniają niezbędny kontekst jakościowy dla danych, opisując konkretne zasoby. Jest to szczególnie ważne, ponieważ organizacje muszą angażować się w rozmowy nie tylko przy użyciu danych, ale także metadanych.

Konieczność ustalenia realistycznych oczekiwań dotyczących zwrotu z inwestycji po wdrożeniu rozwiązań GenAI jest szerokim i kluczowym tematem w kontekście planowania biznesowego. Z tego powodu poświęcimy temu zagadnieniu osobny artykuł z tej serii, aby omówić je dogłębnie.

W naszym następnym artykule dowiesz się więcej na temat:

• Wartość wdrożenia ewolucyjnej sztucznej inteligencji w finansach
• Złożoność przejścia od cyklu „szumu wokół sztucznej inteligencji” do „zimy sztucznej inteligencji”
• Jak realistycznie podejść do wdrożenia sztucznej inteligencji w organizacji
• Dlaczego lepiej skupić się na strategii „dowodu wartości” niż „dowodu koncepcji”?

Czy chcesz zacząć wykorzystywać potencjał GenAI w swoim banku?

Ailleron

Zespół marketingowy Ailleron składa się z marketerów cyfrowych i twórców treści, którzy dostarczają spostrzeżeń i wiedzy specjalistycznej #AilleronExperts z całej organizacji. W przypadku pytań dotyczących mediów prosimy o kontakt za pośrednictwem naszego formularza kontaktowego.