Przewodnik Kariera w Finansach i Bankowości 2022/2023

Globalizacja i związany z nią rozwój technologiczny wpływają na rynek finansowy. Działają na nim nie tylko instytucje poddane regulacji (banki), ale również wiele start-upów (fintechów), które wykorzystują technologię do świadczenia usług finansowych. Stały się one wiodącym czynnikiem wpływającym na transformację sektora finansowego. Nowe technologie przyczyniają się do rozwoju instytucji, pozwalają zwiększyć efektywność, zminimalizować pracę manualną i powtarzalną, ale i zarazem obniżyć w dłuższej perspektywie koszty. Modele technologiczne wychodzą naprzeciw zmieniającym się potrzebom klienta w kontekście usług finansowych. Zwiększają swój zasięg działania i dbają o jak najlepsze doświadczenie klienta.

Powszechnym trendem w bankowości i finansach jest klientocentryzm, który wielokrotnie determinuje powstawanie nowych rozwiązań technologicznych. Instytucje znaczące na rynku uwzględniają potrzeby klientów podczas tworzenia i komunikowania produktów. Wyzwaniem jest dostosowanie tych działań do możliwości danej organizacji. W tym celu warto wykorzystać:

• wewnętrzne zespoły specjalizujące się w kontakcie z klientem,
• długoterminowe partnerstwo z firmami wykorzystującymi doświadczenia wielobranżowe,
• zapraszanie do współpracy fintechów, które dzięki swojej zwinności mogą znacznie szybciej tworzyć i testować rozwiązania w pełni skupione na kliencie [1].

W popandemicznej rzeczywistości pierwsze skrzypce w kontekście przemian biznesu zaczęło odgrywać IT. Dzięki temu cyfrowa transformacja nie zahamowała, lecz „naturalnie” przyspieszyła procesy digitalizacji i automatyzacji wielu obszarów działalności przedsiębiorstw. 30% firm deklaruje, że zdecydowana większość ich procesów biznesowych została poddana cyfryzacji i automatyzacji [2]. Kolejne 39% organizacji prowadzi intensywne działania w tym kierunku.

Chmura motorem zmian technologicznych 

Cloud computing jest przyszłością, również w kontekście AI. Przez pandemię znaczna część aktywów została przeniesiona do sieci. Migracja do chmury wymaga przygotowań, jednak jest to proces, który przynosi wiele korzyści. Najważniejsze z nich to zmniejszenie kosztów oraz elastyczność biznesowa. Podmioty branży finansowej potrzebują skalowalnych środowisk, które mogą rozbudowywać wraz ze wzrostem potrzeb. Dysponują one ogromną ilością danych, a starsze systemy uniemożliwiają im szybkie uzyskanie wglądu w te informacje. Dobrze zaprojektowana platforma chmurowa usprawnia sposób prowadzenia firmy dzięki nieograniczonej możliwości dostępu do danych. Decydującym czynnikiem przy wyborze rozwiązań chmurowych jest bezpieczeństwo danych. Chmury obliczeniowe pomagają również analizować nadchodzące zagrożenia w czasie rzeczywistym [3].

Korzystanie z usług chmurowych może zmniejszyć koszty zarządzania informacjami o klientach o prawie 60% [4].

Uczestnicy badania Computerworld, którzy pochodzą z dużych przedsiębiorstw i korporacji, są zgodni co do wzrostu znaczenia chmury obliczeniowej w kolejnych latach. W opinii 83% ankietowanych najważniejszymi powodami decydującym o wyborze chmury będą większa elastyczność i skalowalność infrastruktury IT. Chmura zyskuje na znaczeniu, ponieważ działy IT muszą szybciej udostępniać zasoby infrastruktury, aby skracać czas wprowadzania produktów na rynek jak wskazało 77% odpowiedzi. Kolejne 63% ankietowanych uważa, że dzięki chmurze nastąpi przyspieszenie realizacji projektów. 62% respondentów jest zdania, że przełoży się to na możliwość szybszego spełniania potrzeb biznesowych firmy i potrzeb użytkowników. Aż 57% badanych planuje wdrażać rozwiązania chmurowe ze względów bezpieczeństwa, które bezpośrednio wpływa na zapewnienie ciągłość działania biznesu.

Przyszłość AI

Pojęcie sztucznej inteligencji, z angielskiego Artificial Intelligence – AI, odnosi się do interdyscyplinarnej nauki, która dąży do zbadania ludzkiej inteligencji i zaimplementowania jej mechanizmów na maszynach – komputerach [6]. Obecnie prym w zakresie implementacji AI w Polsce wiedzie branża finansowa, która jest z natury cyfrowa. Ze względu na swoją specyfikę stała się w dużej mierze zdigitalizowana zdecydowanie wcześniej od innych.Firmy z sektora finansów od lat wdrażają nowoczesne rozwiązania technologiczne bazujące na AI. Blisko połowa przedstawicieli tego rynku w Polsce największą wartość AI dostrzega w zwiększeniu samoobsługi klientów poprzez uproszczenie procesów, a 41% zwiększa dzięki niej efektywność komunikacji [5]. Wspominany wcześniej klientocentryzm dużej mierze wyznacza kierunki rozwoju w branży, inspirując do wprowadzania nowych rozwiązań technologicznych przy pomocy AI. Fintechy i firmy IT zajmujące się rozwiązaniami dla tego sektora, napędzają się wzajemnie. Rzeczywistość biznesowa oparta na konkurencyjności danego przedsiębiorstwa wymaga wdrażania coraz to nowszych systemów i narzędzi.

Sztuczna inteligencja odgrywa coraz większą rolę w kontekście analizy danych finansowych oraz osobowych na potrzeby realizacji zarówno wymogów regulacyjnych jak i poprawy jakości obsługi klienta. Sztuczna inteligencja jest przede wszystkim wdrażana w celu automatyzacji i robotyzacji procesów. Przykładem takich działań w obszarze obsługi klienta są np. voiceboty na infolinii, voiceboty zamiast wiadomości IVR, chatbotów na stronie internetowej czy robo-doradztwo [8]. Automatyzacja pozwala przejąć maszynie część zadań wykonywanych wcześniej przez pracowników, np. tych związanych z kwestiami administracyjnymi wewnątrz organizacji. Liderzy finansowi potrzebują wiarygodnych i praktycznych narzędzi, które nadążają za innowacjami, jednocześnie rozwiązując potrzeby klientów. AI stwarza ogromne możliwości w tej branży, ponieważ łączy rozumowanie ludzkie z mocą obliczeniową maszyn.

Big data jako imperatyw biznesowy

Aby sztuczna inteligencja działała poprawnie, potrzebuje paliwa – dużej ilości danych w czystej postaci. Paliwo to jest tanie i łatwo dostępne, ponieważ producentem danych jest każdy człowiek. Aktywność w intrenecie generuje ogromne ilości informacji, tzw. big data. Czy to korzystanie z aplikacji mobilnych, produktów bankowym, czy też zamawianie przejazdów Boltem lub Uberem. Big data to termin odnoszący się do dużych, zróżnicowanych, złożonych zestawów danych. Przetwarzanie ich ianaliza jest trudna, ale jednocześnie wartościowa, ponieważ może prowadzić do zdobycia nowej wiedzy. Zbiory danych można wykorzystać do zapewnienia rozwiązań dla długotrwałych wyzwań biznesowych usług finansowych i firm bankowych na całym świecie. Termin ten nie ogranicza się tylko do sfery technologii, ale jest obecnie uważany za imperatyw biznesowy. Jest coraz częściej wykorzystywany przez firmy świadczące usługi finansowe do przekształcania swoich procesów, narzędzi i organizacji całej branży.

Tradycyjnie przetwarzanie liczb było wykonywane przez ludzi, a decyzje podejmowano na podstawie wniosków wyciągniętych z obliczonych zagrożeń i trendów. W ostatnim czasie taką funkcjonalność przywłaszczają sobie komputery. W rezultacie rynek technologii big data w finansach oferuje ogromny potencjał i jest jednym z najbardziej obiecujących. Inicjatywy dotyczące dużych zbiorów danych podejmowane przez firmy z sektora bankowego i rynków finansowych koncentrują się na analizie potrzeb klientów w celu zapewnienia im lepszej obsługi.

Uczenie maszynowe

Big data całkowicie rewolucjonizuje funkcjonowanie rynków akcji na całym świecie i sposób, w jaki inwestorzy podejmują decyzje inwestycyjne. Uczenie maszynowe – praktyka wykorzystywania algorytmów komputerowych do znajdowania wzorców w ogromnych ilościach danych – umożliwia komputerom dokonywanie dokładnych prognoz i podejmowanie decyzji podobnych do ludzkich. Gdy są zasilane danymi, wykonują transakcje z dużą szybkością i częstotliwością [9]. Schemat biznesowy monitoruje trendy giełdowe w czasie rzeczywistym. Obejmuje najlepsze możliwe ceny, umożliwiając analitykom podejmowanie słusznych decyzji poprzez ograniczanie błędów spowodowanych czynnikiem ludzkim. Uczenie maszynowe zajmuje się tworzeniem na podstawie analiz danych i konkretnych wyników badań [10]. Firmy starają się zrozumieć potrzeby i preferencje klientów, aby przewidywać przyszłe zachowania, generować leady sprzedażowe, wykorzystywać nowe kanały i technologie, ulepszać swoje produkty i zwiększać satysfakcję klientów. Zdolność narzędzi bazujących na uczeniu maszynowym do przewidywania preferencji klientów pozwala organizacjom rynków finansowych dostarczać nowe produkty i usługi zorientowane na klienta.

Branża finansowa wykorzystują duże zbiory danych do ograniczania ryzyka operacyjnego i zwalczania oszustw. Banki mają dostęp do danych w czasie rzeczywistym, które mogą być potencjalnie pomocne w identyfikowaniu nieuczciwych działań. Na przykład, jeśli dwie transakcje są dokonywane tą samą kartą kredytową w krótkim odstępie czasu w różnych miastach, bank może natychmiast powiadomić posiadacza karty o zagrożeniach bezpieczeństwa, a nawet zablokować takie transakcje. Stworzone narzędzie identyfikuje zatem podejrzane transakcje i przechwytuje sygnały oszustwa, analizując ogromne ilości danych o zachowaniach użytkowników w czasie rzeczywistym przy użyciu uczenia maszynowego.

Blockchain

Nową, innowacyjną technologią, która korzysta z baz danych jest blockchain. Polega na gromadzeniu, wiązaniu, weryfikowaniu, szyfrowaniu jednostek bazowych – transakcji – w sieci. Efektem tych procesów jest jej odporność na manipulacje iawarie, ale także bezpieczeństwo i innowacyjność bazy danych [11]. Potencjał blockchaina polega przede wszystkim na umożliwieniu wymiany wartości w środowisku cyfrowym jak również na eliminacji z tego procesu pośredników. Technologia blockchain może zakłócić istniejące modele biznesowe, ponieważ wpływa na wiele ich obszarów np. uwierzytelnianie w obrocie, odpośredniczenie, obniżka kosztów transakcyjnych. Blockchain od kilku lat wprowadzany jest przez Polskie banki przy pomocy Fintechów. Ma zapewnić klientom możliwość bezproblemowych i natychmiastowych wymian wartości i wykonywania transakcji w bardziej przejrzysty, bezpieczny, ale jednocześnie rozproszony sposób.

Źródła:

• [1] Sury B., „Przyszłość polskiego sektora bankowego. Prognozy liderów rynku".
• [2] Computerworld z Intel i Polcom, „Inwestycje IT w kierunku rozwoju polskich firm w latach 2021-2022”, 2022.
• [3] „Sztuczna inteligencja w bankowości”, 2020.
• [4] Piraeus Bank, wprowadziła Microsoft Azure w najnowszej wersji, za „Sztuczna inteligencja w bankowości"
• [5] Elektrotechnikautomatyk, „Sztuczna inteligencja pewniej wkracza do biznesu".
• [6] Ficoń K., „Sztuczna inteligencja nie tylko dla humanistów”, 2013.
• [7] Fellowmid, „The People & Technology Report”, 2022.
• [8] Isakow A., „Jak dzięki AI i rozwiązaniom FinTech rozwija się polska branża finansowa?".
• [9] CFI Team, „Big Data in Finance".
• [10] aibusiness.pl/czym-jest-uczenie-maszynowemachine-learning.
• [11] Studia BAS, „Innowacje i nowe technologie wfinansach”, 2019.
• ZSK, „Sztuczna inteligencja (AI) jako megatrend kształtujący edukację Jak przygotowywać się na szanse i wyzwania społeczno-gospodarcze związane ze sztuczną inteligencją?”, 2022.
• Kavlakoglu E., „AI vs. Machine Learning vs. Deep Learning vs. Neural Networks: What’s the Difference?".

Komentarze:

Joseph Chalouhi Chief Digital & Information Officer Poland, CDIO IB Regional Lead w UBS:

Jakub Boczkowski, VP-Information Technology, Franklin Templeton: 

Piotr Ziemkiewicz, Cloud Delivery Architect, CEE Cloud & Digital in PwC Polska:

Autor: Wiktoria Jackowska

Redaktorka Grupa MBE

Magistrantka filologii polskiej na Uniwersytecie Warszawskim. Czynna uczestniczka konferencji naukowych. Pasjonatka kultury, lingwistka. 

W Grupie MBE jest odpowiedzialna za redakcję tekstów do magazynu „Kariera w Finansach i Bankowości” oraz na stronę KarierawFinansach.pl.

Członkini Stowarzyszenia Bliżej ADHD działającego z misją edukacji o neuroróżnorodności.