Organizacja AI-ready zaczyna się od procesów

Miejsce sztucznej inteligencji w strategiach instytucji finansowych i ubezpieczeniowych jest już dobrze ugruntowane. Coraz więcej firm bada jej możliwości, ale przejście od pilotaży do wykorzystania w codziennej pracy nadal wiąże się z określonymi przeszkodami. W wielu organizacjach dostęp do modeli i narzędzi przestaje być główną barierą. Większym wyzwaniem jest ich osadzenie w danych, procesach i modelu operacyjnym. Kluczowe pytanie brzmi więc nie tyle, czy wdrażać AI, ale jak zrobić to w sposób, który przyniesie wymierną wartość.

Z perspektywy dostawcy technologii od lat współpracującego z sektorem finansowym, widzimy wyraźnie, że organizacje dobrze rozumieją potencjał sztucznej inteligencji. AI od kilku lat nie schodzi z agendy, postrzegana jako jeden z kluczowych driverów innowacji. Mimo to, w praktyce jej wykorzystanie wciąż jest ograniczone. Coraz jaskrawiej widać, że problemem nie jest już dostęp do narzędzi, lecz umiejętność osadzenia AI w rzeczywistym cyklu życia procesów biznesowych, tak aby rzeczywiście wpływała na usprawnienie codziennych operacji. Innymi słowy, to nie kwestia braku AI, ale braku procesów gotowych na jej wykorzystanie.

Co ważne, dotyczy to nie tylko samego etapu ich realizacji, ale również projektowania i konfiguracji. Narzędzia AI mogą bowiem z powodzeniem wspierać organizacje zarówno w budowie procesów, jak i w ich późniejszej obsłudze, automatyzując decyzje czy operacje. To właśnie ta podwójna rola staje się, w naszej perspektywie, fundamentem organizacji gotowej na AI.

Dlatego w tym artykule przyjrzymy się między innymi temu, jak te założenia przekładają się na możliwości wykorzystania AI w przykładowych procesach w analityce bankowej oraz pracy brokera.

Strategiczny priorytet i co dalej?

Z raportu Gartner Current State of AI in Finance na 2025 rok wyłania się obraz sektora, w którym tempo wdrażania sztucznej inteligencji wyraźnie spowolniło po okresie uprzedniej intensywnej adopcji. Nie dzieje się tak dlatego, że opadł entuzjazm. Wręcz przeciwnie. Gartner zaznacza, że wśród liderów, którzy zadeklarowali wdrożenie AI, optymizm jest dziś wyższy niż kiedykolwiek. Wyhamowanie powodowane jest przez inne czynniki, które są zaskakująco spójne w różnych instytucjach i na różnych rynkach. Przede wszystkim chodzi o jakość i dostępność danych, lukę kompetencyjną oraz, w przypadku organizacji, które dopiero przymierzają się do wdrożenia sztucznej inteligencji, widoczny sceptycyzm i trudności w uzyskaniu kulturowej akceptacji dla AI¹.

Coraz częściej eksperci wskazują również na brak jasno określonych wskaźników sukcesu wdrożeń. Oznacza to, że organizacje uruchamiają rozwiązania AI, ale wiele z nich ma problem z jednoznaczną oceną ich wpływu na efektywność procesów, jakość podejmowanych decyzji czy ostateczne koszty operacyjne.

Z naszego doświadczenia wynika, że jednym z kluczowych problemów w organizacjach jest także trudność w efektywnym powiązaniu AI z istniejącymi procesami.

W rezultacie wiele instytucji finansowych wciąż tkwi na etapie pilotaży i eksperymentów. Rozwiązania sztucznej inteligencji są testowane i prezentowane, ale stosunkowo rzadko przenikają do rdzenia operacyjnego organizacji. Sektor finansowy wchodzi tym samym w kolejną, ale niezwykle ważną fazę transformacji, w której o sukcesie decyduje nie samo wdrożenie technologii, ale także umiejętność jej efektywnego wykorzystania tak, aby przynosiła realną wartość w codziennej pracy.

Fałszywa obietnica „wtyczki AI”

To dość powszechny symptom myślenia o sztucznej inteligencji jako o gotowym komponencie, który można podłączyć do istniejącej struktury i czekać na rezultaty.

Tymczasem praktyka wdrożeń pokazuje, że AI przynosi największe efekty tam, gdzie procesy są dobrze ustrukturyzowane i powtarzalne. Gdzie istnieją jasne reguły, precyzyjnie zdefiniowane role i punkty decyzyjne. Tam, gdzie zaprojektowane są efektywne przepływy i transparentne wskaźniki pozwalające obiektywnie ocenić efekt automatyzacji. To właśnie w takich przypadkach najłatwiej jest skalować wykorzystanie AI.

Warto przy tym zaznaczyć, że w obszarach wysokiej niepewności, takich jak analiza nieustrukturyzowanych dokumentów czy interakcje z klientem, AI potrafi tworzyć wartość nawet przy mniejszym stopniu standaryzacji.

Sztuczna inteligencja nie zastępuje więc świadomego projektowania procesów. Jednak wzmacnia je, a także wspiera ich tworzenie. I właśnie w tym obszarze AI otwiera wspomniany, nierzadko pomijany wymiar swojej wartości, mogąc aktywnie wspierać etap projektowania i budowy rozwiązań, skracając czas między analizą wymagań a działającym systemem, co czyni tę sferę jeszcze bardziej dostępną także dla osób spoza IT.

Proces jako punkt wyjścia

W branżach bankowej i ubezpieczeniowej procesy mają szczególny charakter. Są złożone, wieloetapowe i silnie osadzone w kontekście regulacyjnym. Obejmują różnorodne aspekty, takie jak decyzje kredytowe, procesowanie roszczeń, działania związane z compliance oraz obsługą klienta, które często są rozproszone pomiędzy wieloma systemami i zespołami. To prowadzi do naturalnej specjalizacji rozwiązań AI, gdzie różne ich typy znajdują zastosowanie na różnych poziomach funkcjonowania organizacji.

W praktyce obserwujemy, że największe efekty pojawiają się tam, gdzie AI przejmuje konkretne, jasno zdefiniowane zadania w procesie, takie jak analiza dokumentów czy weryfikacja danych. Dzięki temu użytkownicy są odciążeni, a czas realizacji poszczególnych kroków ulega skróceniu.

W tak złożonych środowiskach, jak sektor finansów często pojawia się też napięcie między potrzebą automatyzacji a koniecznością zachowania kontroli, zgodności i transparentności. Oznacza to, że musimy jednocześnie zarządzać efektywnością i ryzykiem, zwłaszcza w kontekście audytowalności decyzji podejmowanych z udziałem AI oraz zgodności z regulacjami.

Wdrożenie to dopiero początek

Przez ponad dwie dekady współpracy z instytucjami finansowymi nauczyliśmy się, że kluczowym elementem skutecznej realizacji projektów jest odpowiednia metodyka.

Dlatego każde wdrożenie rozpoczynamy od dokładnej analizy: porównujemy możliwości platformy i narzędzi AI z rzeczywistymi wymaganiami organizacji i tworzymy precyzyjną mapę tego, co można uruchomić od razu, co wymaga konfiguracji, a co powinno zostać zaprojektowane indywidualnie. Realizacja przebiega w sposób iteracyjny. Rozpoczynamy od kluczowych ścieżek procesu, które przynoszą największą wartość operacyjną, a następnie przechodzimy do kolejnych iteracji, które rozszerzają zakres i pogłębiają automatyzację.

Takie podejście pozwala na stopniowe budowanie wartości oraz jej mierzenie, na przykład poprzez czas realizacji procesu, poziom automatyzacji poszczególnych kroków czy redukcję pracy manualnej. Wdrożenie nie jest projektem zamkniętym w czasie. Rozwija się razem z organizacją i pozostaje elastyczne wobec zmieniających się regulacji, produktów i oczekiwań klientów.

Łączymy procesy z AI

Przełożeniem są konkretne rozwiązania architektoniczne w platformie Ferryt, w których sztuczna inteligencja może być obecna zarówno na etapie projektowania procesów, jak i ich realizacji operacyjnej. Oznacza to odejście od traktowania AI jako odrębnej warstwy na rzecz jej osadzenia w logice systemów procesowych.

W fazie projektowania AI może wspierać przekładanie wymagań biznesowych na implementację systemową. Dotyczy to m.in. generowania elementów logiki procesów czy komponentów interfejsu, co skraca dystans między koncepcją a wdrożeniem i ułatwia zaangażowanie osób posiadających wiedzę biznesową. Znajduje to odzwierciedlenie w obszarze Ferryt AI Composer, który jeszcze mocniej wspiera ten etap dla tzw. citizen deweloperów.

Z kolei w fazie operacyjnej rozwiązania AI działają bezpośrednio w kontekście procesu. Oznacza to dostęp do aktualnych danych sprawy, historii klienta czy powiązanych dokumentów oraz możliwość realizacji konkretnych, ograniczonych zadań – takich jak analiza informacji, weryfikacja danych czy wsparcie decyzji. W tym obszarze wykorzystuje się m.in. podejście określane jako Agentic AI, obecne również w platformie Ferryt, gdzie takie mechanizmy są osadzane w poszczególnych krokach procesu.

Potencjał AI w procesach bankowych i ubezpieczeniowych

Zastosowanie AI na poziomie procesów jest pragmatyczne i przyjmuje formę wsparcia w określonych zadaniach, poprzez zestaw funkcji uruchamianych w określonych momentach procesu i działających w oparciu o jego kontekst.

Wsparcie analityka w pracy z danymi i dokumentami

Jednym z najbardziej naturalnych obszarów zastosowania AI jest praca z dokumentami i danymi w procesach operacyjnych. W takich scenariuszach sztuczna inteligencja pełni zazwyczaj dwie uzupełniające się role – bezpośredniego wsparcia użytkownika oraz automatycznego przetwarzania informacji.

Z jednej strony może funkcjonować jako kontekstowy asystent (chatbot), który ułatwia wyszukiwanie informacji, odpowiada na pytania dotyczące dokumentów czy warunków ofertowych oraz wspiera użytkownika w poruszaniu się po dostępnych danych.

Z drugiej strony może być wsparciem w analizie dokumentów poprzez odczytywanie danych, porównywanie informacji pomiędzy dokumentami czy identyfikowanie niespójności. W praktyce szczególnie przydatna okazuje się także możliwość wskazywania konkretnych zapisów w treści dokumentu, co usprawnia pracę i skraca czas realizacji poszczególnych kroków.

Wsparcie pracy brokera w obsłudze klienta

Podobny potencjał obserwujemy w procesach związanych z obsługą klienta przez brokerów ubezpieczeniowych, umożliwiając wsparcie pełnej ścieżki pracy z klientem – od analizy posiadanych polis, przez identyfikację zakresu ochrony i ryzyk, aż po przygotowanie rekomendacji i nowej oferty. W centrum tego podejścia lokujemy dedykowane mechanizmy AI zintegrowane z rozwiązaniem wspierającym codzienną pracę użytkownika.

W praktyce oznacza to szybkie przeszukiwanie bazy wiedzy i dokumentów produktowych, dzięki czemu broker może sprawnie uzyskiwać odpowiedzi na pytania dotyczące zakresu ubezpieczenia, warunków produktu czy dostępnych wariantów oferty.

Równolegle AI może wspierać automatyczną analizę wgranych dokumentów poprzez odczytywanie danych z polis, identyfikowanie danych klienta, parametrów ochrony, a także rozpoznawanie różnych ryzyk zawartych w jednym dokumencie.

W takim podejściu istotne jest także wykorzystanie danych wyodrębnionych przez AI do automatycznego przeszukiwania bazy produktów, porównywania dostępnych wariantów oraz przygotowania rekomendacji dopasowanej do potrzeb klienta. Oznacza to przejście od dokumentu wejściowego do gotowej propozycji w uporządkowanym, wspieranym przez AI procesie. Dzięki temu, zadania, które wymagają pracy na wielu źródłach informacji, mogą być realizowane szybciej, w bardziej uporządkowany sposób i z większą powtarzalnością.

Istotnym aspektem tego typu rozwiązań pozostaje także bezpieczeństwo danych. Wykorzystanie lokalnych modeli AI, które oferuje także platforma Ferryt, pozwala połączyć wysoką efektywność procesową z większą kontrolą nad przetwarzaniem informacji.

Podsumowując, skuteczne wdrożenie sztucznej inteligencji w sektorze finansowym nie zależy dziś od samego dostępu do technologii, lecz od zdolności organizacji do jej osadzenia w procesach biznesowych. To właśnie proces, a konkretnie jego jakość, struktura i mierzalność są fundamentem budowy organizacji gotowej na AI.

Praktyka pokazuje, że największą wartość przynosi podejście ewolucyjne – integracja AI z konkretnymi zadaniami, stopniowe skalowanie rozwiązań oraz ciągłe mierzenie efektów. Równocześnie niezwykle ważne jest zachowanie równowagi między automatyzacją a kontrolą w środowisku regulowanym.

Ostatecznie przecież AI nie jest dodatkiem do istniejących struktur, lecz elementem, który powinien być w nie świadomie wbudowany.

____________________

DomData S.A.

DomData to polska firma technologiczna specjalizująca się w tworzeniu i wdrażaniu systemów wspierających zarządzanie procesami biznesowymi w sektorze finansowym. Od ponad 20 lat realizuje projekty, koncentrując się na automatyzacji, digitalizacji oraz zwiększaniu efektywności operacyjnej. Rozwiązania DomData łączą wiedzę domenową z nowoczesnymi technologiami, wspierając organizacje w budowie skalowalnych i elastycznych modeli operacyjnych.

https://domdata.pl/

home@domdata.com

Data publikacji: 11 maja 2026