Agentic AI ve financích: Jak datové lídry jsou škálovatelně bezpeční

Ačkoli se evropští datové lídři ve finančních službách snaží zavádět a škálovat nástroje AI, jsou omezováni dodržováním předpisů, řízením rizik a výzvou prokazovat hmotnou hodnotu. Podle našeho CDO Insights 2025 survey uvádí více než 97 % globálních datových lídrů, že mají potíže jasně prokázat obchodní hodnotu generativní AI. A zatímco 87 % plánuje urychlit investice do AI, 67 % připouští, že převedly méně než polovinu svých pilotních projektů AI do plnohodnotné implementace.

Jedním z největších překážek je získání souhlasu vedení. Více než jedna třetina (35 %) uvádí, že získání podpory a prokázání hodnoty je klíčovou výzvou, která brání rozšiřování AI. To znamená, že mnoho z nich zůstává v pozici čekání, váhajících se zavázat k širšímu rozšiřování bez měřitelných důkazů.

Tato váhavost je v ostrém kontrastu s potenciálem technologie. McKinsey odhaduje, že AI a analytika mohou přinést až 1 bilion dolarů additional roční hodnoty globálnímu bankovnictví, zatímco generativní AI sama o sobě může přispět až 340 miliard dolarů k provoznímu zisku. Je to příležitost příliš významná, aby byla ignorována – ale musí být přístupována způsobem, který zajišťuje dodržování předpisů, buduje důvěru a generuje prokázané výnosy.

Cesta vpřed

Přes značné překážky existují organizace po celé Evropě a ve zbytku světa, které postupují ve svém rozšiřování AI, zkoumají, jak mohou sklízet výnosy z agentních agentů. Ty, které pohybují jehlou, nedělají to tím, že se vrhají do komplexních, dlouhodobých nasazení. Místo toho přijímají měřený přístup: začínají malými, budují důvěru, prokazují hodnotu a škálovat pouze tehdy, když technologie prokáže svou účinnost.

Nejpodařenější nasazení AI se nestávají přes noc. Začínají malými, vysoce dopadajícími kroky, které budují důvěru a přinášejí výsledky. Zde jsou tři kroky, jak začít.

1. Použijte AI k čištění dat před škálováním

I s souhlasem dodržování předpisů jsou systémy AI pouze tak silné, jako jsou data, na kterých jsou postaveny. Špatná kvalita dat podkopá přesnost, efektivitu a důvěru. Ve skutečnosti 43 % datových lídrů uvádí, že problémy s daty jsou jejich největší překážkou pro škálování generativní AI.

Povzbudivě, AI sama může pomoci vyřešit tyto problémy s daty. Ve finančních službách například některé firmy používají nástroje AI k očištění dat o pohledávkách, odstranění duplikátů, opravě zastaralých záznamů a vyřešení nesouladů. Jakmile jsou data zarovnána a spolehlivá, společnosti mohou automatizovat následné kroky, zlepšit peněžní tok a operovat s větší důvěrou ve svých AI poháněných informacích. To je také jeden z top investičních priorit. 86 % datových lídrů plánuje zvýšit výdaje na správu dat, přičemž téměř polovina z nich uvádí, že jejich primárním motivátorem je učinit data vhodná pro AI.

2. Začněte s zaměřenými executor agentami

Nasazení úzkých účelových “executor” agentů je jedním z nejrychlejších způsobů, jak získat měřitelné výhry. Tyto agenti jsou navrženy pro zpracování velmi specifických, jasně definovaných úkolů, jako je sestavení souhrnů schůzek, zpracování standardních transakcí nebo kategorizace příchozích zákaznických dotazů.

Protože executor agenti jsou přímočařejší k monitorování, produkují výstupy, které jsou jasně stopovatelné a snazší k ověření pro přesnost. To nejen snižuje provozní riziko, ale také poskytuje časná důkazní body pro stakeholdery, pomáhající zajistit souhlas pro širší přijetí.

Jakmile je prokázán úspěch s agentkami pro jeden úkol, organizace mohou zavést složitější agentic struktury, jako jsou plánovači a orchestrátoři, pro zpracování vícekrokových pracovních postupů.

3. Zefektivněte compliance reportování prostřednictvím automatizace

Compliance je vysoce náročná oblast ve finančních službách. Regulační reportování často vyžaduje shromažďování a vyrovnávání dat z více zdrojů, proces, který může spotřebovat stovky hodin a spoléhat se na malou skupinu školených specialistů. AI vyniká zde, poskytujíc vynikající výchozí bod pro testování a škálování technologie.

Jakmile jsou základní data vyčištěna a strukturována, AI může převzít některé z náročných úkolů. Například generování BCBS 239-kompatibilních zpráv může být částečně automatizováno pomocí mapování metadat v kombinaci s agentic AI modely. Tyto systémy mohou produkovat přesné první návrhy, které jsou poté přezkoumány compliance úředníky, snižují dobu zpracování, zatímco udržují kontrolu kvality.

Potenciál zde je značný. McKinsey zdůrazňuje jeden globální banku, který dosáhl produktivity zisků 200 % až 2 000 % v procesech KYC (Know Your Customer) přijetím “AI agent factory” přístupu. Uchovali lidskou kontrolu, ale automatizovali nejvíce časově náročné kroky.

Lekce z datové cesty multinárodní banky

Jedna nizozemská multinárodní banka uznala důležitost budování datových základů pro úspěch AI. Uznala důležitost správy dat, učinila z toho prioritu. Investovala do správných organizačních procesů, aby umožnila dodání ve velkém měřítku, činila úmyslné volby, aby vybavila týmy. A dala týmům jasnou směr a silnou mezifunkční spolupráci, aby uspěly. Tato kombinace důvěryhodných dat, vybavených týmů a jasných strategických směrů je to, co umožňuje AI dodávat obchodní hodnotu — ne pouze technologické výsledky.

Stavění hybnosti bez ztráty kontroly

S 76 % finančních služeb firem plánujících nasazení agentic AI řešení v příštích 12 měsících, hybnost roste. Je však zřejmé, že nejúspěšnější organizace nevrhají do plnohodnotné transformace. Strategicky nasazují AI, zaměřují se na malé, uzavřené případy použití, které dodávají měřitelnou hodnotu a zlepšují provozní efektivitu. Zároveň začleňují řízení do každé fáze, zajišťují, aby compliance týmy byly zapojeny brzy a často.

Přijetím tohoto postupného přístupu mohou firmy urychlit přijetí AI, aniž by obětovaly důvěru nebo soulad s předpisy, měnící “začínající malé” z vnímané omezení na úmyslnou, prokázanou růstovou strategii. V přijetí AI záleží na rychlosti, ale bezpečnost a škálovatelnost záleží více. Finanční instituce, které začínají malé, prokazují hodnotu a škálovat s důvěrou, budou ty, které nejlépe využijí trilliondollarový potenciál AI.