Sztuczna inteligencja dokończy to, co rozpoczęły neobanki — a tradycyjne banki nie zobaczą, co nadchodzi

Wzorzec, który każda zakłócona branża naśladuje

Istnieje wzorzec, w jaki ugruntowane branże reagują na przełomy technologiczne. Najpierw obserwują z bezpiecznej odległości. Następnie wahają się, powołując się na złożoność lub regulacje. Ostatecznie przyjmują nowe rozwiązania, ale gdy to robią, klienci, których warto utrzymać, już odeszli.

Bankowość przechodzi właśnie przez taki moment, a sztuczna inteligencja jest tym, co uczyni go nieodwracalnym.

Jak neobanki przesunęły słupki

Przez lata dryf klientów korporacyjnych o wysokich umiejętnościach technicznych od tradycyjnych banków był powolny i łatwy do zignorowania. Neobanki podkopywały się pod brzegi dzięki lepszym UX, szybszemu wdrożeniu, czystszym interfejsom. Ale duże banki zawsze mogły powołać się na stabilność, długoterminowe relacje i bezwładność zakupów przedsiębiorstw, aby utrzymać swoją pozycję.

Ten argument jednak powoli traci swoją skuteczność.

Przedsiębiorstwa, które odchodzą jako pierwsze, robią to cicho. Nie ma komunikatu prasowego, nie ma publicznego rozstania. Przyjęcie konta firmowego stało się strukturalnym trendem neobanków, a ten segment stanowi obecnie około 67% przychodu neobanków w 2025 roku. Jest to napędzane dokładnie przez firmy, które nie mogą pozwolić sobie na operacyjne opóźnienia w relacjach bankowych. Pismo na ścianie: szybkość jest niezbywalna dla warstwy operacyjnej.

Nie możesz prowadzić nowoczesnego biznesu opartego na sztucznej inteligencji i tolerować relacji bankowej, w której przelew wymaga, aby menedżer wydrukował formularz, zebrał dziesięć podpisów i ręcznie wprowadził go do systemu. Rozważ, jakie koszty ponosi firma zarządzająca płacami w trzech walutach lub przetwarzająca płatności dostawców związane z umowami uzależnionymi od czasu. Niezgodność wykracza poza niedogodność. Stopniowo narasta przez każdą transakcję, aż ktoś z budżetem postawi stopę.

Dlaczego sztuczna inteligencja zmienia pytanie, które zadają banki

Gdy odbudujesz swój biznes wokół sztucznej inteligencji, widzisz każdego dostawcę inaczej. Zadajesz sobie pytanie: dlaczego to jest nadal ręczne? Dlaczego to zajmuje dni? Twój bank nie jest wyjątkiem. Dla większości tradycyjnych banków nie ma dobrego odpowiedzi.

Przypadek użycia jest konkretny. Firma prowadząca rozrachunki przez agenta sztucznej inteligencji potrzebuje infrastruktury, która może odczytać przychodzącą fakturę, określić odpowiednią walutę, wyzwolić zatwierdzenia przez zintegrowany workflow i uwolnić płatność bez pośrednictwa człowieka na każdym etapie. Nie jest to spekulatywne. Zespoły finansowe budują właśnie takie workflow, a każdy ręczny krok, jaki ich bank ponownie wprowadza na końcu łańcucha, jest punktem awarii, który chcieliby wyeliminować.

Analiza Accenture z 2024 roku wykazała, że automatyzacja sztucznej inteligencji może zmniejszyć koszty operacyjne o nawet 25% w skarbcu i płatnościach. Do końca 2025 roku McKinsey’s Global Banking Annual Review określił tę liczbę na 20% lub więcej w redukcji kosztów operacyjnych netto dzięki samodzielnemu AI, ostrzegając jednocześnie, że te zyski zostaną w dużej mierze skompensowane, a nie utrzymane. Odrębna analiza PwC wykazała, że banki, które w pełni przyjmują sztuczną inteligencję, mogą doświadczyć poprawy efektywności o nawet 15 punktów procentowych, a jedna instytucja zgłosiła 40% redukcję kosztów weryfikacji klientów komercyjnych.

Dla firm, które już osiągają tego rodzaju wydajność wewnętrznie, partner bankowy, który ponownie wprowadza ręczne kroki na końcu, jest po prostu odpowiedzialnością w tym momencie.

Problem niezgodności architektonicznej

Zamiast po prostu wybrać bank, startupy i firmy technologiczne montują ekosystem operacyjny. Każdy narzędzie w tym ekosystemie musi integrować się, reagować na nową technologię, gdy pojawia się, i zwiększać swoją efektywność operacyjną w czasie. Bank, który nie może zapewnić bieżącego salda (i co zdumiewające, wiele z największych instytucji na świecie wciąż nie może), jest niezgodny z nowoczesną infrastrukturą biznesową.

Dlaczego tak się dzieje? Według raportu 10x Banking z 2024 roku, 55% banków identyfikuje ograniczenia systemów dziedziczonych jako największą barierę w osiąganiu celów biznesowych, przy czym ponad połowa z nich wymienia sylosy danych i wąskie gardła produkcji jako powód, dla którego nie mogą skalować. COBOL, język programowania opracowany w 1959 roku, nadal napędza ponad 40% systemów bankowych na świecie. 45 z 50 najlepszych banków na świecie nadal korzysta z głównych systemów jako infrastruktury krytycznej. Oryginalni twórcy są już na emeryturze, a instytucje, które uruchamiają ten kod, często nie mają wewnętrznej wiedzy, aby w pełni zrozumieć, co on robi.

To nie to, że tradycyjne banki nie chcą się zmodernizować, ale że stopniowa łata 60-letniego rdzenia nie może wytworzyć infrastruktury opartej na API, zorientowanej na zdarzenia, której potrzebują firmy rodzone z AI jako warstwy bankowej. Nie możesz po prostu przerobić systemu rozliczania partii, aby zachowywał się jak infrastruktura w czasie rzeczywistym, ponieważ te ograniczenia architektoniczne są podstawowe.

Tradycyjne banki nauczyły się oferować płatności kartowe. Następnie aplikacje mobilne. Następnie, ostatecznie, jakiś rodzaj dostępu do API. Za każdym razem traktowały nową funkcjonalność jako punkt docelowy, a nie kierunek, wdrażając ją, deklarując zwycięstwo, a następnie pozostając w tyle za następną krzywą.

Instytucje, które odpowiedzą, montując chatbota sztucznej inteligencji na rdzeń dziedzicznym, znajdą się w tej samej sytuacji, w jakiej były, gdy pojawiły się pierwsze neobanki, czyli będą obserwować, jak klienci odchodzą, nie rozumiejąc, dlaczego.

Kto następny odejdzie — i kiedy

Przedsiębiorstwa, które ruszyły jako pierwsze (startupy rodzone z AI, fintechy związane z kryptowalutami, operatorzy technologiczni), w większości już podjęły swoje decyzje. Druga fala będzie składać się z firm średniej wielkości i większych korporacji, które już odczuły wpływ sztucznej inteligencji na ich własne branże. Czy to przez automatyzację wewnętrzną, która zmieniła ich struktury kosztów, czy przez presję konkurencyjną, która zmieniła ich rynki.

Zmiana lojalności jest już mierzalna. McKinsey’s 2025 Global Banking Annual Review zauważył, że w Stanach Zjednoczonych tylko 4% nowych otwarć kont czekowych pochodzi obecnie od istniejących klientów bankowych — w dół z 25% w 2018 roku. To nie jest drobne wahnięcie, ale strukturalne rozplątywanie bezwładności, na którą tradycyjne banki zawsze polegały, aby utrzymać swoją bazę klientów.

Ten sam raport prognozuje, że banki, które nie przystosują się, mogą zobaczyć spadek globalnych pul profitów o 170 miliardów dolarów, czyli około 9%, w ciągu najbliższej dekady. Bardziej uderzające jest to, że zagrożenie, które identyfikuje McKinsey, nie pochodzi tylko od neobanków czy fintechów. Pochodzi od samych klientów, którzy używają agentów sztucznej inteligencji do optymalizacji swoich własnych finansów: przenosząc depozyty do lepszych stóp, zarządzając wykorzystaniem kredytu, kierując płatnościami przez lepszą infrastrukturę. Klient, który zbudował funkcję skarbową opartą na AI wewnętrznie, nie potrzebuje, aby jego bank to robił za niego. To kwestia faktu, potrzebuje, aby jego bank pozostał poza tym.

Granica podziału

Nadchodząca granica w bankowości jest między bankami, które zostały zbudowane na ten moment, a bankami, które próbują się do niego dostosować. Nie chodzi o duże i małe instytucje. Nie chodzi o instytucje ugruntowane i wyzwania.

Zbudowane na ten moment oznacza, że warstwa API jest produktem, a nie czymś, co zostało dodane. Infrastruktura w czasie rzeczywistym jest bieżącą rzeczywistością operacyjną. Przepływy pracy zgodności, wykonanie FX i logika zatwierdzania są wszystkie programowalne przez systemy klienta, a nie kierowane przez skrzynkę odbiorczą menedżera ds. relacji.

Według raportu The Financial Brand’s 2025 Retail Banking Trends, tylko 25% banków priorytetowo traktuje modernizację swojej infrastruktury back-office, pomimo że ponad połowa z nich wymienia doświadczenie cyfrowe jako priorytet strategiczny. Ta luka, między deklarowaną intencją a rzeczywistą inwestycją architektoniczną, jest dokładnie tym miejscem, skąd pochodzi następna fala wyjść klientów.

Neobanki udowodniły, że lepsze doświadczenie jest możliwe. Sztuczna inteligencja udowodni, że model bankowości z człowiekiem w pętli nie jest już wykonalny dla firm, które poruszają się najszybciej. Dla banków, które czekały zbyt długo, okno się zamknie jednocześnie, w sposób, w jaki takie rzeczy zawsze się dzieją. Powoli, a następnie nagle.

Bardziej interesujące dla mnie pytanie teraz brzmi, czy jest jakaś tradycyjna instytucja z enough wolą organizacyjną, aby ruszyć, zanim to nastąpi, czy czy luka między planszami strategicznymi a rzeczywistą infrastrukturą jest zbyt szeroka, aby ją zamknąć na czas?