Umělá inteligence už v bankovnictví nepůsobí jako vzdálený experiment. Stala se tématem pro představenstva, bezpečnostní týmy, compliance oddělení i produktové manažery. A právě v regulovaném prostředí je dobře vidět, že nadšení samo nestačí. Skutečná hodnota přichází až ve chvíli, kdy se podaří převést potenciál AI do provozu, procesů a služeb, kterým lze důvěřovat.
Erste Group patří mezi instituce, které se do této proměny pustily naplno. Maurizio Poletto, Chief Platform Officer a COO, popisuje AI nikoli jako módní vlnu, ale jako zásadní technologický posun, který už mění způsob, jak banka přemýšlí o produktivitě zaměstnanců, digitálním poradenství i vztahu se zákazníky.
Na jeho pohledu mě zaujalo hlavně to, jak realisticky spojuje dvě věci, které bývají často oddělené. Na jedné straně je tu opravdové nadšení z nových možností. Na druhé straně velmi tvrdá realita bankovního provozu, kde se musí řešit zákonnost, auditovatelnost, bezpečnost, práce s citlivými daty a očekávání klientů, kteří srovnávají každou novou zkušenost s tím nejlepším, co dnes AI nabízí.
Tahle kombinace dává vzniknout zajímavému příběhu. Nejde jen o to, že banka nasadí chatbot. Jde o širší otázku: jak udělat z AI důvěryhodnou platformu pro miliony lidí, aniž by se obětovala kvalita, bezpečnost nebo smysluplnost použití.
Obsah
- 📌 Proč je AI najednou prioritou na úrovni vedení
- 🏦 Kdy banka musí zpomalit: rozhodující role zákaznických dat
- ⚙️ Dvě rychlosti zavádění AI: interní produktivita versus zákaznické služby
- 💬 Proč konverzační bankovnictví není tak jednoduché, jak se zdá
- 🚀 Proaktivní AI funguje lépe než pasivní čekání
- 🧭 Hlavní ambice: dostat finanční poradenství k většině, ne jen k menšině
- 📱 Jak by měla vypadat budoucnost aplikace George
- 🤝 Co banky potřebují od technologických partnerů
- 🛠️ Nejpraktičtější rada: počítat s chybami a přestavbami
- 🔐 Co si z přístupu Erste Group odnáším pro regulovaná odvětví
- 🌍 AI v bankovnictví bude hlavně o důvěře, kvalitě a užitečnosti
📌 Proč je AI najednou prioritou na úrovni vedení
V mnoha firmách se o umělé inteligenci mluví už delší dobu. Rozdíl je v tom, že dříve šlo často o prezentace, interní debaty a osobní experimentování manažerů s novými nástroji. Dnes už se situace posunula. AI vstoupila do fáze, kdy je potřeba řešit konkrétní problémy.
Podle Maurizia Poletto zůstalo nadšení stejné, ale přibyly otázky, které nelze obejít:
- Jak AI nasadit mezi zaměstnance ve větším měřítku?
- Jak zajistit, aby ji lidé opravdu používali a uměli používat správně?
- Jak vše nastavit právně a regulatorně?
- Jak přesvědčit bezpečnostní týmy, aby nefungovaly jen jako brzda, ale jako partner při zavádění?
- Jak z nových schopností skutečně vytvořit obchodní hodnotu?
Právě tady je podle něj rozdíl mezi AI a předchozími technologickými vlnami, například blockchainem. I ten kdysi vyvolal obrovská očekávání. Jenže u blockchainu často chyběla následná fáze, kdy by se firmy ve velkém pustily do řešení praktických překážek spojených s nasazením. U AI se to děje. To je silný signál, že nejde o krátkodobý rozruch, ale o technologii, která tu zůstane.
Z mého pohledu je to jedna z nejdůležitějších myšlenek celého rozhovoru. Vedení firem obvykle pozná skutečně zásadní technologii ne podle toho, kolik se o ní mluví, ale podle toho, kolik organizační energie je ochotné investovat do odstranění bariér. A v případě AI jsou tyto bariéry velmi konkrétní.
🏦 Kdy banka musí zpomalit: rozhodující role zákaznických dat
V bankovnictví je rychlost zavádění AI vždy podmíněna jednou klíčovou věcí: zda systém pracuje se zákaznickými daty.
Jakmile se AI začne dotýkat osobních a finančních údajů klientů, není prostor pro improvizaci. Banky stojí na důvěře. Pokud se důvěra naruší, škoda není jen finanční. Obnova reputace trvá dlouho a může zasáhnout celé podnikání.
Poletto vysvětluje, že právě kontakt s klientskými daty je moment, kdy instituce musí zpomalit a přepnout z experimentálního režimu do režimu řízeného nasazení. To znamená:
- nastavit compliance rámec,
- zapojit bezpečnostní týmy,
- řešit správu dat a jejich umístění,
- zajistit auditovatelnost rozhodnutí a procesů,
- ověřit, že je celé řešení navrženo korektně od začátku.
V mnoha bankách byla prvním krokem opatrnější cesta. Začalo se s veřejnými nebo interními informacemi, které neobsahují citlivá klientská data. Typicky šlo o znalostní báze, nápovědu, obsah help center nebo obecné informace na webu. To dává smysl. Firma se může učit, aniž by podstupovala nejvyšší riziko.
Erste Group se ale rozhodla jít složitější cestou a začala témata kolem zákaznických dat řešit velmi brzy. Nebyl to jednoduchý postup a přinesl i chyby, ale vedení banky vycházelo z jednoduché úvahy: pokud je cílem jednou AI s klientskými daty skutečně propojit, dává smysl začít tuto disciplínu budovat co nejdříve.
Tento přístup je náročnější, ale má jednu velkou výhodu. Organizace si dříve vybuduje zkušenost, která jí později umožní postupovat rychleji a s větší jistotou.
Pro širší kontext je dobré připomenout, že banky v Evropě čelí silným požadavkům v oblasti ochrany osobních údajů a provozní odolnosti. Základním rámcem je například GDPR, ale důležité jsou i další pravidla pro finanční sektor. To vysvětluje, proč je u AI v bankách otázka governance mnohem víc než jen interní směrnice.
⚙️ Dvě rychlosti zavádění AI: interní produktivita versus zákaznické služby
Jedna z nejpraktičtějších částí celé strategie spočívá v rozdělení AI iniciativ do dvou režimů.
První režim se týká interních nástrojů pro produktivitu. Tady dostaly jednotlivé země a týmy v rámci skupiny poměrně velkou volnost. Pokud chtěly rychle zavádět interní asistenty pro práci s dokumenty, politikami, postupy nebo vzdělávacími materiály, mohly postupovat samostatně a svižně.
Důvod je jasný. Na úrovni holdingu by přílišná centralizace mohla začít brzdit lokální týmy, které se potřebují učit rychle a v menším měřítku. V oblasti interní produktivity je tedy užitečné nechat prostor pro experiment, sběr zkušeností a lokální inovaci.
Druhý režim se týká zákaznicky orientovaných AI služeb. Tady už Erste postupuje centrálně. Dává to logiku, protože skupina staví na společné digitální platformě napříč zeměmi a jakákoli AI funkce, která vstupuje do kontaktu s klientem, musí odpovídat jednotnému standardu kvality, bezpečnosti a souladu s pravidly.
Tohle rozdělení je mimořádně chytré. Mnoho organizací dělá jednu ze dvou chyb:
- buď centralizují úplně vše a udusí tempo učení,
- nebo naopak nechají vše příliš rozptýlené a později bojují s chaosem, nekompatibilitou a rizikem.
Erste se snaží vzít si z obou světů to nejlepší. Interně podporuje rychlost. Navenek směrem ke klientům drží disciplínu a jednotné řízení.
💬 Proč konverzační bankovnictví není tak jednoduché, jak se zdá
Když se řekne AI v bankovnictví, mnoho lidí si automaticky představí, že bankovní aplikace začne fungovat jako konverzační partner. Zní to přirozeně. Pokud se dnes lidé ptají AI na spoustu věcí, proč by se stejně neměli ptát i své banky?
Jenže realita je složitější.
Poletto popisuje důležité zjištění: zákazníci často nevědí, na co se bankovní AI vlastně mají ptát. To je zásadní bariéra. Nejde o to, že by AI odmítali. Mnozí ji vnímají pozitivně. Jen nemají zažitý mentální model, jak s ní v oblasti financí pracovat.
To je velmi odlišné od tradiční pobočky. Tam člověk ví, že přijde za poradcem, popíše svou situaci a dostane doporučení. U digitální aplikace zatím mnoho lidí přemýšlí jinak. Používají ji hlavně účelově:
- zkontrolovat zůstatek,
- odeslat platbu,
- podívat se na historii,
- vyřídit konkrétní operaci.
To neznamená, že konverzační rozhraní nemá budoucnost. Znamená to ale, že jeho přijetí nebude automatické. Nestačí technologii zpřístupnit. Je potřeba zákazníky naučit, jaký druh interakce jim může být užitečný.
Poletto je v tomto směru opatrný i u širší představy, že bankovnictví brzy přejde celé do hlasového nebo čistě konverzačního režimu. Připomíná, že některé úkony jsou stále jednodušší přes dobře navržené rozhraní s tlačítky a formuláři než přes konverzaci. U zadávání transakce může být klasické ovládání efektivnější než slovní instrukce.
Tohle je důležitá protiváha vůči příliš odvážným predikcím. AI nemusí nahradit celé uživatelské rozhraní. Může ho doplnit tam, kde konverzace skutečně pomáhá. Třeba při vysvětlování, poradenství nebo orientaci ve složitějších rozhodnutích.
Podobné téma řeší i další instituce, které zkoumají budoucnost finančních služeb. Užitečný kontext nabízí například materiály Bank for International Settlements, kde se pravidelně objevuje debata o digitálních inovacích, důvěře a použití AI ve financích.
🚀 Proaktivní AI funguje lépe než pasivní čekání
Jedna z nejzajímavějších praktických lekcí z nasazení AI v Erste Group se týká rozdílu mezi reaktivní a proaktivní zkušeností.
Reaktivní model je jednoduchý. Klient otevře konverzaci sám a začne se ptát. Tohle je model, který si mnoho firem intuitivně představí jako výchozí. Jenže právě zde naráží na problém prázdné obrazovky. Pokud člověk neví, co si má od AI vyžádat, interakce vůbec nezačne.
Proaktivní model funguje jinak. Banka sama naznačí, jaká konverzace by mohla být užitečná. Nabídne podnět, nápovědu nebo konkrétní návrh tématu. A právě tady zaznamenala Erste lepší výsledky.
To dává velký smysl. U nového typu rozhraní je třeba uživatele vést. Proaktivní AI může například upozornit na relevantní oblast, kterou by člověk jinak přehlédl. Nejde o agresivní vnucování, ale o chytré otevření dveří.
Z produktového hlediska to znamená, že úspěch AI asistenta nezávisí jen na kvalitě modelu, ale i na tom, jak dobře je navržena vstupní zkušenost. Pokud aplikace pomůže uživateli udělat první krok, výrazně zvyšuje šanci, že se z jednorázového experimentu stane užitečný návyk.
Proaktivita je navíc zvlášť důležitá u finančních témat. Mnoho lidí nemá jistotu, jak začít mluvit o rozpočtu, rezervách, úsporách nebo dlouhodobém plánování. Jemně nasměrovaný začátek konverzace může být v takovém případě velmi cenný.
🧭 Hlavní ambice: dostat finanční poradenství k většině, ne jen k menšině
Možná nejsilnější myšlenka celé debaty nesouvisí se samotnou technologií, ale s posláním banky.
Poletto popisuje situaci, kterou zná mnoho finančních institucí. Kvalitní finanční poradenství dnes obvykle dostává jen menší část klientské báze. Často jde o lidi, kteří chodí na pobočku, mají více prostředků, jsou starší nebo mají větší motivaci řešit své finance s poradcem osobně.
Zbytek klientů používá bankovní aplikaci hlavně jako nástroj pro základní operace. Převody, kontrola stavu účtu, běžná správa. Ale nedostává stejnou úroveň vedení a podpory.
Erste podle něj míří na zásadní změnu: zpřístupnit smysluplnou finanční pomoc i těm, kteří ji dnes běžně nečerpají.
To je velmi důležité i společensky. Právě lidé mimo tradiční poradenský model mohou podporu potřebovat nejvíc. Nemusí mít čas na osobní schůzky, nemusí se v produktech vyznat, nebo jednoduše nepatří do segmentu, kterému se historicky věnovala největší pozornost.
AI tady může hrát roli škálovatelného asistenta. Ne jako náhrada všech lidských poradců, ale jako způsob, jak rozšířit dostupnost dobrého vedení. Pomoci s orientací, vysvětlit souvislosti, upozornit na rizika nebo otevřít témata, která by jinak zůstala bez povšimnutí.
Poletto to přirovnává k péči o jednu z nejdůležitějších oblastí lidského života. Peníze podle něj patří hned za zdraví mezi témata, která mají zásadní dopad na každodenní život, stabilitu i budoucnost. A jestliže banka může lidem pomoci se o tuto oblast lépe starat, jde o ambici, která přesahuje běžnou digitalizaci.
Mně se na tom líbí hlavně to, že AI není popisována jako trik pro zkrácení nákladů. Je představena jako nástroj, který může rozšířit přístup ke kvalitnější službě. Právě v tom je její skutečný transformační potenciál.
📱 Jak by měla vypadat budoucnost aplikace George
Digitální platforma George patří mezi nejznámější bankovní aplikace v Evropě a používají ji miliony klientů. Přesto Poletto nepředstírá, že by už měl hotovou odpověď na otázku, jak má bankovní AI zkušenost vypadat za několik let.
A právě tato zdrženlivost je osvěžující.
Místo jednoduchých sloganů nabízí střízlivý pohled. Nevíme ještě jistě, zda se bankovnictví stane převážně konverzačním. Nevíme ani to, jestli bude správným modelem finanční kouč, samoobsluha, nebo kombinace několika přístupů. Je možné, že budoucnost nebude jednotná a různé situace si vyžádají různé interakce.
Z jeho úvah ale vystupuje několik vodítek:
- Samoobsluha zůstane důležitá tam, kde je cílem rychle a bez tření provést konkrétní úkon.
- Konverzační vrstva může být přínosná při vysvětlování, navigaci a poradenství.
- Proaktivní guidance bude pravděpodobně zásadní pro rozšíření používání nových AI funkcí.
- Důvěra a jednoduchost musí zůstat důležitější než technologický efekt.
To odpovídá i širším trendům v návrhu digitálních produktů. Dobré AI rozhraní často nevítězí tím, že vše převrátí naruby, ale tím, že citlivě doplní to, co už funguje. U banky to platí dvojnásob.
🤝 Co banky potřebují od technologických partnerů
Velmi výstižná je i část věnovaná roli technologických partnerů v AI transformaci bank.
Poletto upozorňuje na paradox, který dnes řeší mnoho velkých institucí. Nástroje jako ChatGPT vytvořily mezi lidmi velmi vysoké očekávání. AI už není abstraktní koncept. Spousta uživatelů má osobní zkušenost s kvalitním spotřebitelským produktem a automaticky tuto laťku přenáší i na firemní a bankovní služby.
To banky dostává do složité situace. Musí dodávat AI zkušenost, která se kvalitou blíží tomu nejlepšímu na trhu, ale zároveň fungují pod přísnějšími omezeními než běžné spotřebitelské aplikace. Řeší riziko, bezpečnost, interní schvalování, regulaci i odpovědnost za práci s citlivými daty.
Z toho plyne jasné očekávání vůči partnerům typu OpenAI. Nestačí být jen dodavatelem modelu nebo technologie. Partner musí pomoci bankám dosáhnout úrovně zkušenosti, kterou dnešní uživatelé považují za standard.
Jinými slovy, role technologického partnera zahrnuje několik vrstev:
- technologickou infrastrukturu,
- spoluvývoj konkrétních řešení,
- poradenství při zavádění a škálování,
- podporu při nastavování bezpečného a kvalitního provozu.
Tohle je velmi důležitý bod pro všechny firmy, které dnes AI nakupují nebo integrují. Technologie sama o sobě nestačí. Pokud výsledná zkušenost neobstojí v porovnání s tím, co lidé už znají z jiných nástrojů, budou ji považovat za slabou bez ohledu na to, jak složité podmínky firma musela splnit.
Poletto přirovnává tuto situaci k tomu, jak Amazon změnil očekávání v logistice a doručování. Jakmile si trh zvykne na novou úroveň služby, ostatní se jí musí přizpůsobit. U AI podle něj probíhá něco podobného.
🛠️ Nejpraktičtější rada: počítat s chybami a přestavbami
Na závěr zaznívá rada, která může znít prostě, ale je mimořádně cenná. Pokud firma s AI teprve začíná, zejména v regulovaném prostředí, musí přijmout skutečnost, že první verze nebude konečná.
Erste buduje AI platformu jako součást své širší digitální platformy. A už po dvou letech se podle Poletto ukazuje, že druhá verze se od té první významně liší. Nejde o drobné úpravy. První architekturu bylo potřeba zásadně předělat. A je docela možné, že za další dobu přijde další větší přestavba.
Tohle je důležité slyšet zvlášť od velké bankovní skupiny. V tradičních organizacích bývá radikální předělání platformy často vnímáno jako selhání nebo plýtvání. Poletto ale tvrdí opak. V oblasti AI jde o normální součást cesty.
Klíčové není vyhnout se změnám. Klíčové je naučit se je dělat rychleji a chytřeji.
Tato filozofie připomíná principy startupového světa, kde se produkt nejprve ověřuje v jednodušší podobě a teprve následně se architektura posouvá směrem ke škálovatelnosti. Rozdíl je v tom, že banka to vše musí zvládnout při vyšších nárocích na bezpečnost a řízení rizik.
Prakticky z toho plyne několik důsledků:
- je rozumné plánovat architekturu jako vývojový proces, ne jako jednorázový projekt,
- rozpočty a kapacity by měly počítat s iteracemi,
- organizace musí umět oddělit zdravé přepisování od skutečného chaosu,
- důležitější než dokonalý první návrh je schopnost se rychle poučit a znovu stavět.
Poletto navíc naznačuje, že budoucí vývoj může zrychlit i samotná AI, například pomocí asistence při programování. To je zajímavý moment. AI tedy není jen cílová schopnost platformy, ale také nástroj, který může pomoci tuto platformu rychleji přetvářet.
🔐 Co si z přístupu Erste Group odnáším pro regulovaná odvětví
Když si celý přístup shrnu, vidím v něm několik principů, které mají hodnotu i mimo bankovnictví. Hodí se pro pojišťovny, zdravotnictví, telekomunikace i další obory, kde je důvěra a regulace zásadní.
1. AI není jen technologický projekt
Je to provozní, právní, bezpečnostní i produktová změna zároveň. Kdo ji řídí jen jako IT iniciativu, pravděpodobně narazí.
2. Ne všechny use cases mají stejnou rychlost
Interní produktivita a zákaznické služby potřebují odlišný režim řízení. Rozdělit je je často rozumnější než hledat jeden univerzální model.
3. Práce s citlivými daty mění pravidla hry
Jakmile AI sahá na zákaznická data, experiment musí ustoupit disciplíně. To nemusí znamenat zastavení inovace, ale určitě to znamená pevnější rámec.
4. Uživatelé potřebují vedení
Lidé často nevědí, co od AI v konkrétním kontextu chtít. Dobré produkty proto nenabízejí jen pole pro dotaz, ale i aktivní nápovědu a chytré podněty.
5. Cílem není jen automatizace, ale dostupnost kvalitnější služby
Největší hodnota AI může spočívat v tom, že přinese pomoc širší skupině lidí, která ji dosud nedostávala.
6. Přestavby jsou součást cesty
V rychle se vyvíjející oblasti je schopnost systém znovu navrhnout často známkou zralosti, ne slabosti.
🌍 AI v bankovnictví bude hlavně o důvěře, kvalitě a užitečnosti
Debata o AI se někdy zbytečně točí kolem otázky, zda stroje nahradí lidi nebo zda se všechny aplikace promění v chatovací okna. Přístup Maurizia Poletto ukazuje zajímavější perspektivu.
Skutečná otázka zní jinak: jak pomocí AI rozšířit kvalitní finanční podporu bezpečným, důvěryhodným a skutečně užitečným způsobem.
V bankovnictví se nehraje jen o technickou demonstraci. Hraje se o důvěru milionů klientů, o správné zacházení s citlivými daty a o schopnost vytvářet zkušenosti, které obstojí vedle nejlepších digitálních produktů současnosti.
Erste Group podle všeho postupuje cestou, která není nejjednodušší, ale je poctivá. Rychle experimentuje tam, kde to jde. Opatrně centralizuje tam, kde jde o klienty a jejich data. Přijímá chyby jako součást učení. A hlavně si drží jasnou ambici: přenést hodnotu finančního poradenství k mnohem širší části zákaznické základny.
Pokud má AI v bankovnictví opravdu změnit pravidla hry, pravděpodobně to nebude tím, že nahradí tlačítka konverzací. Změní je spíš tím, že pomůže více lidem dělat lepší finanční rozhodnutí, ve správný čas a způsobem, kterému budou rozumět i věřit.
A to je mnohem zajímavější budoucnost než pouhá technologická novinka.
