Model Context Protocol: Dlaczego instytucje finansowe pozostają sceptyczne?

Model Context Protocol (MCP), choć zadebiutował w listopadzie, błyskawicznie zdobywa szerokie grono użytkowników, co w perspektywie rysuje go jako przyszły standard branżowy. Jednak pewien segment sektora – zwłaszcza instytucje finansowe – z dystansem obserwuje ten entuzjazm.

Banki i inne podmioty dostarczające usługi finansowe nie są nowicjuszami w obszarze sztucznej inteligencji. Wspierane przez algorytmy, były pionierami w dziedzinie uczenia maszynowego, a ich wkład w popularyzację inwestowania wspomaganego przez roboty jest znaczący. Niemniej, gotowość do natychmiastowego przyjęcia MCP i koncepcji Agent2Agent (A2A) nie jest tak oczywista.

Wewnętrzne rozwiązania czy otwarte protokoły?

Wiele regulowanych przedsiębiorstw, w tym banki, instytucje finansowe i szpitale, od lat eksperymentuje z agentami AI, jednak zazwyczaj ogranicza się to do rozwiązań wewnętrznych. Choć firmy te posiadają interfejsy API, ich integracja wiązała się z długotrwałym procesem weryfikacji, mającym na celu zapewnienie zgodności z przepisami i bezpieczeństwa.

Sean Neville, współzałożyciel Catena Labs, zwraca uwagę na fundamentalne braki w standardach interoperacyjności. „To bardzo wczesne dni w szybko rozwijającej się dziedzinie, ale brakuje pewnych podstawowych elementów, przynajmniej w postaci standardów lub najlepszych praktyk związanych z interoperacyjnością i komunikacją” – zauważa. Przypomina, że w początkach internetu nie istniał e-commerce, bo brakowało protokołu HTTPS i możliwości bezpiecznych transakcji. „Potrzebne są te podstawowe elementy, a teraz one istnieją w internecie i nawet o nich nie myślimy”.

Coraz więcej przedsiębiorstw i dostawców platform AI tworzy serwery MCP, rozwijając systemy wieloagentowe, które komunikują się z zewnętrznymi agentami. MCP umożliwia identyfikację agenta, co pozwala serwerowi określić dostępne narzędzia i dane. Jednakże, wiele instytucji finansowych oczekuje większych gwarancji kontroli nad integracją i pewności, że udostępniane będą wyłącznie zatwierdzone zadania, narzędzia i informacje.

John Waldron, wiceprezes Elavon (spółki zależnej U.S. Bank), w rozmowie z VentureBeat podkreśla, że choć jego firma bada zastosowanie MCP, wciąż pojawia się wiele pytań dotyczących standardu. „Nie ma wielu wyłaniających się standardowych rozwiązań, więc wciąż badamy wiele sposobów, w tym być może połączenie bez wymiany MCP, jeśli technologia agentów jest wspólna dla obu i są to tylko dwie różne domeny” – mówi Waldron. „Ale jaka jest identyfikowalność wymiany danych bez dodatkowej ekspozycji w tej wiadomości? Wiele z tego, co dzieje się obecnie w ocenie MCP, polega na ustaleniu, czy protokół obsługuje tylko wymianę i nie zapewnia dalszego wycieku ryzyka. Jeśli tak, to jest to realna ścieżka, którą będziemy badać do obsługi tej wymiany”.

Model a agent: istotna różnica

Instytucje finansowe od dawna wykorzystują modele AI. Popularność tak zwanych robo-doradców, gdzie algorytmy autonomicznie podejmowały decyzje dotyczące planowania finansowego i inwestycji, znacząco przyczyniła się do wzrostu inwestowania pasywnego. Wiele banków i zarządców aktywów wcześnie zainwestowało w przetwarzanie języka naturalnego w celu usprawnienia analizy dokumentów.

Jednak Greg Jacobi, wiceprezes i dyrektor generalny ds. rozwiązań i strategii dla sektora bankowego w Salesforce, wskazuje, że niektórzy z jego klientów finansowych, którzy posiadają już proces oceny modeli, napotykają trudności z integracją modeli i agentów AI z obecnymi scenariuszami ryzyka.

„Uczenie maszynowe i modele predykcyjne dobrze pasowały do tej ramy ryzyka, ponieważ są deterministyczne i przewidywalne” – wyjaśnia Jacobi. „Firmy te natychmiast przeniosły duże modele językowe (LLM) do swoich komitetów ds. ryzyka modeli i stwierdziły, że LLM generują niedeterministyczne wyniki. To stało się kryzysem egzystencjalnym dla tych firm świadczących usługi finansowe”.

Według Jacobiego, w ramach zarządzania ryzykiem tych firm, oczekuje się, że przy danych wejściowych modele zawsze generują te same wyniki. Wszelkie odchylenia są traktowane jako problem, co wymaga metod kontroli jakości. I choć regulowane firmy z powodzeniem wdrażają API z całym związanym z tym testowaniem, większość obawia się 'otwartości’, czyli udostępniania czegoś tak publicznego, czego nie mogą kontrolować.

Waldron z Elavon nie wyklucza jednak możliwości, że instytucje finansowe w przyszłości zdecydują się na wsparcie MCP lub A2A. „Patrząc z perspektywy biznesowej i popytu, uważam, że MCP jest kluczowym elementem kierunku, w którym zmierza logika biznesowa” – podsumowuje. Jego zespół wciąż jest na etapie oceny i „nie zbudował jeszcze serwera do celów pilotażowych, ale będziemy szukać sposobu na obsługę wymiany wiadomości między botami”.

Agent nie uwierzytelni agenta: wyzwania KYC

Neville z Catena Labs z dużym zainteresowaniem obserwuje dyskusję wokół protokołów interoperacyjności, takich jak MCP i A2A. Jest przekonany, że w przyszłości agenci AI będą dla banków tak samo istotnymi klientami, jak konsumenci-ludzie. Przed założeniem Catena Labs, Neville współzałożył Circle, firmę odpowiedzialną za stablecoin USDC, posiada więc doświadczenie w wprowadzaniu nowych technologii w sektorach regulowanych.

Jako otwarte źródło, MCP jest w fazie ciągłych aktualizacji. Neville podkreśla, że choć MCP oferuje identyfikację agenta, co jest kluczowe dla wielu firm, nadal brakuje pewnych funkcji, takich jak mechanizmy kontroli komunikacji i, co najważniejsze, ścieżki audytu. Problemy te mogą zostać rozwiązane poprzez MCP, A2A, a nawet zupełnie inny standard, jak LOKA.

Jednym z największych problemów obecnego MCP jest, zdaniem Neville’a, kwestia uwierzytelniania. Gdy agenci stają się częścią systemu finansowego, nie ma realnego sposobu na przeprowadzenie procedury 'Poznaj Swojego Klienta’ (KYC) na agentach. Neville podkreśla, że instytucje finansowe muszą mieć pewność, że ich agenci współpracują z licencjonowanymi podmiotami, co wymaga weryfikowalnej tożsamości agenta. „Musimy mieć sposób, aby agent mógł powiedzieć: 'Oto kim jestem jako agent, to jest moja tożsamość, moje ryzyko i w czyim imieniu działam’. Taka weryfikowalna tożsamość, zrozumiała dla wszystkich różnych struktur agencyjnych, byłaby kluczowa” – konkluduje.