Banki wchodzą w erę agentów AI dzięki Disseqt i Microsoft

Sektor bankowy stoi przed największą transformacją od czasu wprowadzenia bankowości internetowej. Disseqt AI ogłosił partnerstwo z HCLTech i Microsoft, które ma wprowadzić instytucje finansowe w erę agentów AI – systemów działających autonomicznie, podejmujących decyzje i wykonujących zadania bez ciągłego nadzoru człowieka.

To nie jest kolejny chatbot do obsługi klienta. Mówimy o systemach, które mogą samodzielnie analizować ryzyko kredytowe, wykrywać oszustwa czy zarządzać portfelami inwestycyjnymi. Problem? Banki nie mogą sobie pozwolić na błędy, a autonomiczne systemy AI niosą ze sobą nowe rodzaje ryzyka.

Jak kontrolować agentów AI, którzy działają samodzielnie

Disseqt stworzył platformę, która działa jak system wczesnego ostrzegania dla agentów AI w bankach. Zamiast czekać, aż coś pójdzie nie tak w produkcji, system wykorzystuje symulacje i red teaming – technikę znaną z testów bezpieczeństwa, gdzie specjaliści próbują celowo złamać system, by znaleźć słabe punkty.

Platforma monitoruje agentów AI w czasie rzeczywistym. Wychwytuje moment, gdy system zaczyna "dryfować" – czyli stopniowo odchodzić od założonych parametrów działania. To kluczowe w bankowości, gdzie nawet niewielkie odchylenie od procedur może kosztować miliony lub narazić na kary regulacyjne.

W praktyce red teaming dla agentów bankowych wygląda inaczej niż klasyczne testy penetracyjne oprogramowania. Specjaliści symulują scenariusze, w których agent otrzymuje sprzeczne instrukcje, niepełne dane wejściowe lub próbuje obsłużyć skrajnie rzadkie przypadki brzegowe. Celem jest ustalenie, czy system zachowa się przewidywalnie i zgodnie z polityką banku – czy też podejmie decyzję, która technicznie mieści się w jego parametrach, ale jest nie do zaakceptowania z perspektywy compliance.

Microsoft i HCLTech jako technologiczny fundament

Partnerstwo z Microsoft daje dostęp do Azure OpenAI Service i infrastruktury chmurowej, która spełnia rygorystyczne wymogi bezpieczeństwa sektora finansowego. HCLTech wnosi doświadczenie we wdrażaniu systemów dla globalnych banków i znajomość specyfiki branży.

Połączenie tych trzech graczy tworzy kompletny ekosystem. Microsoft dostarcza moc obliczeniową i modele AI. HCLTech zapewnia integrację z istniejącymi systemami bankowymi. Disseqt kontroluje, czy wszystko działa zgodnie z zasadami Responsible AI i wymogami regulacyjnymi.

Integracja z legacy systems to jeden z najtrudniejszych aspektów wdrożeń AI w bankach. Wiele instytucji finansowych nadal operuje na infrastrukturze sprzed dekad – systemach transakcyjnych pisanych w językach takich jak COBOL, które obsługują miliony operacji dziennie, ale nie były projektowane z myślą o współpracy z nowoczesnymi modelami językowymi. Doświadczenie HCLTech w nawigowaniu przez tę złożoność techniczną jest w tym kontekście równie ważne jak same możliwości AI.

Dlaczego banki potrzebują tej technologii właśnie teraz

Instytucje finansowe stoją pod presją – klienci oczekują natychmiastowej obsługi 24/7, konkurencja ze strony fintechów rośnie, a koszty operacyjne trzeba ciąć. Agenci AI mogą obsłużyć tysiące zapytań jednocześnie, analizować dokumenty kredytowe w minuty zamiast dni i wykrywać podejrzane transakcje w czasie rzeczywistym.

Regulatorzy finansowi są jednak czujni. Każda decyzja AI w banku musi być audytowalna i wyjaśnialna (szczególnie w Europie, gdzie obowiązuje AI Act). Platforma Disseqt odpowiada właśnie na to wyzwanie – daje bankom narzędzia do kontroli i dokumentowania działań autonomicznych systemów.

Pierwsze wdrożenia pokazują, że największą wartość agenci AI przynoszą w procesach powtarzalnych, ale wymagających analizy kontekstu. Weryfikacja dokumentów KYC, ocena ryzyka kontrahentów czy personalizacja ofert produktowych. To obszary, gdzie człowiek spędza godziny na rutynowej pracy, a AI może to zrobić w sekundach, pozostawiając ludziom decyzje strategiczne.

Gdzie agenci AI zmieniają codzienną pracę banku

Konkretne przypadki użycia pomagają zrozumieć skalę tej zmiany. W procesie onboardingu nowego klienta biznesowego agent AI może równolegle weryfikować dokumenty rejestrowe firmy, sprawdzać jej właścicieli w bazach sankcyjnych, analizować historię kredytową i porównywać profil ryzyka z wewnętrznymi wytycznymi banku. Cały proces, który analityk wykonuje przez kilka godzin, agent kompletuje w czasie potrzebnym na wypiecie kawy.

W obszarze wykrywania oszustw autonomiczne systemy mają jeszcze wyraźniejszą przewagę. Działają bez przerw, nie ulegają zmęczeniu i potrafią jednocześnie analizować wzorce transakcji milionów klientów. Co ważne, uczą się nowych schematów fraudów szybciej niż zespoły ludzkie – o ile ktoś właściwie nadzoruje ich trening i zapobiega fałszywym alarmom, które frustrują klientów i generują koszty operacyjne.

Personalizacja ofert to z kolei obszar, gdzie banki widzą bezpośredni wpływ na przychody. Agent analizujący historię transakcji klienta może zaproponować odpowiedni produkt dokładnie w momencie, gdy pojawia się na to potrzeba – nie na podstawie demografii, ale rzeczywistych zachowań finansowych. To poziom personalizacji, który dotąd był dostępny tylko dla klientów private banking.

Odpowiedzialność i granice autonomii

Kluczowym pytaniem, które zadaje sobie cały sektor, jest kwestia odpowiedzialności. Gdy agent AI podejmie błędną decyzję kredytową lub przeoczy podejrzaną transakcję – kto odpowiada? Bank, dostawca technologii, czy producent modelu AI?

Platforma Disseqt adresuje ten problem przez szczegółowe logowanie każdego kroku decyzyjnego agenta. Każde działanie jest opatrzone znacznikiem czasowym, odniesieniem do konkretnej reguły biznesowej i oceną pewności systemu. Taki ślad audytowy pozwala nie tylko odpowiedzieć na pytania regulatora po fakcie, ale też identyfikować wzorce problemów zanim przerodzą się w poważne incydenty. To właśnie ta warstwa kontrolna – a nie sam model AI – jest prawdziwym produktem, który Disseqt wnosi do tego partnerstwa.

Źródła

• Analytics India Magazine