Pro lídry ve finančním sektoru skončila experimentální fáze generativní umělé inteligence (AI) a pro rok 2026 se pozornost soustředí na operační integraci. Zatímco počáteční fáze adopce se zaměřovala na generování obsahu a zvyšování efektivity v izolovaných pracovních postupech, současným požadavkem je industrializace těchto schopností. Cílem je vytvořit systémy, kde agenti AI nejen pomáhají lidským operátorům, ale aktivně řídí procesy v rámci přísných rámců správy. Tento přechod představuje specifické architektonické a kulturní výzvy. Vyžaduje posun od nesourodých nástrojů k propojeným systémům, které současně spravují datové signály, rozhodovací logiku a exekuční vrstvy.
Finanční instituce integrují agentní pracovní postupy AI
Hlavním úzkým hrdlem v rozšiřování AI ve finančních službách již není dostupnost modelů nebo kreativní aplikace, nýbrž koordinace. Marketingové týmy a týmy pro zákaznickou zkušenost se často potýkají s převodem rozhodnutí v činy kvůli třenicím mezi zastaralými systémy, schvalováním compliance a datovými sily. Saachin Bhatt, spoluzakladatel a COO společnosti Brdge, zdůrazňuje rozdíl mezi současnými nástroji a budoucími požadavky: „Asistent vám pomáhá psát rychleji. Kopilot pomáhá týmům pohybovat se rychleji. Agenti řídí procesy.“
Pro podnikové architekty to znamená budování toho, co Bhatt nazývá „Moments Engine“ (Motor okamžiků). Tento operační model funguje v pěti odlišných fázích:
- Signály: Detekce událostí v reálném čase v cestě zákazníka.
- Rozhodnutí: Určení vhodné algoritmické reakce.
- Zpráva: Generování komunikace v souladu s parametry značky.
- Směrování: Automatické třídění za účelem určení, zda je vyžadováno lidské schválení.
- Akce a učení: Nasazení a integrace zpětnovazební smyčky.
Většina organizací disponuje komponentami této architektury, ale postrádá integraci, která by ji umožnila fungovat jako jednotný systém. Technickým cílem je snížit tření, které zpomaluje interakce se zákazníky. To zahrnuje vytváření datových toků, kde data plynule proudí od detekce signálu k provedení, minimalizují latenci a zároveň udržují bezpečnost.
Správa jako infrastruktura
V prostředích s vysokými sázkami, jako je bankovnictví a pojišťovnictví, nemůže rychlost jít na úkor kontroly. Důvěra zůstává primárním obchodním aktivem. V důsledku toho musí být správa dat a procesů považována za technickou vlastnost, nikoli za byrokratickou překážku. Integrace AI do finančního rozhodování vyžaduje „ochranné zábradlí“, které je pevně zakódováno do systému. To zajišťuje, že zatímco agenti AI mohou autonomně provádět úkoly, fungují v rámci předem definovaných rizikových parametrů.
Farhad Divecha, skupinový CEO společnosti Accuracast, naznačuje, že kreativní optimalizace se musí stát nepřetržitou smyčkou, kde poznatky založené na datech podněcují inovace. Tato smyčka však vyžaduje přísné pracovní postupy zajištění kvality, aby se zajistilo, že výstup nikdy neohrozí integritu značky. Pro technické týmy to znamená posun v tom, jak se řeší dodržování předpisů. Namísto závěrečné kontroly musí být regulační požadavky zakomponovány do fází prompt engineeringu a jemného doladění modelu.
„Legitimní zájem je zajímavý, ale je to také místo, kde by mnoho společností mohlo klopýtnout,“ poznamenává Jonathan Bowyer, bývalý marketingový ředitel Lloyds Banking Group. Tvrdí, že nařízení, jako je Consumer Duty, pomáhají tím, že vynucují přístup založený na výsledcích. Techničtí lídři musí spolupracovat s rizikovými týmy, aby zajistili, že aktivity řízené AI potvrzují hodnoty značky. To zahrnuje protokoly transparentnosti. Zákazníci by měli vědět, kdy komunikují s AI, a systémy musí poskytovat jasnou cestu pro eskalaci k lidským operátorům.
Datová architektura pro zdrženlivost
Častým selháním personalizačních nástrojů je přehnaná angažovanost. Technická schopnost poslat zprávu zákazníkovi existuje, ale logika pro určení zdrženlivosti často chybí. Efektivní personalizace se spoléhá na anticipaci – vědět, kdy mlčet, je stejně důležité jako vědět, kdy mluvit. Jonathan Bowyer poukazuje na to, že personalizace se posunula k anticipaci. „Zákazníci nyní očekávají, že značky budou vědět, kdy s nimi nemluvit, na rozdíl od toho, kdy s nimi mluvit.“
To vyžaduje datovou architekturu schopnou křížově odkazovat kontext zákazníka napříč více kanály – včetně poboček, aplikací a kontaktních center – v reálném čase. Pokud je zákazník ve finanční tísni, marketingový algoritmus, který mu nabízí úvěrový produkt, vytváří rozpor, který narušuje důvěru. Systém musí být schopen detekovat negativní signály a potlačit standardní propagační pracovní postupy. „To, co zabíjí důvěru, je, když jdete na jeden kanál a pak se přesunete na jiný a musíte znovu odpovídat na stejné otázky,“ říká Bowyer. Řešení tohoto problému vyžaduje sjednocení datových úložišť, aby „paměť“ instituce byla přístupná každému agentovi (digitálnímu nebo lidskému) v místě interakce.
Vzestup generativního vyhledávání a SEO
V éře AI se mění vrstva pro objevování finančních produktů. Tradiční optimalizace pro vyhledávače (SEO) se zaměřovala na přivádění návštěvnosti na vlastní webové stránky. Vznik odpovědí generovaných AI znamená, že viditelnost značky nyní probíhá mimo web, v rozhraní velkých jazykových modelů (LLM) nebo vyhledávacích nástrojů AI. „Digitální PR a off-site SEO se vracejí do centra pozornosti, protože generativní AI odpovědi nejsou omezeny na obsah stažený přímo z webových stránek společnosti,“ poznamenává Divecha.
Pro CIO a CDO to mění způsob, jakým jsou informace strukturovány a publikovány. Technické SEO se musí vyvíjet, aby se zajistilo, že data dodávaná do velkých jazykových modelů jsou přesná a v souladu s předpisy. Organizace, které dokáží s jistotou distribuovat vysoce kvalitní informace napříč širším ekosystémem, získávají dosah bez obětování kontroly. Tato oblast, často nazývaná „Generative Engine Optimisation“ (GEO), vyžaduje technickou strategii k zajištění, že značka je správně doporučována a citována externími agenty AI.
Strukturovaná agilita
Existuje mylná představa, že agilita se rovná nedostatku struktury. V regulovaných odvětvích je tomu naopak. Agilní metodiky vyžadují přísné rámce, aby mohly bezpečně fungovat. Ingrid Sierra, Brand and Marketing Director ve společnosti Zego, vysvětluje: „Často dochází k záměně mezi agilitou a chaosem. Nazývat něco ‚agilním‘ neznamená, že je v pořádku, aby vše bylo improvizované a nestrukturované.“
Pro technické vedení to znamená systematizaci předvídatelné práce za účelem vytvoření kapacity pro experimentování. Zahrnuje to vytváření bezpečných „sandboxů“, kde týmy mohou testovat nové agenty AI nebo datové modely, aniž by riskovaly stabilitu produkce. Agilita začíná myšlením, vyžaduje zaměstnance, kteří jsou ochotni experimentovat. Toto experimentování však musí být promyšlené. Vyžaduje spolupráci mezi technickými, marketingovými a právními týmy od samého počátku. Tento přístup „compliance-by-design“ umožňuje rychlejší iteraci, protože parametry bezpečnosti jsou stanoveny dříve, než je napsán kód.
Co dál s AI ve finančním sektoru?
Při pohledu dále do budoucnosti bude finanční ekosystém pravděpodobně svědkem přímé interakce mezi agenty AI, kteří jednají jménem spotřebitelů, a agenty, kteří jednají za instituce. Melanie Lazarus, Ecosystem Engagement Director v Open Banking, varuje: „Vstupujeme do světa, kde agenti AI interagují mezi sebou, a to mění základy souhlasu, ověřování a autorizace.“ Techničtí lídři musí začít navrhovat rámce, které chrání zákazníky v této realitě „agent-to-agent“. To zahrnuje nové protokoly pro ověřování identity a zabezpečení API, aby se zajistilo, že automatizovaný finanční poradce jednající za klienta může bezpečně interagovat s infrastrukturou banky.
Mandátem pro rok 2026 je přeměnit potenciál AI na spolehlivý hnací motor zisku. To vyžaduje zaměření na infrastrukturu namísto humbuku a lídři musí upřednostnit:
- Sjednocení datových toků: Zajistit, aby signály ze všech kanálů proudily do centrálního rozhodovacího motoru, což umožní akce citlivé na kontext.
- Pevné zakódování správy: Vložit pravidla compliance do pracovního postupu AI, aby se umožnila bezpečná automatizace.
- Agentní orchestrace: Posunout se za chatboti k agentům, kteří mohou provádět end-to-end procesy.
- Generativní optimalizace: Strukturovat veřejná data tak, aby byla čitelná a prioritizovaná externími vyhledávači AI.
Úspěch bude záviset na tom, jak dobře jsou tyto technické prvky integrovány s lidským dohledem. Vítěznými organizacemi budou ty, které využívají automatizaci AI k posílení, spíše než nahrazení, úsudku, který je obzvláště vyžadován v sektorech, jako jsou finanční služby. Jde o vytvoření symbiotického vztahu, kde technologie rozšiřuje lidské schopnosti a zároveň udržuje integritu a důvěru, které jsou základními pilíři každé prosperující finanční instituce. Budoucnost finančnictví je s AI sice automatizovanější, ale nikdy by neměla být méně lidská ve svém přístupu k potřebám a obavám klientů.
