PKO BP i agenci AI: człowiek decyduje, bramka liczy tokeny

PKO Bank Polski buduje własne środowisko dla AI: część modeli działa na serwerach banku, część w chmurze, a agenci AI pracują pod nadzorem pracowników. Piotr Kostrzewa-Zalewski, dyrektor Departamentu Innowacji i Rozwoju, opisał to w wywiadzie dla ITwiz opublikowanym 25.10.2026. To deklaracje banku o tym, co buduje i czego jeszcze nie robi, a nie wyniki niezależnego testu. Dobrze je znać, bo pokazują AI w miejscu, gdzie błąd kosztuje naprawdę.

Dlaczego bank buduje własne serwery AI, skoro ma chmurę?

Według przedstawiciela banku najważniejsza jest możliwość wyboru. Chmura ma być narzędziem na tyle, na ile jest uzasadniona, a nie odruchem. Jeśli zadanie da się wykonać efektywnie, bezpiecznie i ekonomicznie na własnej infrastrukturze, bank chce to robić u siebie. Po zasoby zewnętrzne sięga, gdy wymaga tego skala, charakter obciążenia albo możliwości, których lokalnie nie ma.

Na tym wyborze bank buduje strategię. Koncepcja własnej infrastruktury zaczęła powstawać mniej więcej 2 lata temu, a część sprzętu bank kupił wcześniej, przed obecnymi podwyżkami cen. Równolegle budżetował rozwój kosztów chmurowych i rozbudowę własnej infrastruktury. Środowisko opiera na wielu komponentach open source, między innymi do orkiestracji, przechowywania danych i dostępu do nich.

Jest tu jeszcze argument o ludziach. Rozwiązania największych dostawców chmury są wygodne i pozwalają szybko wdrażać usługi. Jeśli jednak całość opiera się na gotowych klockach jednego dostawcy, część wiedzy i sprawczości zostaje poza bankiem. Budując część środowiska u siebie, bank zatrzymuje więcej kompetencji wewnątrz.

Kiedy ruch przechodzi do chmury?

Rozmówca podał przykład hipotetyczny: model lokalny osiąga 80% skuteczności, a zewnętrzny 90%. Wtedy pytanie brzmi, czy dodatkowa wartość biznesowa uzasadnia przeniesienie ruchu do chmury. Sama różnica w skuteczności niczego nie rozstrzyga. Bank deklaruje, że przy wyborze liczy:

• koszt,
• efekt dla biznesu,
• bezpieczeństwo,
• suwerenność technologiczną,
• kompetencje własnych ludzi.

Czym jest AI Gateway i po co bankowi licznik tokenów?

Token to kawałek tekstu, za który rozlicza się użycie modelu. AI Gateway to wspólna brama, przez którą zespoły w banku dostają modele, polityki i warstwy bezpieczeństwa przez API, na jasnych zasadach. Bank chce działać w modelu rozproszonym i federacyjnym, więc nie ma jednego centralnego pokoju zabaw dla wszystkich.

Zespół, który dostaje dostęp do modelu przez taką bramę, od razu wie, że użycie jest rozliczalne i że koszty trafiają do właściwego właściciela. Wie też, ile tokenów zużywa, jak się połączyć i jaka jest dostępność modelu. Bank deklaruje, że nie chce centralnego sandboxa, w którym każdy eksperymentuje, jest drogo i nikt nie jest właścicielem rachunku. Model bez licznika to bufet bez rachunku: wszyscy jedzą, nikt nie pamięta, kto zamawiał.

To nie magia, tylko system. Rozmówca przyznał, że popyt na AI w organizacji jest ogromny i bez świadomego zarządzania łatwo zużyć znacznie więcej zasobów, niż planowano. Zużycia nie nazwał problemem, ale chce je dokładnie mierzyć. Ten sam wątek, czyli ile naprawdę kosztuje model, który wygląda na darmowy, opisujemy w tekście o rachunku za darmowy model open source.

Co robi pierwszy agent PKO i kto zatwierdza jego pracę?

Pierwszy agent banku pomaga rozumieć e-maile kierowane do banku i przygotowywać odpowiedzi z uwzględnieniem historycznego kontekstu. Pod spodem działa workflow złożony z kilku agentów:

• jedni rozumieją treść wiadomości,
• inni ją klasyfikują, na przykład jako reklamację albo pytanie o produkt,
• kolejni korzystają z bazy wiedzy, polityk i historycznych odpowiedzi,
• efekt trafia do pracownika jako projekt odpowiedzi.

Automatycznej decyzji końcowej nie ma. Bank stosuje podejście human in the loop, czyli człowiek w pętli: to pracownik decyduje na przykład o uznaniu reklamacji albo zastosowaniu działania handlowego. Na pytanie, czy dojrzałość rynku i narzędzi pozwala zostawić agentów całkowicie bez nadzoru, padła odpowiedź: „Absolutnie nie”. Rozmówca przyznał też, że błędy w łańcuchu agentów mogą się kumulować. Dlatego jakość ich umiejętności wymaga ciągłej pracy, przypominającej rozwijanie zespołu sprzedażowego: szkolenia, kontrola jakości, uczenie się na błędach. To dobrze pokazuje, że o jakości agenta decyduje otoczenie, a nie sam model, o czym piszemy w tekście o tym, jak system wokół modelu decyduje o agencie AI.

Zasady dotyczą też tego, kto może takiego agenta zbudować. Agent ma mieć tożsamość, żeby było wiadomo, jak podjął decyzję i w czyim kontekście działał. Pracownicy nie będą samodzielnie tworzyć dowolnych agentów na danych bankowych. Proste automatyzacje i asystenci ogólnego przeznaczenia, tacy jak Copilot, mogą trafić do biznesu. Agenci działający na danych klientów podlegają wspólnym standardom, które bank buduje w ramach praktyki Agentic AI.

Czy agent będzie sprzedawał kredyty?

Bank zapowiada, że nie wyśle do sprzedaży floty agentów, którzy skuteczniej od ludzi namawiają klientów. AI ma wspierać pracowników, a nie zastępować ich odpowiedzialność. Pytanie, kto dostanie prowizję, gdy klient przejdzie proces zakupu kredytu z agentem, rozmówca nazwał „bardzo poważnym”. Procedury trzeba będzie opisać w ramach AI Governance, czyli zasad nadzoru nad AI w organizacji.

Przy voicebotach bank akcentuje jakość, nie samą oszczędność. Jeśli voicebot da obsługę porównywalną z oddziałem, ale dostępną całą dobę, klient nie będzie musiał wychodzić z pracy, żeby załatwić sprawę. To według banku lepsza usługa, a nie tylko niższy koszt. Jak szeroko AI wchodzi do polskich miejsc pracy, pokazują dane o agentach AI w polskiej pracy.

Jakie modele ma bank i jak traktuje chińskie?

W katalogu banku są modele komercyjne z chmur największych dostawców oraz modele open source, takie jak GPT-OSS, dostępne między innymi przez Hugging Face. Bank rozwija też własne modele w projekcie Narodowego Centrum Badań i Rozwoju. Są w nim polskie modele językowe, PLLuM i Bielik, które według rozmówcy sprawdzają się tam, gdzie liczy się jakość polszczyzny i lokalny kontekst.

Co do modeli chińskich, bank rozróżnia eksperymenty i produkcję. Na etapie eksperymentów warto według niego sprawdzać szerokie spektrum technologii. W produkcji czasem rozsądniejszy może być droższy model w środowisku dużego dostawcy chmury, który bank uznaje obecnie za godny zaufania, niż model chiński na własnych serwerach. Dopóki nie ma jednoznacznych krajowych lub unijnych wytycznych uznających takie rozwiązania za równoważne pod względem zaufania, bank wybiera ostrożnie. To stanowisko jednej instytucji, nie reguła rynku.

Co dalej: zakupy z agentem, Allegro i półmetek strategii

Bank ocenia, że jest mniej więcej na półmetku realizacji strategii AI. Po zbudowaniu infrastruktury, katalogu modeli, polityk bezpieczeństwa i mechanizmów dopuszczeń przechodzi do „demokratyzacji”: zespoły wytwórcze mają dostać modele i zasady bezpieczeństwa, żeby szybciej wdrażać własne projekty. Centrum Kompetencji AI ma po 2-3 latach przestać być potrzebne w obecnej formule, bo kompetencje rozejdą się po całej organizacji.

Największa niewiadoma to agentowe zakupy i płatności. Bank współpracuje z Allegro i Żabką, żeby być bliżej klienta w jego dialogu zakupowym, w sklepie i w e-commerce. Rozmówca zaznaczył, że standardy agentowe, takie jak MCP czy agent-to-agent, muszą jeszcze dojrzeć. Banki obawiają się też sytuacji, w której agent klienta poleci największego zagranicznego konkurenta, bo uzna, że ma niższe opłaty. Bank chce pozostać częścią łańcucha płatniczego i oferować finansowanie, na przykład kredyt, leasing czy płatność odroczoną. PKO BP zapowiada pilotaż w tym obszarze, ale nie podał terminu.

Werdykt: ciekawsze od samych agentów jest to, co bank stawia wokół nich: licznik zużycia, właściciela kosztu, tożsamość agenta i człowieka przy decyzji. Podobną lukę między ciekawością a codziennym użyciem widać w danych o agentach AI w małych i średnich firmach w UE. Zadanie na dziś, 10 minut: wypisz narzędzia AI, z których korzystasz w pracy lub firmie, i przy każdym dopisz trzy rzeczy: kto za nie płaci, kto ma ostatnie słowo przy wyniku i jakie dane do niego wklejasz. Jeśli przy którymś polu stoi pytajnik, masz swój pierwszy punkt do uporządkowania.