BGL zbudował AI dla finansów. Bez programistów

BGL obsługuje ponad 12 700 firm w 15 krajach. Specjalizują się w oprogramowaniu do zarządzania funduszami emerytalnymi. Problem? Klienci tonęli w danych, a każda analiza wymagała wsparcia technicznego.

Zespół postawił na agentów AI. Efekt: osoby bez wykształcenia IT same tworzą zaawansowane narzędzia analityczne.

Claude Agent SDK – silnik całego systemu

Zamiast budować wszystko od podstaw, BGL użył Claude Agent SDK. To zestaw narzędzi od Anthropic, który pozwala tworzyć agentów AI — programy samodzielnie wykonujące zadania.

Agent działa jak asystent. Dostajesz pytanie w naturalnym języku ("Pokaż mi klientów, którzy nie złożyli raportu"), a on zbiera dane, analizuje je i przygotowuje odpowiedź. Sam.

Fundament? Amazon Bedrock AgentCore — usługa AWS zarządzająca całym procesem. Agent dostaje zadanie, dzieli je na kroki, wykonuje każdy z nich i składa wynik.

BGL połączył to z Simple SMSF — swoją platformą dla funduszy emerytalnych. Teraz użytkownicy pytają agenta po polsku (lub innym języku), a ten przeszukuje bazy danych i generuje raporty. Zero kodowania.

Jak to działa w praktyce

księgowego zarządzającego 200 funduszami emerytalnymi. Wcześniej potrzebował trzech rzeczy: dostępu do bazy danych, znajomości SQL i czasu.

Teraz pisze: "Którzy klienci mają niezrealizowane transakcje z ostatnich 30 dni?"

Agent:

1. Rozumie pytanie (dzięki Claude — dużemu modelowi językowemu)
2. Tłumaczy je na zapytanie do bazy danych
3. Pobiera wyniki
4. Formatuje w czytelną tabelę lub wykres

Cały proces trwa sekundy.

BGL poszedł dalej. Ich agent nie tylko odpowiada na pytania — sam proponuje analizy. Zauważy anomalię (nagły spadek wpłat w jednym regionie)? Wysyła alert.

Technologia dla nietechnicznych

Tu jest sedno sprawy.

BGL zbudował interfejs, w którym pracownicy sami konfigurują agenta. Bez pisania kodu. Specjalista ds. zgodności chce monitorować terminy raportów? Otwiera panel, wybiera "Monitoruj terminy", wskazuje źródło danych (tabela w bazie) i definiuje warunek ("Raport spóźniony o więcej niż 7 dni").

Agent automatycznie tworzy regułę i zaczyna działać.

To demokratyzacja Business Intelligence. Wcześniej takie systemy wymagały zespołu programistów. Teraz każdy, kto rozumie swój biznes, może je tworzyć. I to zmienia zasady gry — działy biznesowe nie czekają już na IT.

Amazon Bedrock — fundament infrastruktury

BGL postawił na Amazon Bedrock — usługę AWS dającą dostęp do różnych modeli AI (w tym Claude) przez jedno API.

API to sposób, w jaki programy rozmawiają ze sobą. Zamiast budować własny model AI (co kosztuje miliony), BGL wynajmuje dostęp do Claude i płaci za użycie.

Bedrock AgentCore to warstwa zarządzająca agentami. Pilnuje, żeby agent:

• Nie przekroczył budżetu tokenów (jednostek tekstu, które model przetwarza)
• Nie próbował robić rzeczy, na które nie ma uprawnień
• Logował wszystkie działania (ważne dla audytów w finansach)

Dla firmy z sektora finansowego to kluczowe. Regulacje wymagają pełnej transparentności: kto, kiedy i dlaczego uzyskał dostęp do danych.

Dlaczego Claude, a nie ChatGPT?

BGL testował różne modele. Wybrali Claude z trzech powodów.

Kontekst. Claude Opus 4.7 obsługuje do 200 000 tokenów kontekstu — to około 150 000 słów. Może przeanalizować całą dokumentację funduszu w jednym zapytaniu.

Bezpieczeństwo. Anthropic (twórca Claude) kładzie nacisk na "Constitutional AI" — model ma wbudowane zasady etyczne i odmawia wykonania szkodliwych poleceń.

Integracja z AWS. BGL już korzystał z infrastruktury Amazon. Bedrock pozwolił dodać AI bez zmiany całego systemu.

ChatGPT (od OpenAI) też był w grze, ale jego API nie oferowało wtedy tak głębokiej integracji z narzędziami AWS.

Co się zmieniło po wdrożeniu

BGL nie podał dokładnych liczb, ale wskazał trzy zmiany:

Czas reakcji. Klienci dostają odpowiedzi na zapytania analityczne w minutach, nie godzinach. Wcześniej musieli czekać na raport od zespołu technicznego.

Autonomia zespołów. Działy biznesowe same tworzą narzędzia. IT skupia się na infrastrukturze, nie na pojedynczych raportach.

Skalowanie. Agent obsługuje setki zapytań równolegle. Jeden pracownik mógłby obsłużyć 20 klientów dziennie. Agent — 2000.

Dla klientów BGL (firm zarządzających funduszami) to oznacza szybsze decyzje. Rynek emerytalny to miliardy dolarów — opóźnienie o tydzień w rebalansowaniu portfela może kosztować fortunę.

Wyzwania (o których BGL nie mówi głośno)

Tekst AWS to case study — pokazuje sukcesy. Każde wdrożenie AI ma jednak ciemne strony.

Halucynacje. Modele językowe czasem wymyślają dane. Agent może wygenerować raport z liczbami, które "brzmią sensownie", ale są fałszywe. BGL musiał dodać warstwy weryfikacji.

Koszty. Claude Sonnet 4.6 (wersja użyta przez BGL) kosztuje $3 za milion tokenów wejściowych i $15 za milion wyjściowych. Przy tysiącach zapytań dziennie rachunki rosną. I to szybko.

Zależność od dostawcy. BGL jest teraz uzależniony od AWS i Anthropic. Gdyby Bedrock przestał działać, cały system analityczny staje.

To ryzyko każdej firmy stawiającej na chmurę. Alternatywa — budowanie własnej infrastruktury AI — kosztuje dziesiątki milionów.

Co to oznacza dla innych firm

BGL to nie startup eksperymentujący z AI. To firma z 15-letnią historią, obsługująca regulowany sektor finansowy.

Jeśli oni mogą wdrożyć agentów AI, każda firma z uporządkowanymi danymi może.

Pytania przed wdrożeniem:

• Czy Twoje dane są ustrukturyzowane? Agent potrzebuje baz danych, nie chaosu w Excelach.
• Czy masz jasne procesy? Agent automatyzuje to, co już działa. Nie naprawi złego procesu.
• Czy Twój zespół jest otwarty? Ludzie boją się, że AI zabierze im pracę. BGL szkolił pracowników miesiącami.

Firmy z sektorów takich jak HR, logistyka czy e-commerce mogą skopiować model BGL. Zamiast funduszów emerytalnych — zarządzanie zamówieniami. Zamiast raportów compliance — analizy sprzedaży.

Co dalej: agenci jako standard

BGL planuje rozszerzyć agenta o predykcje. Zamiast tylko odpowiadać na pytania, agent będzie prognozował: "Klient X prawdopodobnie opóźni raport — wysłać przypomnienie?"

To kolejny krok. Agenci przechodzą od reaktywnych (odpowiadają na polecenia) do proaktywnych (sami proponują działania).

AWS już testuje AgentCore 2.0 z funkcjami multi-agentowymi — kilka agentów współpracuje nad jednym zadaniem. Jeden zbiera dane, drugi analizuje, trzeci generuje raport.

Dla firm takich jak BGL to oznacza, że za rok mogą zautomatyzować nie tylko analizy, ale całe workflow: od zapytania klienta po wysłanie raportu.

Pytanie nie brzmi "Czy Agenci AI się przyjmą?", ale "Kto je wdroży pierwszy i zdominuje rynek?"

BGL postawił zakład. I na razie wygrywa.

Źródła

• AWS Machine Learning Blog – Democratizing business intelligence: BGL's journey with Claude Agent SDK and Amazon Bedrock AgentCore