Rychlejší reakce na podvody, bezpečnější nakupování: jak Revolut využívá AI a Codex

Ilustrace propojující umělou inteligenci a bezpečnost při online platbách – holografický štít, rychlé zpracování transakcí a podpora bez textu.

Revolut propojuje umělou inteligenci s vyšetřováním podezřelých plateb, zákaznickou podporou i každodenní prací vývojových týmů. Cíl je praktický: rychleji zpracovávat rostoucí množství požadavků, udržet jednotnou kvalitu a dát lidem více prostoru na rozhodování, které vyžaduje promyšlený návrh.

Podle Davida Abitbola, který v Revolutu vede oblast AI, přibýval společnosti během jím popisovaného roku přibližně milion zákazníků každých 17 dní. Takové tempo vytváří tlak nejen na samotný produkt, ale také na týmy, které odpovídají na dotazy a zabývají se finanční kriminalitou. Dosavadní přístup, při němž bylo nutné s rostoucí poptávkou odpovídajícím způsobem rozšiřovat personální kapacitu, podle něj AI mění.

Vedle provozního využití uvádí Revolut také výrazné zrychlení vývoje. Při používání nástroje Codex firma zaznamenává zkrácení času od zahájení úkolu po začlenění hotové funkce o 30 až 60 procent. Uvolněný prostor přitom podle Abitbola nesměřuje pouze k další implementaci. Týmy více diskutují o návrhu a hledají nejlepší řešení.

Za hlavní zprávu považuji právě spojení těchto dvou změn. AI zde není představena jen jako rychlejší způsob psaní kódu, ale jako součást širšího provozního systému, v němž se dostupnější tvorba potkává se společnými pravidly kvality.

Obsah

📈 Růst zákaznické základny mění nároky na provoz

Údaj o milionu nových zákazníků za 17 dní pomáhá vysvětlit, proč Revolut hledá nové způsoby škálování. Nejde pouze o to, zda aplikace zvládne více uživatelů. S rozšiřující se zákaznickou základnou roste také význam podpory, dostupných interních informací a zpracování případů, které vyžadují další prověření.

Abitbol popisuje dřívější situaci jako potřebu přidávat pracovníky zákaznické podpory a týmů zaměřených na finanční kriminalitu úměrně rostoucí poptávce. AI má tento vztah změnit: umožnit obsloužit více dotazů a požadavků při stabilnější personální základně.

To je důležitý rozdíl oproti obecnému slibu vyšší produktivity. Revolut řeší konkrétní provozní otázku: jak zachovat schopnost reagovat, když zákazníků rychle přibývá, aniž by každý další nárůst vyžadoval obdobné rozšíření týmů.

Z dostupných informací ovšem nelze vyvozovat, že firma přestala přijímat zaměstnance nebo že veškerou práci převzala automatizace. Abitbolovo sdělení se týká především schopnosti oddělit růst objemu práce od stejně rychlého růstu počtu lidí. Přesný rozsah automatizace jednotlivých procesů neuvádí.

Právě toto vymezení pokládám za podstatné. Silným výsledkem nemusí být úplné odstranění lidské práce. Může jím být i situace, kdy stejný tým zvládne větší poptávku a lidé nemusí věnovat stejný podíl času každému opakujícímu se úkonu.

🛡️ AI pomáhá s prověřováním označených plateb

Jednou z oblastí využití je práce týmu pro potírání finanční kriminality. OpenAI v popisu spolupráce uvádí, že její technologie pomáhá Revolutu vyšetřovat označené platby a reagovat rychleji s cílem podpořit bezpečnější nakupování. Jde tedy o využití spojené s konkrétními provozními případy, nikoli pouze s tvorbou obecných textů.

Důležité je rozlišovat mezi označenou platbou a potvrzeným podvodem. Samotná potřeba prověření ještě nepředstavuje konečný závěr. V tomto kontextu je vhodnější mluvit o podpoře vyšetřování podezřelých transakcí než o automatickém odhalení každého podvodu.

Zveřejněné informace neupřesňují, jaké všechny podklady AI zpracovává, které kroky provádí samostatně ani kde přesně vstupuje do rozhodování člověk. Neobsahují ani číselné srovnání rychlosti vyšetřování před nasazením a po něm. Tvrzení o rychlejší reakci proto nelze převádět na konkrétní počet minut nebo procent.

Za přínosný považuji už samotný důraz na zpracování případu. Bezpečnost plateb se totiž v popsaném přístupu neomezuje na vznik upozornění. Podstatná je i schopnost s upozorněním dále pracovat a dostat se k odpovědi v provozu, jehož objem roste.

Rychlejší reakce je zde deklarovaným přínosem, bezpečnější nakupování jeho zamýšleným výsledkem. Chybějí však údaje, které by umožnily samostatně vyčíslit dopad na podvodné transakce, finanční ztráty nebo přesnost vyhodnocení. Tyto odlišné ukazatele není vhodné zaměňovat.

⚙️ Zákaznická podpora a finanční kriminalita mají společný problém kapacity

Zákaznická podpora a prověřování finanční kriminality představují rozdílné oblasti. Abitbol je ale spojuje jednou provozní výzvou: obě musí zvládat poptávku, která doprovází růst Revolutu. Ve svém vyjádření proto hovoří současně o zpracování dotazů, požadavků a případů.

Z tohoto pohledu AI nepůsobí jen na jednom izolovaném místě. Zapadá do snahy rozšířit schopnosti existujících týmů. U podpory je důležitá schopnost odpovídat na zákaznické potřeby, u finanční kriminality schopnost pracovat s případy vyžadujícími prověření. Společným jmenovatelem je dostupná pracovní kapacita.

Ve způsobu, jakým Revolut tuto změnu popisuje, vidím posun od prostého přidávání lidí k úpravě samotného pracovního postupu. Pokud AI pomůže zpracovat část práce, nemusí růst požadavků automaticky znamenat stejný růst personálního zatížení.

To ovšem neznamená, že lze obě oblasti hodnotit totožně. Rychlejší odpověď na dotaz a kvalitnější prověření platby nejsou stejný výsledek. Společný technologický směr proto musí doprovázet metriky odpovídající konkrétnímu použití.

Právě zde získává význam další součást přístupu Revolutu: jednotný rámec pro vývoj a vyhodnocování AI. Bez něj by se snadno mohlo stát, že jednotlivé týmy budou pod slovem „úspěch“ rozumět něco jiného.

🧭 Jednotný rámec má držet kvalitu napříč firmou

Revolut podle Abitbola vytvořil systematický rámec pro řízení práce s AI. Každý, kdo ve společnosti něco s umělou inteligencí vytváří, má postupovat podle společných standardů. Ty se týkají vývoje, obchodních metrik, A/B testování a očekávaných výsledků.

Nejde tedy pouze o doporučení, jak používat konkrétní nástroj. Rámec propojuje vznik řešení s otázkou, co má řešení přinést. Kvalita nemá záviset na tom, ze kterého týmu autor pochází nebo jak technická je jeho pracovní role.

Ve zveřejněném popisu vystupují čtyři propojené oblasti:

  • Vývoj: společná očekávání pro způsob, jakým řešení vzniká.
  • Obchodní metriky: určení výsledků, podle nichž lze hodnotit přínos.
  • A/B testování: ověřování změn prostřednictvím srovnání variant.
  • Očekávaný dopad: vyjasnění, jaké zlepšení má nové řešení přinést.

Za zvlášť důležité považuji propojení posledních dvou bodů. Samotné měření ještě nemusí odpovědět na otázku, zda změna splnila svůj účel. Potřebuje také předem srozumitelné očekávání, vůči němuž lze výsledek posoudit.

Podrobná pravidla rámce Revolut v tomto sdělení nezveřejňuje. Nelze proto doplnit konkrétní schvalovací kroky, hranice úspěšnosti nebo seznam povinných kontrol. Základní princip je ale zřejmý: širší přístup k tvorbě nesmí znamenat nižší nároky na výsledek.

🧪 Testování odděluje slibný nápad od ověřeného přínosu

A/B testování patří mezi konkrétní prvky, které Abitbol ve firemním rámci jmenuje. Jeho význam spočívá v porovnávání variant, nikoli jen v dojmu, že nové řešení působí lépe. U AI je toto rozlišení užitečné zejména proto, že přesvědčivý výstup ještě sám o sobě nedokládá provozní hodnotu.

Pro obecné vysvětlení tohoto přístupu nabízí užitečný kontext výzkum řízených online experimentů společnosti Microsoft. Jde o doplňující zdroj k metodě, nikoli o popis konkrétního testovacího uspořádání v Revolutu.

V případě Revolutu je doloženo, že A/B testování patří ke společným standardům. Není ale uvedeno, jaké varianty firma v jednotlivých případech porovnává, jak dlouho experimenty trvají nebo jaké přesné podmínky musí řešení splnit před nasazením.

Při hodnocení podobných oznámení proto rozlišuji tři otázky. Funguje nástroj technicky? Zlepšuje skutečný pracovní postup? A přináší výsledek, který je pro firmu a zákazníka důležitý? Tyto otázky spolu souvisejí, ale nejsou zaměnitelné.

Abitbolův důraz na obchodní metriky a očekávaný dopad ukazuje snahu propojit je do jednoho systému. Za podstatné nepovažuji samotné označení řešení jako „AI“, ale to, že se jeho hodnota má průběžně ověřovat stejným způsobem napříč organizací.

🧩 Codex rozšiřuje okruh lidí, kteří mohou tvořit

Druhou výraznou součástí příběhu je Codex. Abitbol jej popisuje jako nástroj, který zpřístupňuje vytváření aplikací i lidem s dobrým nápadem, ale bez hlubších technických dovedností. Podle jeho zkušenosti tak mohou snáze přejít od představy k řešení použitelnému v provozu.

Toto hodnocení je vhodné chápat jako jeho pohled na přínos nástroje, nikoli jako nezávisle doložené prvenství na trhu. Důležitá je samotná změna dostupnosti: schopnost navrhnout užitečné řešení už nemusí být tak těsně svázána se schopností ručně napsat veškerý potřebný kód.

Z organizačního hlediska v tom vidím možnost lépe propojit znalost problému se vznikem řešení. Technická implementace bývá samostatnou částí práce. Pokud se tato část usnadní, může se více pozornosti přesunout k tomu, co má aplikace dělat a proč.

Současně však z Abitbolova popisu nevyplývá, že by technická odbornost přestala být důležitá. Naopak uvádí, že lidé tráví více času diskusemi s inženýry o návrhu a nejlepším řešení. Codex tedy v popsaném prostředí neodstraňuje spolupráci s vývojáři, ale mění její těžiště.

Dostupnější tvorba a jednotná kvalita tak nejsou dvě oddělená témata. Čím více lidí může řešení vytvářet, tím větší význam mají společná pravidla pro ověřování jejich přínosu. Právě tuto vazbu považuji za jednu z nejdůležitějších částí přístupu Revolutu.

⏱️ Co znamená zkrácení vývoje o 30 až 60 procent

Nejkonkrétnějším údajem o práci s Codexem je uváděné zkrácení času o 30 až 60 procent. Abitbol přitom vysvětluje, že měřený interval začíná zahájením úkolu a končí začleněním funkce do společné kódové základny. Jde tedy o širší úsek práce než samotné psaní jednotlivých řádků.

To je důležité pro správnou interpretaci. Zmíněné procento není údajem o počtu vytvořených řádků, o rychlosti psaní ani automaticky o zvýšení výkonu celé firmy. Popisuje zkrácení určitého vývojového cyklu.

Současně není uvedeno, jak velký soubor úkolů měření zahrnuje, za jaké období vzniklo nebo jak se výsledky liší podle typu práce. Rozpětí proto nelze bez dalšího převést na univerzální předpověď pro každého vývojáře či každou organizaci.

Pro čtení tohoto výsledku mi připadají důležité následující hranice:

  • Měřený začátek: zahájení konkrétního úkolu.
  • Měřený konec: začlenění hotové funkce.
  • Uváděné zlepšení: zkrácení tohoto intervalu o 30 až 60 procent.
  • Co z údaje nevyplývá: stejná úspora u každé činnosti nebo odpovídající snížení všech nákladů.

Přes tato omezení jde o významný provozní signál. Revolut nespojuje používání Codexu pouze s pocitem pohodlnější práce, ale s měřitelnou změnou v průběhu vývojových úkolů. Pro posouzení celkového dopadu je pak důležité i to, co týmy s uvolněným časem dělají.

🔎 Méně času zabere také hledání interních informací

Vedle vývoje zmiňuje Abitbol další oblast úspory: vyhledávání informací v různých firemních znalostních zdrojích. Podle jeho vyjádření lidé tráví touto činností výrazně méně času. Konkrétní procento ani podrobný způsob fungování však neuvádí.

Tento bod rozšiřuje pohled na produktivitu. Práce na funkci není tvořena jen implementací. Než člověk navrhne postup nebo dokončí úkol, potřebuje potřebný kontext. Pokud jej musí hledat na více místech, stává se dohledávání samostatnou částí pracovního dne.

V popsaném přístupu proto vidím dva souběžné zdroje úspory. Jeden se týká tvorby řešení, druhý dostupnosti informací potřebných k práci. Není ale doloženo, jak velkou část celkového zrychlení představuje každý z nich.

Stejně tak není vhodné z tvrzení o rychlejším hledání odvozovat konkrétní technickou architekturu. Zveřejněné sdělení nepopisuje, jak jsou znalostní zdroje propojeny ani jakým způsobem se vybírají odpovědi.

Pro pochopení změny pracovního rytmu tyto detaily nejsou nezbytné. Důležitá je informace, že úspora nevzniká výhradně při psaní kódu. Revolut ji pozoruje také v činnosti, která vývoj a další odbornou práci průběžně doprovází.

💡 Uvolněný čas míří k návrhu a diskusi s inženýry

Abitbol uvádí, že týmy díky získanému času více diskutují s inženýry o návrhu a nejlepším řešení. Místo soustředění převážně na implementaci se tak větší část pozornosti přesouvá k rozhodování, jak má řešení vypadat.

Právě tento posun pokládám za nejzajímavější výsledek celého popisu. Rychlejší implementace má hodnotu sama o sobě, ale nemusí automaticky znamenat lepší produkt. Pokud však vytvoří prostor pro promyšlení variant, může změnit i způsob, jakým tým k produktu přistupuje.

Z dostupných údajů nelze prokázat, o kolik se díky delším diskusím zlepšila kvalita návrhu. Taková metrika zveřejněna není. Doložené je Abitbolovo pozorování, že se mění rozložení času: méně jej připadá na samotnou realizaci a více na hledání vhodného řešení.

To zároveň upravuje běžnou představu o roli vývojáře při používání AI. V tomto případě nejde o popis člověka odsunutého stranou. Inženýrská odbornost zůstává součástí procesu a dostává větší prostor v návrhových diskusích.

Za užitečné proto považuji rozlišovat rychlost vytvoření a kvalitu rozhodnutí o tom, co vytvořit. Revolut uvádí měřené zrychlení v první oblasti a změnu pracovních návyků ve druhé. Tyto dva výsledky se doplňují, ale každý vypovídá o něčem jiném.

👥 Širší možnost tvořit neznamená nižší odpovědnost

Zpřístupnění vývoje lidem bez technického zázemí může působit jako hlavní příběh Codexu. V Revolutu je však doplněno požadavkem, aby všichni pracovali podle stejného kvalitativního rámce. Možnost něco vytvořit tedy není představena jako výjimka z pravidel pro vývoj a vyhodnocování.

Toto spojení považuji za důležitější než samotnou rychlost prvního výsledku. Funkční ukázka a řešení, které má přinášet hodnotu v provozu, představují odlišné úrovně ověření. Abitbolův důraz na metriky a testování ukazuje, že firma nechce hodnotit pouze schopnost něco rychle sestavit.

Role jednotlivých lidí se přitom mohou lišit. Někdo přináší nápad, jiný technické zkušenosti a další posuzuje provozní dopad. Zveřejněné informace neposkytují přesné rozdělení odpovědností, ale jasně zdůrazňují společnou úroveň očekávané kvality.

V širším kontextu řízení AI nabízí doplňující orientaci rámec NIST pro řízení rizik umělé inteligence. Tento obecný zdroj pomáhá zasadit otázku odpovědnosti do souvislostí. Není však dokladem, že Revolut používá právě tuto metodiku.

Z popsaného přístupu si odnáším jednoduchý princip: snížit bariéru vstupu do tvorby neznamená snížit nároky na výsledek. Naopak je užitečné obě změny zavádět společně, aby dostupnější nástroje nezůstaly oddělené od měření skutečné hodnoty.

📊 Co zveřejněné výsledky dokládají a co zůstává otevřené

Spolupráce Revolutu a OpenAI přináší několik konkrétních informací, ale nikoli úplný veřejný audit výsledků. Za důležité proto považuji držet odděleně firemní zkušenost, číselný údaj a širší interpretaci.

Nejpevnějšími body sdělení jsou popsané oblasti nasazení, existence jednotného rámce a vymezené rozpětí zkrácení vývojového času. K tomu se přidává Abitbolovo pozorování, že lidé méně hledají informace a více se věnují návrhu.

Otevřené naopak zůstávají podrobnosti, bez nichž nelze některé výsledky nezávisle přepočítat nebo přenést jinam:

  • přesná metodika měření zkrácení vývojového cyklu,
  • rozdíly mezi jednotlivými typy úkolů a týmy,
  • číselný dopad AI na rychlost prověřování plateb,
  • podíl práce, který v jednotlivých procesech zůstává lidem,
  • konkrétní podmínky úspěchu při testování jednotlivých řešení.

Tyto mezery samy o sobě nevyvracejí uváděné přínosy. Vymezují však, co lze z veřejného sdělení poctivě vyvodit. Ze zkrácení vývojového cyklu například nelze dopočítat pokles podvodů a z růstu zákaznické základny nelze určit přesný počet požadavků na podporu.

Podrobnější firemní kontext nabízí případová studie spolupráce Revolutu a OpenAI. I při čtení podobných materiálů považuji za užitečné sledovat především definici měřeného výsledku, nikoli pouze velikost uvedeného procenta.

📝 Co si z přístupu Revolutu odnáším

Revolut představuje AI jako odpověď na několik propojených potřeb: zvládnout rychlý růst, podpořit prověřování podezřelých plateb, usnadnit tvorbu řešení a zkrátit cestu od úkolu k hotové funkci. Společným cílem je získat více využitelné kapacity bez stejného růstu nároků na lidskou práci.

Nejpřenosnější částí tohoto přístupu pro mě není konkrétní procento úspory. Je jí návaznost mezi problémem, nástrojem, měřením a využitím získaného času. Bez této návaznosti by zůstala jen sada samostatných technologických zlepšení.

Z popsané zkušenosti vyplývá několik praktických otázek, které pomáhají hodnotit podobné nasazení AI:

  1. Jakou překážku má AI odstranit? V Revolutu jde mimo jiné o tlak rostoucí poptávky na dostupnou kapacitu.
  2. Jak bude vymezen výsledek? U Codexu je uveden interval od zahájení úkolu po začlenění funkce.
  3. Jak se ověří skutečný přínos? Firemní rámec zahrnuje metriky, očekávání a A/B testování.
  4. Budou pravidla platit pro všechny? Revolut zdůrazňuje stejný standard kvality napříč rolemi.
  5. Kam půjde uvolněný čas? Abitbol popisuje větší prostor pro návrh a diskuse s inženýry.

Tento sled otázek nepředstavuje zveřejněný implementační návod Revolutu. Je to moje shrnutí principů, které z jeho popisu vystupují. Pomáhá oddělit samotné zavedení nástroje od změny, která má skutečný provozní smysl.

🚀 Hlavní změna není jen v rychlosti, ale v rozložení práce

Rychlejší reakce na podezřelé platby a kratší vývojový cyklus vypadají na první pohled jako dva různé výsledky. V příběhu Revolutu je ale spojuje stejná myšlenka: využít AI tam, kde může rozšířit kapacitu, a lidskou pozornost více soustředit na rozhodování a hledání vhodného postupu.

Číselně nejvýraznější je uváděné zkrácení času od zahájení vývojového úkolu po začlenění funkce o 30 až 60 procent. Organizačně je stejně důležité, že firma tuto změnu spojuje s jednotnými standardy, testováním a očekávaným obchodním přínosem.

Za nejsilnější sdělení proto nepovažuji představu, že AI jednoduše převezme práci lidí. Podstatnější je popsaný přesun času: méně implementace a dohledávání, více diskuse o návrhu a nejlepším řešení. Právě zde se rychlost může proměnit z izolované metriky v užitečnou změnu každodenní práce.

Výsledný obraz není příslibem bezchybné automatizace. Je to zpráva o firmě, která se snaží propojit dostupnější tvorbu s měřitelnými výsledky a jednotnou kvalitou. A právě toto propojení považuji za nejdůležitější podmínku, aby rychlejší práce s AI přinášela hodnotu také zákazníkům.

Share


AI World Vision

AI and Technology News