Koniec technologicznego długu. Jak M&T Bank wdrożył AI bez ryzyka halucynacji
Transformacja cyfrowa w sektorze bankowym często kończy się na efektownych komunikatach prasowych, pod którymi kryją się przestarzałe systemy mainframe. Przypadek M&T Banku pokazuje inną drogę. Instytucja sfinalizowała proces technologicznego przeobrażenia od podstaw, wdrażając asystentów AI w codzienną pracę ponad 15 tysięcy pracowników. Nie jest to jedynie eksperyment w dziale IT, ale szeroka ofensywa obejmująca obsługę klienta, zarządzanie ryzykiem i cyberbezpieczeństwo.
Dlaczego to ważne właśnie teraz? Globalny sektor bankowy ściga się w optymalizacji kosztów, ale M&T udowadnia, że bez uporządkowania danych („data lineage”) i odzyskania kontroli nad procesami, AI staje się jedynie kosztowną zabawką. Bank skupił się na fundamentach, co pozwoliło mu na bezpieczną implementację generatywnej sztucznej inteligencji, podczas gdy inne instytucje wciąż walczą z brakiem spójności informacji w swoich bazach.
Od outsourcingu do własnej inżynierii
Fundamentem dzisiejszych sukcesów banku była decyzja podjęta w 2018 roku, kiedy to rozpoczęto walkę z technologicznym długiem. Wówczas ponad połowę specjalistów IT stanowili pracownicy zewnętrzni, co ograniczało kontrolę nad rozwojem systemów. Dziś proporcje te uległy odwróceniu – 80% z 2000 technologów to pracownicy wewnętrzni, operujący w ramach ponad 300 zwinnych zespołów. Ta zmiana kadrowa przyniosła wymierne efekty operacyjne: liczba awarii systemowych spadła o 80%, a częstotliwość wdrażania aktualizacji wzrosła trzykrotnie, osiągając poziom 65 tysięcy wdrożeń rocznie.
Architektura danych jako warunek konieczny
Andrew Foster, pełniący funkcję chief data officer, podkreśla, że kluczem do bezpiecznego wdrożenia generatywnej sztucznej inteligencji nie był sam wybór modelu, lecz zrozumienie pochodzenia danych. Jak wskazuje Foster w wywiadzie dla CDO Magazine, bank wykorzystuje architekturę RAG (Retrieval-Augmented Generation), aby „ograniczyć dane, na których trenowane są modele generatywnej AI, do wewnętrznych, nadzorowanych zasobów”. Dzięki stworzeniu precyzyjnej mapy przepływu informacji, narzędzia takie jak Microsoft Copilot operują na zweryfikowanych źródłach, co minimalizuje ryzyko halucynacji czy wycieku wrażliwych informacji.
Efektywność mierzona w minutach
Wdrożenie AI w centrach kontaktu M&T Banku przyniosło natychmiastową korzyść: automatyczne podsumowania rozmów skracają czas obsługi każdego połączenia średnio o sześć minut. To potężna oszczędność, która pozwala konsultantom skupić się na rozwiązywaniu problemów, a nie na żmudnej dokumentacji. Skalę adopcji najlepiej oddają liczby: około 16 tysięcy pracowników z 22-tysięcznej załogi już teraz wykorzystuje generatywną sztuczną inteligencję do tworzenia szkiców e-maili i raportów. Jednocześnie bank utrzymuje rygorystyczne podejście do odpowiedzialności – to człowiek pozostaje ostatecznym gwarantem poprawności każdej treści wygenerowanej przez algorytmy.
Kontekst rynkowy i przyszłość agentów
M&T Bank nie jest odosobniony w tym wyścigu. JPMorgan Chase udostępnił własną platformę LLM Suite ponad 200 tysiącom pracowników, a Bank of America chwali się systemem EricaAssist, który dostarcza wskazówek kontekstowych w czasie krótszym niż trzy sekundy. To, co wyróżnia M&T, to trójtorowa strategia: korzystanie z gotowych narzędzi biurowych, eksploatacja funkcji AI wbudowanych w oprogramowanie firm trzecich oraz budowa własnych, zastrzeżonych systemów do wykrywania oszustw. W świecie, gdzie technologia staje się towarem, przewagą banku ma być nie sama AI, ale precyzja, z jaką została ona zintegrowana z unikalnymi procesami biznesowymi instytucji.
