Veštačka inteligencija prestala je da bude futuristički koncept u finansijskom sektoru i danas je operativni alat koji menja kreditne procese, upravljanje rizicima i korisničko iskustvo. Međutim, postoji ključna razlika između medijske pompe i stvarnih poslovnih rezultata: konkretni slučajevi upotrebe i merljiv ROI.
U intervjuu za Bloomberg Adriju, Damir Vukotić, partner u Deloitte Central Europe South, govori o tome kako banke i fintech kompanije u regionu prelaze sa eksperimentisanja na stvarne implementacije, koje su tehnologije već donele vrednost i gde će veštačka inteligencija najbrže transformisati finansijske usluge u naredne tri do pet godina.
Koji su najzreliji AI use-caseovi koje danas implementirate u bankama CE South klastera (npr. prevare/AML, naplata potraživanja, sistemi ranog upozorenja, IFRS9/IRB pomoćne funkcije, klimatski scenariji rizika)? Šta je zajednički obrazac projekata koji su zaista doneli merljiv P&L ili RWA benefit?
U bankama regiona danas se najzreliji AI use-caseovi razvijaju upravo na preseku klasičnih risk-procesa i napredne analitike ponašanja. Najviše napretka vidimo u praćenju transakcija i AML-u, gde modeli poput Peer Group Outlier Detectiona i Anomaly Detectiona značajno smanjuju broj „false positive“ upozorenja i ubrzavaju obradu slučajeva. U kreditnim procesima AI agenti se koriste za automatizaciju delova KYC-a, proveru negativnih medijskih objava i pripremu dokumentacije za odobrenje kredita, dok se u bihejvioralnom bodovanju i sistemima ranog upozorenja primenjuju za rano prepoznavanje rizika u portfelju.
Najbrže merljivi rezultati dolaze kroz troškovne i operativne efekte – smanjenje ručnih provera, bolje prioritizovanje slučajeva i kraći alert-to-decision ciklus, što se u praksi pretvara u stabilan P&L benefit u srednjem roku. AI projekti su po pravilu različiti i zavise od ciljeva, internog konteksta i zrelosti organizacije, ali zajednički obrazac obično uključuje kombinaciju jakog poslovnog sponzora, dostupnih i kvalitetnih podataka te iterativnog pristupa koji u 3–6 meseci mora da pokaže „proof of value“. Tamo gde projekti zapnu, uzrok je gotovo uvek nedovoljno razvijena podatkovna platforma ili izostanak jasnog vlasništva i odgovornosti unutar same banke.
Ali, ključ uspeha nije samo u tehnologiji, već u ljudima koji je razumeju i koriste. Uspešne banke kombinuju „human-in-the-loop“ ili „human-over-the-loop“ pristup – gde modeli podržavaju, ali ne zamenjuju stručnu procenu – i stvaraju kulturu u kojoj se podaci, AI modeli i ljudi međusobno nadopunjuju. „Trustworthy AI“ će u budućnosti sve više preuzimati repetitivne zadatke, ali će upravo ljudsko iskustvo, etika i razumevanje konteksta ostati presudni za kvalitetne odluke i održivo poverenje klijenata.
Većina projekata stane na podacima i operacionalizaciji modela. Kako rešavate data foundation (kvalitet, lineage, kontrolne okvire) i MLOps (monitoring, drift, retraining) u bankama? Koji je prag kada preporučujete hyperscaler alate naspram „lakših“ platformi za manje institucije?
Većina AI projekata u bankama ne zapne na modelima, nego na podacima i njihovoj operativizaciji. Zato uvek počinjemo od data foundationa – jasno definišemo izvore, kvalitet, lineage, vlasnike i kontrolne tačke podataka, u skladu sa BCBS 239 i RDARR standardima. Iako je BCBS 239 prisutan još od 2013., danas ponovo dobija na važnosti jer postaje jedno od ključnih nadzornih očekivanja.
Sledeći korak je uspostavljanje MLOps okvira – sistema za praćenje performansi modela, detekciju drifta i periodičan retraining, bilo kroz alate poput Azure ML i Databricksa u većim institucijama, bilo kroz „lakša“ open-source rešenja kod manjih. Ključno je da modeli budu povezani s poslovnim procesima – da stvaraju konkretne decision triggerse, na primer u naplati potraživanja ili AML alertingu.
Hyperscaler rešenja preporučujemo tek kada banka ima više modela u produkciji, jasnu ambiciju daljeg širenja ili visoke zahteve za auditabilnost i AI governance – što postaje sve važnije sa primenom EU AI Acta. U ostalim slučajevima dovoljno je krenuti postepeno, po principu „start small, scale fast“, i kroz nekoliko konkretnih use-caseova graditi podatkovne i operativne kapacitete.
Šta GenAI realno menja u risk funkcijama u kratkom roku (12–18 meseci), a gde su granice – bias, halucinacije, model risk, IP i zaštita podataka? Ako morate da izaberete jedan use-case s dokazivim ROI-em u front- ili back-officeu, koji je to i zašto?
U kratkom roku GenAI neće promeniti temeljne modele rizika, ali hoće način rada risk timova i njihove procese. Najveći pomak događa se u automatizaciji dokumentacije, analiza i pripreme nadzornih materijala, gde GenAI već deluje kao svojevrstan copilot. Najvidljivije primene su u AML i KYC područjima, gde pomaže u sažimanju dosijea, prioritizaciji i pripremi odgovora, te u naplati potraživanja, gde generiše preporuke i personalizuje pristup klijentima.
Granice, iako naizgled jasno definisane, u praksi nisu jednostavne – posebno kada je reč o pristrasnosti, halucinacijama, model risku, zaštiti podataka i intelektualnoj svojini. Zato se rešenja razvijaju unutar sigurnih i regulatorno usklađenih okruženja, uz snažan naglasak na AI governance i „human-in-the-loop“ nadzor.
Ako bih izdvojio jedan use-case s dokazivim učinkom, to bi bio AI-driven Early Warning i Collections orchestration – rešenje koje omogućava brže prepoznavanje rizika i personalizovane akcije, smanjuje operativno opterećenje te donosi konkretne rezultate: viši cure-rate, kraći time-to-action i niži trošak rizika.
Ali, prava vrednost GenAI-a nije samo u efikasnosti, već u transformaciji načina razmišljanja o upravljanju rizicima koji postaju sve kompleksniji i širi. AI nam otvara mogućnost da risk funkciju pretvorimo iz reaktivne u prediktivnu i stratešku, sposobnu ne samo da meri rizik, već da ga predviđa, simulira i upravlja njime gotovo u realnom vremenu. To je put ka novoj generaciji upravljanja rizicima – onoj u kojoj je tehnologija alat, a strateško razumevanje rizika postaje konkurentska prednost.
Razgovor o inovacijama i transformaciji bankarstva putem digitalnih tehnologija savršeno se nastavlja na Regionalnoj konferenciji o upravljanju rizicima – Bankarstvo u doba veštačke inteligencije, koja će se održati 28. novembra u Sarajevu.
.webp){kind=icon}
