A Nemzetközi Pénzügyi Intézet (IIF) és az EY tanácsadócég 2026-os, nyolcadik közös felmérése szerint a mesterséges intelligencia használata a pénzügyi szektorban alapvetően megváltozott: a megkérdezett 65 intézmény és nyolc régió adatai alapján a technológia ma már nem pusztán kísérleti projektek tárgya, hanem éles üzemi megoldás.
Kiterjedt éles használat és gyors átállás
A válaszadók 98 százaléka jelölte, hogy AI-t éles üzemben alkalmaz; a maradék 2 százalék pedig a közeljövőben tervezi a bevezetést. A teljes körű, globálisan rendszerszempontból jelentős bankok (G‑SIB), az összes biztosító, tőkepiaci szereplő és fizetési szolgáltató már éles környezetben használja a technológiát.
A felmérés egyértelműen az adaptáció felgyorsulását mutatja: míg a hagyományos prediktív gépi tanulási megoldások széles elterjedéséhez a szektorban több mint 15 év kellett, a generatív AI körülbelül négy év alatt lett széles körű, az ügynökalapú AI pedig mindössze két év alatt tette meg ugyanezt.
Generatív AI megelőzte a prediktív megoldásokat; ügynökök gyors terjedése
A felmérés történetében először a generatív AI használata meghaladta a prediktív AI-ét: a válaszadók 97 százaléka használ generatív AI-t élesben, míg 94 százalék alkalmaz prediktív megoldásokat. Az ügynökalapú AI volt a legdinamikusabb növekedésű terület: az éles alkalmazás aránya egy év alatt 23 százalékról 70 százalékra nőtt.
Alsóbb rétegekben is jól látszik a tendencia: a G‑SIB-ek esetében mindenhol jelen van az éles generatív AI, és 77 százalékuk már ügynökalapú megoldásokat is használ. A biztosítók 100 százaléka vet be mind prediktív, mind generatív AI-t. A tőkepiaci szereplők mind aktívan kísérleteznek a technológiákkal, és a kísérleti projektek többsége generatív vagy ügynökalapú megoldásokat tesztel (95 és 92 százalék).
Beruházások, megtérülés és skálázás
A vállalatok többsége 2024 és 2026 között növelte AI‑költségvetését, és senki sem tervez forráscsökkentést. A cégek 43 százaléka 0–25 százalék közötti költségnövekedésre számít; csak 5 százalék nem vár változást. Az AI stratégiai prioritásként jelenik meg a régiók többségében: észak‑amerikai és európai vállalatok egységesen hosszú távú növekedési tényezőként kezelik, Japánban pedig a megkérdezettek 60 százaléka sorolja ide.
A megtérülés technológiánként változik: a prediktív AI-nál a válaszadók 86 százaléka tapasztalt realizált pénzügyi előnyt; generatív AI-nál jelenleg 81 százalék számolt be mérhető megtérülésről, miközben a várakozások 92 százalékra rúgnak (Észak‑Amerikában 100 százalékos várakozás). Az ügynökalapú AI esetében 32 százalék mérhető pénzügyi eredményekről számolt be, de a következő egy évre vonatkozó várakozás 75 százalékra emeli ezt az arányt.
A 200 feletti használati esetet futtató cégek aránya 2024‑ről 2026‑ra 2 százalékról 23 százalékra nőtt; Japánban az intézmények 60 százaléka számolt be 200 feletti használati esetről. Az 50–100 alkalmazási területet futtató intézmények aránya 2025 és 2026 között több mint kétszeresére nőtt.
Leggyakoribb alkalmazási területek
A prediktív AI fő felhasználási területei: kockázatkezelés (66 százalék), csalásmegelőzés (58 százalék) és megfelelőség, beleértve a pénzmosás elleni védekezést (55 százalék). A generatív AI-t élesben használó intézmények 98 százaléka alkalmazza belső tudásmenedzsmentre, 97 százalékuk pedig folyamatok automatizálására. Az ügyféloldali megoldásoknál a pénzforgalmi szereplők vezetnek a chatbotok terén; a következő 12 hónapban a G‑SIB-ek és a nem rendszerszintű bankok 84–85 százaléka tervez hasonló bevezetésekre.
Bevezetési akadályok és tokenomikai hatások
Az élesítés fő akadályai továbbra is az adatminőség, a munkaerőhiány és a korlátozott adathozzáférés; a válaszadók fele a költségeket is fő gátként jelölte. Bár bizonyos mérőszámok szerint a tokenárak csökkentek, modellekenként az iterációnkénti tokenfelhasználás emelkedett, különösen a legfejlettebb modelleknél. Ennek hatására a cégek 57 százaléka érdeklődik nyílt forráskódú megoldások, 49 százalék pedig kis nyelvi modellek (SLM) iránt.
Az ügynökalapú AI-nál a meglévő rendszerekbe való integráció és az irányítási keretek kialakítása a legkomolyabb akadály, míg a nyílt forráskódú modelleknél az adatvédelmi és kiberbiztonsági aggályok dominálnak.
Növekvő függés külső szolgáltatóktól és átláthatósági problémák
A külső AI‑infrastruktúrák és platformok éles használata 2023‑ról 2026‑ra 59 százalékról 88 százalékra nőtt. A kizárólag kísérletekre korlátozódó vállalatok aránya 16 százalékról 6 százalékra csökkent. A külső modelleket elsősorban adatelőkészítésre, modellbetanításra és teljesítménytesztelésre használják, azonban az irányítási képességek fejlesztése lemaradásban van: a cégek közel fele nem jut hozzá a validáláshoz szükséges információkhoz.
A külső modelleket használó intézmények 83 százaléka hiányolja a modellarchitektúrára és technikai részletekre való hozzáférést, 65 százalék említette a modellfrissítési és újratanítási folyamatok átláthatatlanságát, 55 százalék pedig a betanítási adatokhoz való hozzáférés nehézségét. A G‑SIB-ek 69 százaléka jelezte, hogy nem rendelkezik elegendő információval a külső modellek validálásához. Pozitív fejlemény, hogy a beágyazott AI‑szolgáltatások felügyelete javult: a semmilyen irányítási gyakorlattal nem rendelkező cégek aránya 13 százalékról 3 százalékra csökkent.
A válaszadók 91 százaléka a közös felelősség (shared responsibility) modelljét preferálja a beszállítókkal való együttműködésben.
Kockázatkezelés, felelősség és irányítás
Minden éles AI‑rendszert üzemeltető intézmény hivatalos kockázatkezelési keretbe szerelte AI‑megoldásait: 56 százalék speciálisan AI‑alkalmazásokra szabott keretrendszert dolgozott ki, 19 százalék a meglévő modellkockázat‑kezelési (MRM) vagy vállalati kockázatkezelési (ERM) rendszerekre támaszkodik, 21 százalék pedig a meglévő kereteket fejleszti az ügynökalapú AI‑kockázatok kezelésére.
Az irányítási struktúra is átalakul: a 2025‑ben jellemző egyéni felelősökről a több felsővezetőt bevonó, megosztott irányítási modell felé mozdulnak el a cégek — az ilyen modellt alkalmazók aránya 9 százalékról 45 százalékra nőtt 2025 és 2026 között.
A technológiák kockázatai eltérnek: a generatív AI-nál az adatvédelmi aggályok és a hallucinációk emelkednek ki (65 százalék), az ügynökalapú AI esetében pedig a modellsodródás és autonómia jóval nagyobb kockázatot jelent (60 százalék), amelyet 52 százalék kiberbiztonsági, és 45 százalék elszámoltathatósági kérdésként jelölt meg. Az autonóm ügynököknél a kiberbiztonsági kockázat 12 százalékponttal magasabb a hagyományos megoldásoknál.
AI‑alapú felügyelet és visszacsatolás
Az AI‑alapú irányítási eszközök (AI‑in‑the‑loop) gyorsan terjednek: 2025‑ről 2026‑ra a modellek felügyeletének automatizálására AI‑t alkalmazó intézmények aránya 41 százalékról 81 százalékra emelkedett. A visszacsatolási mechanizmusokat alkalmazók aránya 2024‑ről 2026‑ra 65 százalékról 81 százalékra nőtt, további 14 százaléknál ezek fejlesztés alatt állnak — a piac 95 százaléka aktívan foglalkozik a kérdéssel.
Az ügynökalapú AI megjelenésére reagálva az intézmények 62 százaléka frissíti irányítási keretrendszerét; a leggyakoribb megközelítések a kockázatalapú szintezés (89 százalék) és az eseti értékelés (86 százalék).
Szabályozás és hatósági párbeszéd
A jogi környezet bővül: a válaszadók 71 százaléka szerint a meglévő, nem AI‑specifikus szabályok (például adatvédelmi és kiberbiztonsági előírások) már hatással vannak működésükre. Emellett 55 százalékuk szektorspecifikus szabályoknak, 48 százalék pedig AI‑specifikus jogszabályoknak is megfelel. Az euróövezetben az intézmények 78 százaléka áll átfogó AI‑specifikus szabályozás hatálya alatt; Észak‑Amerikában a cégek 100 százaléka, Japánban pedig 80 százaléka jelezte, hogy valamilyen AI‑t érintő előírás rájuk vonatkozik.
A felügyeleti hatóságok fókuszában minden vizsgált joghatóságban a magyarázhatóság, a torzítás és az etikai kérdések állnak. Az AI‑modellek összetettségének felügyeleti prioritása egy év alatt a nyolcadik helyről az ötödikre ugrott. A hatósági párbeszéd intenzitása is nőtt: a pénzügyi felügyeletekkel egyeztető intézmények aránya 68 százalékra emelkedett, míg a nem pénzügyi hatóságokkal való kapcsolatfelvétel 3 százalékról 14 százalékra nőtt. A párbeszédet egyáltalán nem tervező cégek aránya 17 százalékról 10 százalékra csökkent.
Következtetések
Az IIF–EY 2026‑os felmérése alapján a mesterséges intelligencia a pénzügyi szektorban már működési alaptechnológiává vált: a prediktív, generatív és ügynökalapú megoldások tömegesen vannak élesben, a beruházások nőnek, és egyre több területen mérhető a megtérülés. A következő kihívás nem azon múlik majd, hogy bevezetik‑e az AI‑t, hanem hogy miként tudják az intézmények kontrollokkal, beszállítói átláthatósággal, erős adat‑ és kockázatkezelési keretekkel, valamint hatékony szabályozói párbeszéddel skálázni a technológiát. Az ügynökalapú AI gyors terjedése jól szemlélteti: az AI ma már nem csupán kiegészítő innováció, hanem a pénzügyi működés meghatározó alapja.
Kapcsolódó szakmai esemény
A Portfolio Future of Finance 2026 konferenciája szeptember 23‑án kerül megrendezésre; a rendezvényen külön szekció foglalkozik a pénzügyi szektor AI‑érettségével.
