Sztuczna inteligencja znajduje coraz szersze zastosowanie w PKO Banku Polskim. Wykorzystywana jest, m.in. w obsłudze klienta i procesach wewnętrznych, a także coraz szerzej w ocenie ryzyka i na potrzeby CRM. AI ułatwia klientom korzystanie z usług bankowych i umożliwia przygotowanie dla nich najlepszej oferty. Pracowników banku wspiera w codziennej pracy, wykonując za nich proste i najbardziej czasochłonne czynności. Wpływa na poprawę efektywności i zwiększa bezpieczeństwo w różnych obszarach funkcjonowania banku.
- W PKO Banku Polskim na dużą skalę wykorzystujemy modele uczenia maszynowego (w tym głębokiego uczenia), które zostały wytrenowane przez ekspertów banku, co daje nam dużą elastyczność, pozwala ciągle je rozwijać i budować know-how. Mamy duże doświadczenie w przetwarzaniu języka naturalnego, w wizji komputerowej oraz innych obszarach AI. W oparciu o tę wiedzę, tworzymy kolejne, zaawansowane technologicznie modele dopasowane do konkretnych potrzeb biznesowych. Dzięki sztucznej inteligencji dajemy klientom dostęp do najnowocześniejszych na rynku usług bankowych, a pracownikom banku realne wsparcie w wykonywaniu codziennych zadań. Rozwiązania oparte o AI stają się coraz bardziej powszechne w sektorze bankowym, bo odpowiadają na potrzeby nowych pokoleń cyfrowych klientów. Ich znaczenie będzie cały czas rosło i będzie miało jeszcze większy wpływ na rozwój rynku. Boty i modele machine learning są też wciąż udoskonalane, dlatego też potrafią coraz więcej
– mówi Dawid Kin, Dyrektor Biura Rozwoju Sztucznej Inteligencji w PKO Banku Polskim.
Stworzona przez PKO Bank Polski platforma MLOps to obecnie najnowocześniejsze tego typu narzędzie w sektorze bankowym na polskim rynku. Oparte o technologię chmurową rozwiązanie usprawnia wdrażanie i zarządzanie szeregiem modeli uczenia maszynowego w środowisku produkcyjnym i zapewnia ich odpowiednią jakość. Stanowi tzw. fabrykę modeli, która pozwala analitykom banku wybrać i zastosować model najbardziej efektywny dla danego przypadku. Dążymy do tego, aby coraz więcej zadań realizowanych w banku odbywało się przy wsparciu sztucznej inteligencji, by docelowo 90 proc. procesów oceny ryzyka działo się automatycznie
– mówi Łukasz Huńka, Dyrektor Departamentu Zarządzania Ryzkiem Kredytowym Firm i Przedsiębiorstw w PKO Banku Polskim.
Zaawansowane modele predykcyjne bazujące na algorytmach uczenia maszynowego są obecnie w PKO Banku Polskim niezbędnym elementem wsparcia sprzedaży produktów i usług bankowych w ramach działań CRM. Umożliwiają przygotowanie dla klienta rekomendacji produktowych lub tzw. personalizowanych ofert, minimalizując jednocześnie ryzyko missellingu, czyli proponowania klientom usług finansowych, które nie odpowiadają jego potrzebom. Dzięki zgromadzonym danym, bank optymalizuje sposób, czas jak i również kanał kontaktu, w zależności od stopnia jego ucyfrowienia – zachowując jednocześnie zasady omnikanałowości. Obszarów, w których można wesprzeć bieżące działania za pomocą algorytmów machine learning / AI jest w banku bardzo dużo. Mocno stawiamy na uruchomioną kilka miesięcy temu Platformę Zaawansowanej Analityki Danych tzw. ML Ops, która stanowi dla nas fundament dla wdrażania nowych inicjatyw. Jest to obszar, który w banku z całą pewnością będzie się prężnie rozwijał
- mówi Jacek Kuban, Dyrektor Biura Big Data w PKO Banku Polskim.
PKO Bank Polski jest niekwestionowanym liderem polskiego sektora bankowego, a wartość jego aktywów wynosi 431 mld zł. W 2022 r. bank wypracował 3,3 mld zł zysku netto. Spółka obsługuje 11,7 mln klientów. Jest podstawowym dostawcą usług finansowych dla wszystkich segmentów klientów, osiągając najwyższe udziały w rynku depozytów, kredytów oraz w rynku funduszy inwestycyjnych osób fizycznych. Dzięki rozwojowi narzędzi cyfrowych, w tym aplikacji IKO, z której aktywnie korzysta 7,2 mln klientów, PKO Bank Polski jest najbardziej mobilnym bankiem w Polsce.
