AI w banku ma zwiększać skalę, a nie zatrudnienie

PKO Bank Polski rozwija własne środowisko dla sztucznej inteligencji, łącząc infrastrukturę lokalną z usługami chmurowymi i budując standardy bezpiecznego wykorzystania agentów AI. O tym, dlaczego w bankowości kluczowe są dziś suwerenność technologiczna, rozliczalność i audytowalność decyzji, gdzie agenci mogą przynieść największą wartość oraz jak AI zmieni płatności i zakupy rozmawiam z Piotrem Kostrzewą-Zalewskim, dyrektorem Departamentu Innowacji i Rozwoju w PKO Banku Polskim.

Dlaczego zdecydowaliście się budować własną infrastrukturę AI, zamiast korzystać z chmury publicznej? Czy motywacją były rosnące koszty, zwłaszcza tokenów, o których się dużo mówi?

PKO Bank Polski jest instytucją z dużym doświadczeniem w budowaniu własnej, „twardej” infrastruktury. Jednak z naszej perspektywy najważniejsza jest dziś możliwość wyboru. Pojawia się sprzęt, który umożliwia lokalne uruchamianie modeli, a chmura staje się rozwiązaniem, z którego korzysta się wtedy, gdy rzeczywiście ma to uzasadnienie.

Zależy nam na tym, aby nie sięgać po chmurę automatycznie. Jeżeli konkretne zadanie można efektywnie, bezpiecznie i ekonomicznie wykonać we własnej infrastrukturze, to chcemy mieć taką możliwość. Z kolei do zewnętrznej infrastruktury sięgamy wówczas, gdy wymaga tego skala, charakter obciążenia albo możliwości, których lokalnie nie mamy.

Konsekwentnie rozwijamy własne środowiska również po to, aby zachować kontrolę nad technologią, danymi i kosztami. Staramy się budować rozwiązania na bazie wielu komponentów open source, np. w obszarze orkiestracji, przechowywania danych czy dostępu do nich. Jeżeli korzystamy z chmury, musi za tym stać konkretne uzasadnienie biznesowe i technologiczne.

Ważna jest także warstwa oprogramowania, która zapewnia rozliczalność wykorzystania AI w całej organizacji. Chcemy wiedzieć, kto i w jakim zakresie korzysta z konkretnych zasobów. To warunek zarówno odpowiedzialnego zarządzania kosztami, jak i demokratyzacji dostępu do technologii.

Czy rosnące ceny infrastruktury wpłynęły na wasze podejście? Budując własne środowisko, odczuliście obecne podwyżki cen sprzętu?

Część infrastruktury kupowaliśmy wcześniej. Koncepcja jej budowy zaczęła powstawać mniej więcej 2 lata temu. Równolegle budżetowaliśmy rozwój kosztów chmurowych i rozbudowę infrastruktury własnej.

Widzimy ogromny popyt na rozwiązania AI w organizacji. Gdybyśmy nie zarządzali tym świadomie, moglibyśmy bardzo łatwo znaleźć się w sytuacji, w której zużywamy zdecydowanie więcej zasobów, niż planowaliśmy i niż chcielibyśmy przeznaczyć na ten cel.

Równie istotna, co suwerenność technologiczna jest kontrola kosztów rozwiązań AI.

Czy w praktyce kontrolujecie, ile zasobów i tokenów zużywają poszczególne zespoły?

Tak. Budujemy rozwiązanie, które nazywamy AI Gateway. Chcemy działać w modelu rozproszonym i federacyjnym. Zespoły w banku powinny mieć dostęp do modeli, polityk i warstw bezpieczeństwa na jasnych, zrozumiałych zasadach oraz za pośrednictwem API.

Kluczowym elementem jest rozliczalność. Nie chcemy tworzyć centralnego sandboxa, w którym każdy może eksperymentować, ale który jest kosztowny i nie ma wyraźnego właściciela. Modele muszą być dostępne w kontekście deweloperskim zespołów tworzących konkretne rozwiązania. Dlatego musimy widzieć, jak poszczególne zespoły wykorzystują tokeny i zasoby.

Jeśli korzystacie z własnej infrastruktury, to czy skala tego wykorzystania jest dla was dziś problemem?

Nie nazwałbym tego problemem, ale chcemy to dokładnie mierzyć. Jeżeli możemy uruchomić model we własnej infrastrukturze i osiągnąć np. 80% skuteczności, a model zewnętrzny daje 90%, to musimy odpowiedzieć sobie na pytanie: Czy dodatkowa wartość biznesowa uzasadnia przeniesienie ruchu do chmury

Dlatego tak istotna jest obserwowalność i możliwość porównywania różnych wariantów. Decyzji nie podejmujemy wyłącznie na podstawie parametrów technicznych. Liczą się także koszt, efekt dla biznesu, bezpieczeństwo, suwerenność i kompetencje naszych ludzi.

To ostatnie jest bardzo ważne. Budując część środowiska u siebie i korzystając z komponentów open source, zachowujemy więcej kompetencji wewnątrz organizacji. Rozwiązania hyperscalerów są wygodne, oferują bardzo dobry User Experience i pozwalają szybko wdrażać usługi. Z drugiej strony, jeśli wszystko opieramy wyłącznie na gotowych klockach dostawcy chmurowego, część wiedzy i sprawczości pozostaje poza organizacją.

Do czego wykorzystujecie dziś zasoby AI uruchomione we własnej infrastrukturze?

Zbudowaliśmy pierwszego agenta, który pomaga w rozumieniu wiadomości e-mail kierowanych do banku oraz w przygotowywaniu odpowiedzi z uwzględnieniem historycznego kontekstu. Warstwa orkiestracji obejmuje workflow złożony z kilku agentów. Jedni rozumieją treść wiadomości, inni ją klasyfikują, jeszcze inni korzystają z bazy wiedzy i historycznych odpowiedzi, a rezultat jest projektem odpowiedzi dla pracownika.

Docelowo chcemy rozwijać to podejście na kolejne kanały poza e-mail. Chodzi także o voiceboty czy dokumenty papierowe przetwarzane w systemach OCR. W praktyce chodzi o usprawnienie obiegu dokumentów. Dokument ma zostać odczytany, zrozumiany, właściwie sklasyfikowany i skierowany do odpowiedniego procesu.

Równie ważne jest rozumienie własnych danych. Agent musi mieć dostęp do wiarygodnej bazy wiedzy – polityk, dokumentów bankowych i innych źródeł, które określają, jakie działanie lub odpowiedź są dopuszczalne. To fundament rozwoju agentów. Agent nie może działać w próżni. Potrzebuje źródła wiedzy, które pomaga mu ustalić, co może zrobić, a czego nie.

Mamy również rozwiązania wspierające pracowników w interpretowaniu procedur: pomagają ustalić, czy i w jaki sposób można wykonać daną czynność dotyczącą konta, klienta lub produktu. Rozwijamy narzędzia OCR wpisane w naturalne workflow banku. Pracujemy także nad usługami HR, które mogą poprawiać jakość obsługi pracowników.

W najbliższym czasie najważniejsze jest jednak właściwe priorytetyzowanie i skalowanie Use Case’ów zgłaszanych przez różne obszary banku. Dotychczas budowaliśmy infrastrukturę, rozliczalność, zasady przepływu danych, katalog modeli, polityki bezpieczeństwa i mechanizmy tzw. dopuszczeń. Teraz przechodzimy do demokratyzacji. Zespoły wytwórcze mają otrzymać dostęp do modeli i zasad bezpieczeństwa, aby skrócić time to market projektów, które realizują.

Czy agenci będą wykonywali przede wszystkim pojedyncze czynności, czy będziecie budować także wieloagentowe procesy? W Allegro usłyszałem kiedyś, że niewielki błąd na każdym etapie może się kumulować, a po połączeniu kilku agentów prowadzić do nieakceptowalnie niskiej jakości końcowej odpowiedzi.

Patrzymy przede wszystkim na wynik biznesowy. Gdy zatrudniasz pracownika, może on wykonywać 7, różnych czynności. Podobnie jest z agentami. Definicje bywają różne, ale dla biznesu liczy się to, czy cały proces daje właściwy rezultat.

W rozwiązaniu do obsługi wiadomości jest komponent, który czyta e-mail, a następnie agent interpretuje jego treść i zwraca ustrukturyzowane streszczenie. Musimy np. rozpoznać, czy klient chce złożyć reklamację, pyta o produkt czy zgłasza inny problem. Kolejny agent wykorzystuje ten kontekst i odwołuje się do polityk oraz historycznych wzorców odpowiedzi, aby przygotować propozycję reakcji.

Nie ma tu jednak automatycznej decyzji końcowej. Stosujemy podejście human in the loop. Pracownik podejmuje ostateczną decyzję np. o uznaniu reklamacji czy zastosowaniu określonego działania handlowego. Agent wspiera go w analizie oraz przygotowaniu rekomendacji.

Zgadzam się, że błędy mogą się kumulować. Dlatego jakość poszczególnych kompetencji agentowych — Anthropic określa je mianem „skills” — wymaga nieustannej pracy. To przypomina ciągłe rozwijanie zespołu sprzedażowego. Potrzebne są szkolenia, kontrola jakości i uczenie się na błędach.

Z czasem te kompetencje będą składały się na coraz bardziej złożone workflow. Nie będą to jednak klasyczne procesy BPMN, w których z góry rysujemy każdy endpoint i każdą ścieżkę. Workflow będzie miał element inteligencji. Dziś wszystkie duże organizacje są na etapie budowania tych umiejętności, ich doskonalenia, podnoszenia jakości i obniżania kosztów.

Docelowo dzięki temu będzie można realizować coraz bardziej skomplikowane zadania. Czy dojrzałość rynku i narzędzi pozwala już zostawić agentów całkowicie bez nadzoru? Absolutnie nie.

W jakim modelu będziecie udostępniać agentów? Czy każdy pracownik będzie mógł z nich korzystać, czy powstaną zespoły mieszane – ludzie i agenci?

Projektowana przez nas warstwa zmierza do demokratyzacji, ale rozumianej odpowiedzialnie. W banku funkcjonują zespoły, które mają kompetencje, aby tworzyć rozwiązania. Agent zawsze powinien mieć tożsamość. Musimy wiedzieć, jak podjął decyzję, dlaczego zarekomendował określone działanie i w czyim kontekście działał.

Nie będzie więc tak, że każdy pracownik samodzielnie stworzy dowolnego agenta działającego na danych bankowych. Inaczej wygląda kwestia prostych automatyzacji czy asystentów ogólnego przeznaczenia, takich jak Copilot. Docelowo chcemy przenieść do biznesu możliwość automatyzowania codziennych zadań właśnie za pomocą takich narzędzi.

Jeżeli jednak mówimy o agentach, które działają na danych bankowych, podejmują rekomendacje, przenoszą dokumenty między procesami lub klasyfikują sprawy klientów, potrzebne są standardy, kontrola i odpowiedzialność. Kompetencje te będą rozłożone w różnych częściach banku, a nie skupione w jednym miejscu. Budujemy praktykę Agentic AI, która ma zapewnić wspólne standardy tworzenia i utrzymywania agentów.

Nie każda osoba będzie tworzyła agentów, ale docelowo każdy zespół, który ich potrzebuje, powinien mieć taką możliwość. To element strategii wzrostu. Agenci będą w tym nieodzowni.

Chodzi o lepszą obsługę klientów i zwiększanie dostępności usług. Jeżeli voicebot zapewni jakość obsługi porównywalną z oddziałem, ale będzie dostępny przez całą dobę, klient nie będzie musiał wychodzić z pracy, aby załatwić sprawę w placówce. To oznacza lepszą usługę, a nie tylko niższy koszt.

Czy są obszary banku, w których agenci będą wdrażani w pierwszej kolejności?

Operacje były pierwszym obszarem, w którym rozpoczęliśmy takie prace. Zespół wytwórczy IT działający przy operacjach, który wewnętrznie określamy jako formację tribe, we współpracy z Centrum Kompetencji AI zbudował tzw. agenta zero. Teraz wspólnie pracujemy nad standardami tworzenia agentów w banku.

Chcemy rozwijać model hub and spoke. Biznes i użytkownicy systemów najlepiej wiedzą, czego potrzebują. Dlatego kompetencje włączania AI do istniejącego oprogramowania i zmieniania workflow z użyciem sztucznej inteligencji powinny rozwijać się przy liniach biznesowych: w operacjach, bankowości detalicznej, korporacyjnej, IT, ryzyku i innych obszarach.

Jesteśmy dziś na etapie budowy nie tylko infrastruktury fizycznej, lecz także wspomnianego AI Gateway. Chcemy, aby zespół, który potrzebuje modelu, od razu wiedział, że jego użycie jest rozliczalne, że koszty są przypisane do właściwego właściciela, ile tokenów zużywa, jak połączyć się z modelem i jaka jest jego dostępność, szczególnie wtedy, gdy model staje się elementem systemu krytycznego. Wszystko ma działać w ramach bankowych zasad, a nie jako zestaw oddolnych, niekontrolowanych inicjatyw.

Z jakich technologii i modeli korzystacie, budując środowisko dla AI i agentów?

Mamy modele komercyjne, w tym rozwiązania dostępne w ekosystemach największych dostawców chmurowych, a także modele open source, takie jak GPT-OSS. Korzystamy z modeli dostępnych między innymi za pośrednictwem Hugging Face. Bank rozwija również własne modele w ramach projektu Narodowego Centrum Badań i Rozwoju.

W katalogu mamy też polskie modele językowe, zarówno własne, jak i te rozwijane w Polsce – PLLuM i Bielik. Są szczególnie wartościowe tam, gdzie jakość języka polskiego i lokalny kontekst poprawiają jakość odpowiedzi.

A modele open source, których używacie, są amerykańskie, europejskie czy chińskie?

Na etapie eksperymentów warto sprawdzać szerokie spektrum technologii. Produkcja to jednak inna kwestia. Czasem rozsądniejszym wyborem może być droższy model uruchomiony w środowisku hyperscalera, które obecnie uznajemy za właściwe pod względem zaufania i bezpieczeństwa, niż model chiński działający we własnej infrastrukturze. Dopóki nie istnieją jednoznaczne krajowe lub unijne wytyczne, które traktowałyby takie rozwiązania jako równoważne pod względem zaufania, trzeba podejmować ostrożne decyzje.

Nad czym jeszcze pracuje dziś Departament Innowacji i Rozwoju?

Intensywnie rozwijamy Agentic AI oraz centralne kompetencje związane z rozumieniem człowieka, w tym speech-to-text, voiceboty i szerzej pojętą automatyzację obsługi klienta.

Prowadziliśmy też postępowania dotyczące rozwiązania, które roboczo nazywaliśmy superbotem. Pytamy, czy potrafimy wydłużyć dostępność obsługi klienta poza godziny pracy oddziałów, poprawić obsługę na infolinii, lepiej sprzedawać i lepiej targetować oferty. AI ma więc istotne zastosowanie także w analizie dużych zbiorów danych i procesach CRM.

Eksperymentujemy również w obszarze ryzyka. Duża część pracy z poprzedniego roku polegała na tym, aby organizacja mogła praktycznie zetknąć się z tymi technologiami i abyśmy zbudowali roadmapę produktów – konkretnych, biznesowo uzasadnionych efektów.

W planowaniu bardzo wyraźnie widzimy rosnące zapotrzebowanie na budowanie kompetencji AI w obszarach biznesowych banku. Coraz częściej zespoły chcą budować własne rozwiązania dla bankowości detalicznej, korporacyjnej czy innych linii biznesowych.

Rozwojowy wymiar naszej pracy to przede wszystkim skala wdrożeń AI, odwaga w budowaniu uzasadnionych Business Case’ów oraz rozwijanie zdolności organizacji do tworzenia nowych procesów opartych na AI w każdym obszarze banku.

W części stricte innowacyjnej przyglądamy się m.in. rozwiązaniom dual-use, humanoidom, gamingowi i blockchainowi. Trzymamy rękę na pulsie, choć AI pochłania dziś bardzo dużą część naszego zaangażowania. Od wielu lat rozwijamy również program współpracy ze startupami o nazwie Let’s Fintech, który pomaga polskim firmom technologicznym złapać trakcję i dostarczać do banku innowacyjne rozwiązania

Dobrze działające Centrum Kompetencji AI przy Departamencie Innowacji i Rozwoju powinno zresztą po 2-3 latach przestać być potrzebne w obecnej formule. Nie dlatego, że AI przestaje być ważna, lecz dlatego, że kompetencja zostaje osadzona w całej organizacji. Modele, polityki bezpieczeństwa i gateway są dostępne, a zespoły wiedzą, jak włączać AI w tworzone przez siebie oprogramowanie i systemy.

Gdzie widzicie dziś największy potencjał zwrotu z inwestycji w AI?

Z perspektywy biznesu kluczowe są trzy kolejne pola. Pierwsze to wsparcie segmentacji klientów i dopasowywania oferty, czyli łączenie AI z mechanizmami Next Best Action. Dotyczy to zarówno klasycznego Machine Learningu, jak i generatywnej AI.

Drugie pole to obsługa klienta. Chodzi o to, aby klient mógł przejść proces w sposób bardziej samodzielny, ale jednocześnie z pełnym wsparciem informacyjnym. Dobrym przykładem jest kredyt hipoteczny. Klient może chcieć sprawdzić, co stanie się z ratą, jeśli zmienią się stopy procentowe. W rozmowie z pracownikiem dostępny czas jest ograniczony, a doradca musi realizować wiele celów. Jeżeli będziemy w stanie przekazywać rzetelną informację produktową w skalowalny sposób, może to przełożyć się na lepszą jakość obsługi, a w konsekwencji również na wzrost sprzedaży.

Trzecie pole to ogólna efektywność operacyjna: upraszczanie procesów, ograniczanie czynności proceduralnych związanych z przetwarzaniem korespondencji, jej czytaniem i rozumieniem oraz poprawa jakości zarządzania. AI może pomagać w sprawdzaniu procedur, przygotowywaniu Business Case’ów, skracaniu czasu opiniowania czy tworzeniu rekomendacji. W dużej organizacji jest wiele nieefektywności, które można w ten sposób eliminować, choć oczywiście nie wszystkim taka zmiana musi odpowiadać.

Skoro klient będzie mógł samodzielnie przejść proces zakupu kredytu ze wsparciem agenta, to kto otrzyma prowizję ze sprzedaży?

To bardzo poważne pytanie. Takie procedury trzeba będzie opisać. To jeden z istotnych tematów AI Governance. Dziś mówimy o cyfrowej hipotece, ale klient nadal jest obsługiwany w kanale cyfrowym przez doradcę, który prowadzi proces. Rozwiązania informatyczne przyspieszają analizę i realizację poszczególnych etapów.

Jeżeli w przyszłości agent będzie uczestniczył w sprzedaży, pojawi się pytanie o odpowiedzialność i o mechanizmy, które zagwarantują, że nie sprzeda klientowi produktu niedopasowanego albo nie zrobi tego w nieetyczny sposób.

Nasze obecne podejście jest takie, że AI ma poprawiać jakość pracy, jakość obsługi klienta i efektywność oferty banku. Nie planujemy wysyłać do sprzedaży floty agentów, które będą skuteczniej namawiały klientów niż ludzie. Nasi pracownicy są dobrzy w tym, co robią. AI ma ich wspierać, a nie zastępować odpowiedzialność człowieka.

Visa i Mastercard zaczynają promować Agentic Payments. Co sądzicie o tym kierunku? Czy to coś, co będziecie wdrażać? Rozmawiałem z przedstawicielami BLIKA, którzy wskazywali, że ryzykiem może być utrata bezpośredniej relacji z klientem.

To, co proponują Visa i Mastercard, jest jedną z możliwych ścieżek. Blisko współpracujemy z organizacjami tworzącymi BLIK, jesteśmy jego udziałowcami i oczywiście zależy nam na jego rozwoju. Rynek detaliczny oraz e-commerce będą zmieniały się pod wpływem AI, ale podobne przełomy widzieliśmy już wcześniej. Pojawienie się wyszukiwarek i Google’a przeorganizowało rynek. Dziś biznes bez obecności w wynikach wyszukiwania czy w wizytówce Google’a ma znacznie trudniej dotrzeć do klientów.

W przypadku agentów konsensus rynkowy będzie musiał się dopiero wypracować. Banki obawiają się np. sytuacji, w której klient pyta swojego agenta, gdzie założyć konto, a agent rekomenduje największego międzynarodowego konkurenta, ponieważ uzna, że oferuje lepszy User Experience albo niższe opłaty. Z jednej strony możemy konkurować produktem. Z drugiej zaś podmiot dostarczający agenta będzie prawdopodobnie próbował monetyzować swoją pozycję w tym procesie.

Znaczenie będzie miała również reputacja. Klient oczekuje zaufania, zwłaszcza w usługach finansowych. Już dziś każdy z nas korzysta z AI do wyszukiwania okazji, produktów i informacji, które pomagają podejmować decyzje. Skoro mamy dostęp do inteligencji wspierającej wybór, zmieni się sposób robienia zakupów, płacenia i poszukiwania produktów. Nie zmieni się jednak podstawowa potrzeba: klient chce kupić konkretną rzecz, a ktoś tę rzecz musi mu dostarczyć.

Część sklepów może zniknąć, a część modeli biznesowych zmieni się radykalnie. Banki muszą pilnować, aby pozostać częścią tego ekosystemu. W strategii banku chcemy być bliżej klienta w jego dialogu zakupowym, m.in. poprzez współpracę z Allegro i Żabką, zarówno w świecie fizycznym, jak i e-commerce.

Widać już, że rynek zmierza w stronę doświadczeń, w których klient wchodzi do interfejsu konwersacyjnego i zaczyna w nim szukać produktów czy usług. Trzeba przy tym odróżniać aplikacje od samych modeli. Interfejs, do którego wchodzi klient, oraz model leżący pod spodem to dwie różne warstwy. Walka o ten punkt wejścia już trwa.

Jako banki chcemy być częścią łańcucha płatniczego, ale nie chodzi wyłącznie o samą płatność. Równie ważna jest możliwość przedstawienia finansowania, np. kredytu, leasingu czy płatności odroczonej. To są obszary, w których bank wnosi wartość biznesową. Nie chcemy dać się wypchnąć z tego łańcucha wartości.

Mamy dwa podstawowe cele. Po pierwsze, zmiana powinna działać na korzyść klienta. Biznes osiąga sukces wtedy, gdy jest blisko klienta, realnie mu pomaga i wnosi wartość. Po drugie, chcemy pozostać blisko decyzji zakupowych klienta. Jeśli agent szuka na naszej stronie informacji o ofercie lub analizuje niezależne opinie o naszych produktach, musi otrzymywać wysokiej jakości informacje. Nie wystarczy mieć dobrą ofertę. Trzeba jeszcze zadbać o to, aby rynek i klienci mogli ją znaleźć oraz właściwie zrozumieć.

W którym miejscu procesu Agentic Payments widzicie rolę banku?

Nikt jeszcze nie wie dokładnie, jak ten model ostatecznie będzie działał. Dziś klient musi zdecydować, gdzie rozpocząć proces: w Google, ChatGPT czy innym interfejsie. Walka o ten Entry Point jest bardzo intensywna. Jeżeli agent przejmie interfejs klienta i cały proces wyboru, to klient nie będzie już zastanawiał się, gdzie szukać, bo agent zrobi to za niego.

Kolejnym pytaniem stanie się źródło pieniędzy. Kiedyś mieliśmy portfel w kieszeni. Dziś mamy kartę, którą można podpiąć do portfela cyfrowego i wykorzystać poprzez token. Bank tradycyjnie jest obecny przy autoryzacji transakcji, odpowiedzialności, reklamacjach i zwrotach. Ta infrastruktura finansowa nadal będzie potrzebna.

Nie chcemy być jednak wyłącznie niewidoczną infrastrukturą. Docelowo możemy oferować produkty finansowe w sposób osadzony w doświadczeniu agenta. Prowadząc grupę kapitałową, już dziś mamy możliwość proponowania usług takich, jak leasing czy ubezpieczenia. Można sobie wyobrazić sytuację, w której agent informuje: „Sprawdziłem twoje możliwości finansowe. Nie masz obecnie środków na ten zakup, ale twój bank może zaproponować finansowanie. Jeśli chcesz przejść przez ten proces, możemy to zrobić”.

Jeśli agenci staną się towarem powszechnym i każdy będzie mógł tworzyć własne, pojawi się pytanie, czym się wyróżnić. Kiedyś bank przechowywał pieniądze w skarbcu, dziś jest także gwarantem bezpieczeństwa procesu finansowego. Wygoda jest ważna, ale nie może prowadzić do sytuacji, w której klient traci kontrolę nad pieniędzmi lub z konta znika dorobek jego życia.

Bank zaś może powiedzieć: u nas jest bezpieczniej, transakcje są chronione, a klient ma odpowiednie mechanizmy kontroli. Coraz częściej słyszymy przecież historie o agentach, które skasowały użytkownikowi e-maile albo zamówiły coś, czego nie chciał. Warstwa bezpieczeństwa jest tradycyjnie przypisana bankom i szerzej instytucjom finansowym.

Czy rozważacie stworzenie własnego agenta płatności, dostępnego na przykład w aplikacji mobilnej lub serwisie internetowym banku?

Myślimy o tym, ale dziś najważniejsze jest budowanie kompetencji i doświadczeń włączających AI do usług bankowych.

Jesteśmy mniej więcej na półmetku realizacji naszej strategii AI. Pozyskujemy talenty i rozwijamy zespoły zarówno w bankowości detalicznej, jak i w innych obszarach. Pracujemy nad tematami agentowymi w obsłudze klienta, ale też nad szerszym wsparciem klientów.

Bardzo intensywnie obserwujemy rynek. Standardy, takie jak MCP czy agent-to-agent, muszą jeszcze dojrzeć. Jestem przekonany, że w kolejnym roku będziemy robić coś, co pomaga klientom w zakupach. Partnerom działającym bezpośrednio przy zakupie – merchantom czy InPostowi – może być jednak łatwiej zbudować tego typu doświadczenie, ponieważ są bliżej momentu wyboru produktu. Bank pojawia się zwykle chwilę później, kiedy klient mówi: „Mam pieniądze, chcę coś kupić”.

Współpraca z Allegro jest dla nas także nauką działania w takich ekosystemach. Z czasem naturalnie pojawi się pytanie o źródło pieniądza. Klient, który znajdzie najlepszą karmę dla kota, będzie chciał po prostu powiedzieć: „Zamów mi dwie paczki”. To jest doświadczenie, do którego rynek będzie zmierzał.

Ekosystem musi się jednak najpierw ułożyć. Z pewnością będziemy chcieli przeprowadzić w tym obszarze pilotaż.