Jak AI modernizuje kredyty obok starszych systemów bankowych bez ich wymiany

Każda ingerencja w centralny system banku budzi obawy zespołu inżynieryjnego. Starsze rozwiązania są sztywne, więc przeprowadzenie pojedynczej zmiany może zająć miesiąc. Najbardziej odczuwa to obszar kredytów, będący jednym z głównych źródeł dochodów banku.

Każdy, kto wdrażał nową wersję w centralnym systemie bankowym, zna ten schemat: nowy produkt wymaga nowego poziomu zatwierdzania, poprawionej listy dokumentów, zmodyfikowanej reguły punktacji i zaktualizowanego strumienia raportowania, a każdy z tych elementów dotyka kodu działającego od dziesięcioleci.

W rezultacie nowe produkty i aktualizacje są odkładane nawet wtedy, gdy wszyscy zgadzają się, że są potrzebne: ryzyko błędu zawsze przeważało nad ryzykiem czekania. A właściwie tak było dawniej, ponieważ dziś pozostawanie w tyle za zmianami technologicznymi stało się znacznie większym zagrożeniem.

Wyobraźmy sobie jednak oddzielną platformę kredytową konfigurowaną przez AI i wdrożoną obok systemu centralnego. Nowe procesy kredytowe działają niezależnie i łączą się z systemem centralnym przez integracje. W ten sposób zmiany w infrastrukturze kredytowej stają się serią małych, przetestowanych wersji, a błędy wychodzą na jaw podczas testów, zanim dotkną rzeczywistego kredytobiorcę. Czy mogłoby to zmniejszyć obciążenie zespołów inżynieryjnych?

Popyt rośnie szybciej, niż mogą zmieniać się starsze systemy centralne

Według The Business Research Company rynek oprogramowania do udzielania kredytów ma rosnąć do 2030 r. w skumulowanym tempie 11,8% rocznie. Dla porównania jest to prawie takie samo tempo jak na szerszym rynku oprogramowania dla przedsiębiorstw, zgodnie z prognozami Technavio. Warto o tym pamiętać, ponieważ kredyty są zwykle najbardziej odporną na zmiany częścią infrastruktury technologicznej banku.

Jednym z czynników wzrostu jest sztywność starszych systemów centralnych, która spowalnia zmiany w obszarze kredytów. Banki i fintechy coraz częściej kupują narzędzia pozwalające wdrażać produkty kredytowe wokół systemu centralnego bez wielomiesięcznego oczekiwania na zatwierdzenie niewielkiej aktualizacji.

Zespoły inżynieryjne wiedzą, że jeden błąd może być bardzo kosztowny. W kwietniu 2018 r. TSB Bank przeniósł dane klientów na nową platformę, która przestała działać natychmiast po uruchomieniu. Znaczna część klientów utraciła dostęp do usług bankowych, a bank poniósł poważne straty. Wiele zespołów inżynieryjnych nadal przywołuje ten przypadek podczas planowania nowej wersji systemu centralnego.

Co więcej, w kredytach błędy trafiają bezpośrednio do bilansu. Źle skonfigurowany próg zatwierdzenia akceptuje kredyty, które należało odrzucić, albo odmawia kredytobiorcom spełniającym warunki. Każdy z tych błędów przekłada się w ciągu kilku tygodni na straty lub utracone przychody.

Gdzie AI daje największą przewagę w kredytach

Banki zwykle zaczynają wdrażać AI od najbardziej znanych i pozornie bezpiecznych integracji: chatbotów i asystentów obsługi w interfejsie klienta. Kredytodawca dodający chatbota przyjmuje jednak mniej oczywiste ryzyko. Modele generatywne czasami udzielają błędnych odpowiedzi z pełnym przekonaniem. W badaniu AI Impact Survey 2026 firmy Grant Thornton tylko 18% kadry kierowniczej banków stwierdziło, że w pełni ufa swoim mechanizmom kontroli AI.

Przewaga AI w kredytach wynika z szybkości, z jaką kredytodawca może zmieniać wszystko, co otacza decyzję kredytową. Sama decyzja pozostaje w gestii zatwierdzonych modeli punktowych i komitetów kredytowych.

Szybkość zawsze miała wartość handlową. Zmiana infrastruktury kredytowej w starszym systemie centralnym wymaga od 12 do 18 miesięcy pracy inżynieryjnej, a nowe wdrożenia są wstrzymane przez cały ten okres. Pełna wymiana systemu centralnego trwa od trzech do pięciu lat. W tym czasie kredytobiorcy składają wnioski gdzie indziej.

W raporcie Rezerwy Federalnej z 2026 r. o firmach zatrudniających pracowników stwierdzono, że odsetek amerykańskich małych przedsiębiorstw ubiegających się o kredyt, które szukały finansowania u internetowych kredytodawców fintech, wzrósł z 17% w 2020 r. do 29% w 2025 r., a wiele firm wskazywało szybsze decyzje jako powód.

AI zaczyna od wymagania biznesowego

Zamiast prowadzić analizy lub uczestniczyć w decyzjach kredytowych, AI może wnieść ogromną wartość do prac konfiguracyjnych pomagających uruchamiać i aktualizować produkty kredytowe. Dane wejściowe stanowi wymaganie biznesowe zapisane przez właścicieli produktu. Zespół kredytowy opisuje, czego potrzebuje: kto może złożyć wniosek, jakie dokumenty są wymagane, jakie obowiązują poziomy zatwierdzania, jakie dane trafiają do punktacji, co jest raportowane i kiedy.

AI przekształca każdy punkt w konfigurację platformy: kryteria kwalifikacji, listę dokumentów, proces zatwierdzania z jego poziomami, połączenia ze źródłami danych wykorzystywanymi w punktacji oraz harmonogram raportowania. W starszym systemie centralnym inżynierowie budują każdy z tych elementów ręcznie, a każda zmiana przechodzi pełny cykl wydania. Dzięki AI produkt powstaje funkcja po funkcji na wspólnej podstawie. Zespoły inżynieryjne i zgodności przeglądają i testują każdą zmianę przed uruchomieniem oraz zachowują ostateczne zatwierdzenie.

Wymaganie może być całkowicie niezależne od istniejącego systemu centralnego. AI nie musi czytać ani interpretować jego logiki, więc kredytodawca może określić produkt, którego obecny system nigdy nie miał obsługiwać. Dwie dekady nieudokumentowanego kodu pozostają nietknięte.

Nowy proces kredytowy działa na oddzielnej platformie wdrożonej obok systemu centralnego. Oba rozwiązania łączą się przez integracje, a system centralny zachowuje swoje dotychczasowe dane i funkcje. Przed uruchomieniem nowego produktu nie trzeba przepisywać żadnej części jego kodu.

Budowanie na danych dostępnych dzisiaj

Wiele bankowych projektów AI zatrzymuje się jednak na danych. Ogromna baza danych nie jest naprawdę potrzebna: dobrze ją mieć, ale nie jest konieczna. AI opracowuje reguły oceny kredytowej i wymagania dotyczące danych na podstawie dostępnych źródeł, a zespół ryzyka zatwierdza je przed uruchomieniem czegokolwiek. Gdy brakuje źródła, system określa sposób zebrania danych: informacje od kredytobiorcy, informacje od poręczyciela, dokumenty obowiązkowe i możliwe do przesłania oraz zewnętrzne źródła danych.

Ten proces „budowania danych” pomaga bankom i fintechom rozszerzać ich rzeczywisty zasób danych wraz z brakami, a założenia dostawców dotyczące tego, co powinno być już gromadzone, przestają kierować projektem.

Gotowość danych przestaje być warunkiem wstępnym uruchomienia produktu kredytowego i staje się częścią tego samego etapu konfiguracji.

Zmiana produktu a zmiana systemu centralnego

Dla większości kredytodawców praktyczne pytanie brzmi, czy można uruchamiać nowe produkty kredytowe i dostosowywać istniejące, gdy trwa wieloletnia migracja systemu centralnego. Oddzielna platforma kredytowa skonfigurowana przez AI na podstawie wymagań biznesowych odpowiada na to pytanie. Kredytodawca może co kwartał wprowadzać i dostosowywać produkty kredytowe, podczas gdy program systemu centralnego realizuje własny harmonogram. W tym rozdzieleniu AI udowadnia dziś swoją wartość w kredytach.