A Portfolio Bank Technology 2026 konferencia agentic AI-ról rendezett panelbeszélgetésén a résztvevők egyetértettek abban, hogy jelentős különbség van a pénzügyi szereplők AI-hoz fűzött reményei és a compliance‑, biztonsági és felügyeleti követelmények által meghatározott gyakorlati mozgástér között. A beszélgetést Dojcsák Dániel (Shiwaforce) moderálta.
Főbb megállapítások
-
A résztvevők szerint az AI potenciálisan olcsóbbá teheti a pénzügyi szolgáltatásokat, ugyanakkor jelentős munkahely‑kiváltással is járhat. Az Uniqa Biztosító képviseletében Prokop Péter arról számolt be, hogy mesterséges intelligencia segítségével átalakított end‑to‑end kárrendezési folyamatukkal már több ezer kárt rendeztek, és a kárrendezési költségek egyharmadára csökkenthetők. Emellett a szükséges munkaerő 40–45 százaléka kiváltható 2028-tól.
-
Both András (MBH Bank) kiemelte, hogy a bankok rendkívül sok rendszert működtetnek, és szinte minden üzleti területnek megvannak a maga jogos elképzelései az AI hasznosításáról. Ezek a vágyak azonban sokszor távol állnak attól, ami compliance- és felügyeleti szempontból ténylegesen megvalósítható.
-
A felhőszolgáltatások ára a résztvevők szerint a jövőben indokolt mértékben emelkedhet. Strén Gábor (Amazon Web Services) rámutatott, hogy a felhő- és big tech fejlesztések a piaci és ügyféligényekből táplálkoznak, ezért fontos, hogy minden fejlesztés mögött egy valódi probléma álljon, és a felhőbe vitt megoldásokat folyamatosan modernizálják.
Műszaki és szabályozói kihívások
-
Mádi Gábor (Shiwaforce) azokra az akadályokra hívta fel a figyelmet, amelyek megnehezítik az AI bevezetését: a korábbi állami digitalizációs hibák, az elavult, „legacy” rendszerek, valamint az a gyakori tévhit, hogy az AI minden problémára megoldás. Hangsúlyozta továbbá, hogy banktitok és bankbiztonság miatt nem lehet minden folyamatot kizárólag ügynökökre bízni.
-
Kada Zsolt az MNB képviseletében kiemelte, hogy a bankszektorban kiszámítható, stabil és robusztus folyamatokra van szükség. Az AI‑rendszerek nem determinisztikus, hanem sztochasztikus működése különös gondosságot követel meg a visszaállíthatóság és a kockázatok alapos értékelése terén. Az MNB szabályozói hozzáállását a résztvevők nem eleve szigorúnak, hanem kifinomultnak és kockázatalapúnak jellemezték.
-
Felmerült az emberi tényezők alulértékelése: többen hangsúlyozták, hogy a technológiai fejlesztések mellett a szervezeti és humán oldalt sem szabad figyelmen kívül hagyni.
Gyakorlati példák és következtetések
-
Az Uniqa esete azt mutatja, hogy határozott megtakarítások és hatékonyságjavulás érhető el AI‑val még meglévő rendszerek mellett is, ha azt integráltan vagy end‑to‑end módon valósítják meg. Ugyanakkor sok pénzügyi intézménynél az örökölt rendszerek miatt egy AI‑fejlesztés kockázatosnak tűnhet.
-
A panel összegzése szerint az AI‑alkalmazások bevezetésének kereteit nem sablonokban, hanem egyedi use case‑ek alapján kell kialakítani: a technológiai fejlődés felelős szabályozási keretek között legyen, és önmagában a „cutting edge” technológia ne helyettesítse a stratégiai gondolkodást.
Miért számít ez?
A beszélgetés rávilágított, hogy bár az AI gyorsítja a digitalizációt és átalakíthatja a költség‑ és kockázati struktúrákat a bankszektorban, a megvalósítás nem pusztán technológiai kérdés: szabályozói megfelelés, biztonság, visszaállíthatóság, a legacy rendszerek kezelése és az emberi tényezők mind kritikus tényezők maradnak. A jövőben ezért kockázatalapú, use case‑specifikus megközelítésekre és a meglévő rendszerek körültekintő integrálására lesz szükség.
Kapcsolódó esemény
A cikk emlékeztet arra is, hogy a Portfolio AI & Digital Transformation 2026 konferenciát november 26-án rendezik; a rendezvény a cikk közzétételének idején nyilvános regisztrációs információkat kínál.
