Bod zlomu v oblasti umelej inteligencie v BFSI: prečo najinteligentnejšie transformácie začínajú za oponou?

Preto sa diskusia o umelej inteligencii musí presunúť z front-endových funkcií na back-endové sekvencovanie.

V spoločnosti Konecta chápeme umelú inteligenciu v troch oblastiach: proces, práca a zákaznícka skúsenosť (CX). Nie ako nezávislé iniciatívy, ale ako postup. Organizácie zriedkavo zápasia s nedostatkom nástrojov; zápasia preto, že tieto vrstvy aktivujú nesprávne.

Predtým, ako umelá inteligencia urobí niečo zmysluplné, zdedí prostredie, do ktorého je umiestnená.

Ak sú vaše dáta fragmentované, nekonzistentné alebo neúplné, umelá inteligencia to neopraví, ale škáluje ich. To isté platí pre neefektívne procesy. Automatizácia nefunkčného pracovného postupu problém len urýchľuje.

Preto by transformácia mala začať objavovaním procesov. Nie je to strategické cvičenie na vysokej úrovni, ale štruktúrované hodnotenie založené na dôkazoch:

Kde sú manuálne kontaktné body?
Aké je pracovné úsilie ľudí/zamestnancov v procese?
Kde sú rozhodnutia nekonzistentné?
Kde je čas cyklu zbytočne dlhý?

Cieľom je vytvoriť plán založený na tom, ako práca v skutočnosti prebieha.

Dôležitosť tohto kroku je podložená dátami. Podľa prieskumu  McKinsey’s late-2025 State of AI Survey  o stave umelej inteligencie z konca roka 2025 majú vysokovýkonné organizácie, ktoré z umelej inteligencie získavajú najväčšiu hodnotu, trikrát vyššiu pravdepodobnosť, že zásadne prepracujú svoje individuálne pracovné postupy v oblasti back-endu, namiesto toho, aby umelú inteligenciu len pripevnili k existujúcim štruktúram. To dokazuje, že ochrana vašich ziskov a dosiahnutie skutočnej návratnosti investícií zriedkakedy pramení z nasadenia chatbota zameraného na zákazníka na staršiu architektúru; pramení to z vykonania neviditeľnej procesnej práce najprv.

Prvé zmysluplné využitie umelej inteligencie by malo byť zamerané na procesy, aj keď to nevytvorí presvedčivú ukážku.

Toto zvyčajne zahŕňa rozsiahle aktivity riadené pravidlami:

Prijímanie a overovanie úverov
Schvaľovanie pohľadávok
Onboarding a kontroly KYC
Platobné a zosúladovacie pracovné postupy

Toto nie sú najzaujímavejšie oblasti podnikania, ale práve tam sa hromadí neefektívnosť a vysoké zvýšenia efektívnosti možno dosiahnuť včas s nízkym rizikom.

Toto nie sú najpôsobivejšie oblasti podnikania, ale práve tam sa hromadí neefektívnosť. Ich optimalizácia prináša masívne zvýšenia efektívnosti včas s neuveriteľne nízkym rizikom. Strategický význam tohto operačného základu nemožno preceňovať.

Podľa spoločnosti Gartner bude agentická umelá inteligencia do roku 2029 autonómne riešiť ohromujúcich 80 % bežných problémov so zákazníckym servisom bez ľudského zásahu. Dosiahnutie tejto úrovne bezproblémového a autonómneho riešenia si však vyžaduje bezchybnú back-end infraštruktúru; nasadenie výkonnej umelej inteligencie do nepripraveného staršieho prostredia len prehlbuje existujúce úzke miesta.

Ako sme už podrobne uviedli, nasadenie výkonnej umelej inteligencie do nepripraveného prostredia často premení staršie CTI na skryté úzke hrdlo pre agentickú umelú inteligenciu, čím sa existujúce problémy so smerovaním skôr zhoršujú, než aby sa riešili.

Aj tu majú najväčší zmysel nízkorizikové POC (projektové ciele).

Namiesto rozsiahlych transformačných programov úspešné inštitúcie:

Izolujú jeden pracovný postup
Aplikujú automatizáciu na definovaný krok
Dôsledne merajú vplyv
Rozširujú až po preukázaní výsledkov

Je to kontrolované, praktické a predovšetkým opakovateľné.

Keď sa procesy stabilizujú a dáta začnú plynúť čistejšie, ďalšou vrstvou je práca, spôsob, akým zamestnanci interagujú so systémami a informáciami.

Tu sa umelá inteligencia začína v organizácii javiť hmatateľnejšie:

Agenti dostávajú pokyny v reálnom čase počas interakcií so zákazníkmi
Automatizované súhrny nahrádzajú manuálne zapisovanie poznámok a prácu po hovore
Inteligentné vyhľadávanie nahrádza čas strávený navigáciou vo viacerých systémoch
Nástroje na podporu rozhodovania znižujú variabilitu v dodržiavaní predpisov a výsledkoch služieb

Nejde o nahradenie ľudí. Ide o odstránenie trenia z ich dňa.

V rámci implementácií u klientov spoločnosti Konecta neustále vidíme, že inteligentné rozšírenie pracovných postupov prináša masívne zvýšenie produktivity. Integráciou kopilotov s umelou inteligenciou do každodennej prevádzky dosahujú naši klienti 25 – 30 % skrátenie času spracovania a 30 – 50 % automatizáciu procesov.

Keďže sa tento pokrok stáva systémovým, inštitúcie profitujú z výrazne nižších nákladov na služby – často urýchlených až o 60 % prechodom na digitálne kanály. V konečnom dôsledku, priame zabudovanie umelej inteligencie do pracovného postupu umožňuje vašim tímom zvládať komplexné riešenie problémov bez nutnosti proporcionálneho zvýšenia počtu zamestnancov.

Väčšina organizácií chce začať s umelou inteligenciou zameranou na zákazníka. V skutočnosti je to práve tam, kde majú najväčší úžitok, po tom, čo sú položené základy.

Keď sa tieto funkcie zamerané na zákazníka spoja s čistými údajmi a efektívnymi procesmi, skutočne zažiaria.

Virtuálni asistenti a konverzačná umelá inteligencia
Personalizované finančné odporúčania a portály osobnej starostlivosti
Proaktívny oslovovací systém založený na prediktívnom správaní a kontexte
Bezproblémový pohyb medzi kanálmi

Keď sa tieto funkcie spoja s čistými údajmi a efektívnymi procesmi, výsledky sú významné.

Dopyt po tomto je už na trhu. Správa spoločnosti Forrester o stave konverzačného bankovníctva z roku 2026 potvrdzuje, že spotrebitelia sa aktívne obracajú na asistentov s umelou inteligenciou v prípade finančných otázok, prieskumu produktov a poradenstva. Keď tieto digitálne nástroje fungujú dobre – na základe presných interných údajov – spokojnosť zákazníkov prudko stúpa, čo vedie k merateľným ziskom v udržaní zákazníkov a prijatí produktov.

Ale bez skorších fáz môžu tie isté nástroje vytvárať fragmentované alebo nekonzistentné skúsenosti, čo je pravdepodobne horšie ako nerobiť nič.

Nie je núdza o dodávateľov umelej inteligencie, ktorí ponúkajú bodové riešenia. Problémom je, že väčšina z nich začína s technológiou, nie s problémom.

Pre organizácie BFSI je lepším prístupom spolupracovať s partnerom, ktorý:

Začína s objavovaním procesov a operačným mapovaním
Zameriava sa na pripravenosť a integráciu údajov v ranom štádiu
Vytvára fázovaný plán založený na dôkazoch
Používa POC na overenie hodnoty pred škálovaním

Rozdiel je nenápadný, ale dôležitý. Jeden prístup predáva schopnosti. Druhý buduje cestu k výsledkom.

Namiesto toho, aby sme sa na umelú inteligenciu pozerali ako na jednu iniciatívu, je užitočnejšie uvažovať z hľadiska zrelosti:

Efektívnosť procesov: zníženie manuálnej námahy a stabilizácia operácií
Rozšírenie práce: zlepšenie spôsobu, akým zamestnanci vykonávajú úlohy a robia rozhodnutia
Zákaznícka skúsenosť: poskytovanie rýchlejších, personalizovanejších a konzistentnejších interakcií

Každá fáza posilňuje tú nasledujúcu. Preskakovanie často vedie k prepracovaniu.

Umelá inteligencia už teraz mení finančné služby, ale nie vždy tak, ako to naznačujú titulky.

Najvýznamnejšie zisky nepochádzajú z vysoko viditeľných prípadov použitia. Prichádzajú od organizácií, ktoré sú ochotné najskôr vykonať menej viditeľnú prácu:

Čistenie a prepájanie údajov
Zjednodušovanie a štandardizácia procesov
Testovanie v kontrolovaných prostrediach s nízkym rizikom

Odtiaľ sa umelá inteligencia stáva ľahšie škálovateľnou a oveľa cennejšou, keď sa dostane k zákazníkovi.

Pre stredne veľké banky, úverové družstvá a poisťovne nie je tento prístup len bezpečnejší. Z dlhodobého hľadiska je rýchlejší, pretože sa vyhýba resetom, ktoré vznikajú pri začatí na nesprávnom mieste.