Finanse

Pozycja sektora finansowego w Polsce 2026

Polski sektor bankowy to top banki komercyjne (PKO BP, Santander, ING, BNP Paribas, mBank, Pekao, Millennium, Alior, Citi, Credit Agricole) plus sektor banków spółdzielczych. Sektor ubezpieczeniowy zdominowany przez PZU, z pozostałymi miejscami zajmowanymi przez Wartę, Generali, Allianz, Compensę. Polska scena fintech obejmuje neobanki, platformy płatnicze (BLIK jako pierwszy globalny przykład sukcesu), platformy lending.

Polski sektor finansowy jest historycznie jednym z najbardziej zdigitalizowanych w Europie. BLIK jako standard płatności mobilnych, otwarty PSD2 banking od 2019 roku, zaawansowane systemy AML i fraud detection. To czyni go atrakcyjnym targetem dla wdrożeń AI, ale jednocześnie najbardziej zregulowanym sektorem polskiej gospodarki.

Dlaczego finanse są specyficzne dla AI

European Central Bank w raportach o AI w bankowości z 2024-2025 systematycznie monitoruje rozprzestrzenianie się AI w sektorze. Większość obszarów zastosowania AI w banku trafia do kategorii wysokiego ryzyka według AI Act z lutego 2026: scoring kredytowy, ocena zdolności kredytowej, AML, fraud detection, decyzje HR.

To znaczy, że większość wdrożeń AI w polskim banku wymaga dokumentowanej oceny ryzyka, human oversight, explainability decyzji, log retention. Koszt zgodności jest istotny i rośnie z każdym wdrożeniem.

Pięć kluczowych obszarów wdrożeń AI

Synteza z McKinsey „The State of AI in Banking" (raport coroczny) oraz materiałów ECB.

Scoring kredytowy. Modele ML zamiast klasycznych scorecard. Lepsza dokładność, ale wymaga rygorystycznej dokumentacji wyjaśnialności decyzji per klient zgodnie z Rekomendacją S Komisji Nadzoru Finansowego. Bez XAI scoring jest nielegalny w polskiej bankowości.

Anti-Money Laundering. AI detection podejrzanych transakcji. Większa dokładność niż rule-based systemy poprzedniej generacji, znacząca redukcja false positives. Polskie banki wdrożyły to szeroko w ostatnich latach, w wielu przypadkach jako pierwsze use case AI w organizacji.

Fraud detection real-time. AI analizujący transakcje w milisekundach, blokujący podejrzane przed autoryzacją. Standard dla kartowych płatności od kilku lat. Nowsze warstwy AI dodają analizę behavioralną klienta (ruch myszy, sposób pisania na klawiaturze) jako dodatkowy sygnał.

Personalizacja oferty. Recommendation engines dopasowujące produkty do klienta. Ekonomiczny ROI niezaprzeczalny, ale ryzyka bias są istotne, wymaga compliance review.

RAG-based obsługa klienta i wsparcie pracowników. Chatboty z dostępem do bazy procedur i regulaminów banku. To najmniej regulowany use case (poza wymogiem transparency), najszybszy ROI. Rekomendacja dla banków, które chcą zacząć od czegoś niskiego ryzyka.

DORA i nowe regulacje 2025-2026

Digital Operational Resilience Act (DORA) obowiązuje od stycznia 2025 dla podmiotów finansowych. Wymaga dokumentacji ICT risk management, testowania odporności, raportowania incydentów do regulatora w 24 godziny. Wpływ na AI: każdy system AI w produkcji bankowej musi być w rejestrze ICT, mieć określone procedury awaryjne, plan ciągłości operacyjnej.

Polska KNF interpretuje DORA przez własne rekomendacje. Niedostosowanie do DORA wiąże się z sankcjami administracyjnymi proporcjonalnymi do obrotu globalnego podmiotu.

Trzy obszary szczególnej ostrożności

Pierwszy, scoring kredytowy oparty na AI bez XAI. Bez dokumentacji wyjaśnialności decyzji per klient narusza Rekomendację S i może być zakwestionowany przez Rzecznika Finansowego.

Drugi, użycie modeli LLM bez kontroli halucynacji w komunikacji z klientem. Chatbot odpowiadający na pytanie o regulamin musi być oparty na RAG z verified sources, nie na samym LLM bez kontekstu.

Trzeci, przekazywanie danych klientów do publicznych modeli AI (ChatGPT, Claude w wersjach konsumenckich). Naruszenie RODO i tajemnicy bankowej. Wymaga albo enterprise contracts z gwarancjami no-training, albo lokalnych deployments LLM.

Co yesfor.ai wnosi specyficznego

Audyt yesfor.ai dla podmiotu finansowego trwa sześć do dziesięciu tygodni (dłużej niż typowy, ze względu na warstwę compliance). Standardowy zakres: ocena AI Act risk classification per use case, mapa wymogów Rekomendacji S i DORA, plan implementacji XAI, mapa drogowa na 12-24 miesięcy.

Pierwsza rekomendacja często brzmi: nie zaczynajcie od high-risk use case'ów. RAG-based assistant dla pracowników jest bezpiecznym pierwszym projektem, na którym buduje się kompetencje compliance przed wejściem w scoring czy fraud.