Vedran Bajer, a Wonderful magyarországi, balti és adriai régióért felelős ügyvezető igazgatója a Portfolio Financial IT 2026 konferencián kifejtette, miért akad el sok bank mesterséges intelligencia (AI) projektje a pilótafázisnál vagy a kísérleti üzemnél. Bajer előadásában három fő problémát jelölt meg, amelyek megnehezítik az AI-megoldások valós környezetbe történő átültetését.
Három fő akadály
-
Core banking rendszerek: Bajer szerint a bankok többségének informatikai infrastruktúrája 10–15 éves, egyes esetekben pedig akár 30 éves múltra tekint vissza. Ezeket a rendszereket eredetileg nem API-hozzáférésre vagy valós idejű adatátvitelre tervezték, ami komoly integrációs nehézségeket okoz.
-
Szabályozás és megfelelőség: A bankszektort érintő jogszabályok és felügyeleti elvárások — köztük a GDPR, a DORA és a jegybanki követelmények — miatt rendkívül időigényes és költséges biztosítani a megfelelőséget egy új AI-rendszer bevezetésekor.
-
Nyelvi követelmények: Bajer hangsúlyozta, hogy az ügyfelek döntő többsége magyarul kommunikál, és magyar nyelvű, jól megfogalmazott válaszokat vár. A magyar piac számára nem megfelelőek az angolra optimalizált modellek vagy az angolból rosszul lokalizált megoldások.
Wonderful megközelítése
A Wonderful álláspontja szerint ezekre a problémákra két irányból lehet válaszolni: egyrészt egy integrációs réteg telepítésével a meglévő banki rendszerek fölé, amely előre beépített tanúsítványokkal és szabályozásra fókuszáló elemekkel csökkenti a megfelelőségi terheket; másrészt olyan AI-ügynökök használatával, amelyek a magyar pénzügyi szakszókincsre vannak betanítva.
Konkrét példa: éjszakai gyanús tranzakció kezelése
Bajer konkrét esetet is említett: egy éjjel észlelt ismeretlen tranzakció esetén az AI-ügynök két perc alatt képes azonosítani a problémát, letiltani a kártyát, compliance ügyet nyitni, 24 órán belül visszatérítést kezdeményezni, és 48 órán belül új kártyát kiküldeni — mindezt emberi beavatkozás nélkül. Az ilyen automatizált, végpontok közötti folyamatmegszakítások csökkentik az ügyfél bizonytalanságát és a versenytársakhoz való átpártolás esélyét.
Milyen eredményekre számíthat a szektor?
Bajer hivatkozott a McKinsey AI-jelentésére is: a jelentés szerint az AI-t használó vállalatok 88 százaléka mindössze 5–6 százalékos előnyt realizál. A bankszektorban Bajer szerint ez az arány akár még alacsonyabb lehet. Ezzel szemben a hagyományos automatizált hívások átlagosan csupán 3 százalékban oldják meg teljesen az ügyfélproblémát emberi beavatkozás nélkül; a Wonderful esetében ez az arány 60 százalék. Bajer szerint ez nem egyszerű kétszeres javulás, hanem paradigmaváltásnak tekinthető.
Miért számít ez?
A banki AI-projektek széleskörű élesítése javíthatja az ügyfélélményt, csökkentheti a csalásból eredő veszteségeket és növelheti az operációs hatékonyságot. Ugyanakkor a régi rendszerek, a szigorú szabályozási környezet és a helyi nyelvi követelmények miatt a technológiai és szervezeti akadályokat meg kell oldani ahhoz, hogy az ígéretek a mindennapi gyakorlatban is realizálódjanak.
Címlapkép forrása: Portfolio
Címkék: bankok, fintech, mesterséges intelligencia, innováció, automatizáció, digitalizáció, chatbot, banki informatika, Banking Technology 2025, AI-ügynök
