AIGP / Sektory / Usługi finansowe
Sektor 04 — Usługi finansowe

Agenci, którzy rozumieją kontekst bankowy.

Dla banków, ubezpieczycieli, instytucji finansowych. Agenci AI automatyzujący operacje, fraud detection oparty na graph neural networks, decision intelligence, weryfikacja autentyczności dokumentów. Oparte na modelach open-source — bez vendor lock-inu, zgodnie z wymaganiami suwerenności cyfrowej.

Omów projekt → Zobacz realizacje
Co boli sektor

Trzy obszary, w których AI zmienia ekonomię operacji.

Przepracowałam ponad dwadzieścia lat w sektorze finansowym. Te trzy tematy dominują rozmowy z zarządami banków i ubezpieczycieli w 2026 roku.

  1. Koszt operacji rośnie szybciej niż przychody

    Compliance, KYC, obsługa reklamacji, analiza dokumentacji — to wszystko pochłania godziny ludzi, których można skierować na pracę, gdzie naprawdę tworzą wartość. Agenci AI oparte na modelach open-source dorównują dziś rozwiązaniom komercyjnym przy znacząco niższych kosztach operacyjnych.

  2. Fraud, który się uczy szybciej niż systemy reguł

    Klasyczne systemy reguł nie nadążają za wzorcami, które zmieniają się miesiąc do miesiąca. Graph neural networks pokazują wzorce niewidoczne dla reguł — i skalują się do danych, których analityk nigdy nie przejrzy.

  3. Weryfikacja autentyczności w świecie, gdzie wszystko można sfałszować

    Deepfake głosowy w call center, syntetyczne zdjęcia szkód komunikacyjnych, fałszywe dokumenty tożsamości. Detekcja AI-generated content przestała być teoretycznym wyzwaniem — stała się wymaganiem operacyjnym.

Realizacje partnerów AIGP

Technologie gotowe do adopcji w bankowości.

Projekty, których architektura i metryki są bezpośrednio transferowalne do sektora finansowego.

Agenci AI · Automatyzacja Agenci AI dla automatyzacji zadań

Agenci oparci na open-source dorównujący komercyjnym.

Agenci AI oparci na modelach open-source (Deepseek, Qwen, GLM, Kimi K2), dorównujący lub przewyższający modele komercyjne przy znacząco niższych kosztach. Pipeline agenta: przyjęcie zadania, analiza kontekstu, planowanie rozwiązania (chain-of-thought + MCTS), implementacja, weryfikacja, output gotowy do review.

W kontekście bankowym — zastosowanie w automatyzacji code review, generowaniu testów, refactoringu legacy codebase (banki siedzą na dekadach kodu COBOL), onboardingu developerów, dokumentacji technicznej.

Open-source
Bez vendor lock-inu
AST-level
Rozumienie kodu całego projektu
MCTS
Planowanie rozwiązań z wieloma ścieżkami
Decision intelligence System analizy ryzyka i prognozowania

Probabilistyczne odpowiedzi na pytania decyzyjne w <30s.

Centralny serwis przyjmujący zapytania przez API i przetwarzający je w wieloetapowym pipeline'ie. Pytanie trafia równolegle do kilku modeli LLM, moduł news automatycznie pobiera i ocenia trafność artykułów, a finalna agregacja łączy wyniki z uzasadnieniem. Output: prawdopodobieństwo 0.0–1.0 z uzasadnieniem.

W bankowości — zastosowanie w scoringu wydarzeń rynkowych, ocenie ryzyka regulacyjnego, wsparciu decyzji kredytowych dla klientów korporacyjnych.

80%
Celność na danych walidacyjnych
<30s
Czas odpowiedzi
~20/min
Przepustowość zapytań
AI-generated detection · Compliance Detekcja treści generowanych przez AI

Weryfikacja autentyczności obrazów i wideo na skalę instytucjonalną.

Pipeline przetwarzający 25 mln+ mediów. Modele ViT-L, VideoMAE, V-JEPA. Eksport do ONNX dla niskolatencyjnego wdrożenia. W sektorze finansowym — weryfikacja zdjęć szkód komunikacyjnych, detekcja syntetycznych dokumentów tożsamości, analiza autentyczności materiałów do KYC.

~97%
Skuteczność klasyfikacji obrazów
~93%
Skuteczność wideo
ONNX
Format produkcyjny
Graph neural networks · R&D Problem maksymalnej kliki i grafy

GNN w służbie wykrywania wzorców sieciowych.

Hybrydowa architektura łącząca klasyczne algorytmy z deep learningiem. GNN rozpoznaje struktury w grafach od poniżej 100 do ponad 500 wierzchołków, z czasem rozwiązywania poniżej sekundy. Zastosowania w sektorze finansowym: fraud detection (wzorce w sieciach transakcji), AML (sieci powiązań kapitałowych), analiza ryzyka koncentracji.

<1s
Rozwiązanie dla grafów 500+ wierzchołków
GNN
Graph neural networks
Hybrid
Klasyczne algorytmy + deep learning
Modele komercyjne

Sektor finansowy rzadko korzysta z grantów. To jest OK.

Banki i ubezpieczyciele finansują AI z budżetów IT/operacyjnych. Granty mogą być dźwignią w projektach konsorcjalnych lub R&D — ale nie są regułą.

Podstawowy model

Enterprise delivery

Budżet własny instytucji. Tempo wdrożenia liczone w kwartałach. Struktura komercyjna oparta na fixed-price lub T&M z success-fee.

Budżet IT/OpEx 12–24 tyg.
R&D

FENG Ścieżka SMART

Dla projektów realnie badawczo-rozwojowych (np. nowe algorytmy, modele dziedzinowe). Bank jako partner konsorcjum z firmą technologiczną i jednostką B+R.

do 140 M PLN 16.06–11.08.2026
Partnerstwo

Model retainer

Stałe doradztwo strategiczne AIGP + priorytetowy dostęp do sieci partnerów technologicznych. Dla banków budujących długoterminową zdolność AI.

Kwartalnie Wieloletnie
Konsorcjum badawcze

Bielik.ai & partnerzy

Dla instytucji zainteresowanych pracą na suwerennych modelach językowych — konsorcja badawcze z udziałem AGH Cyfronet i zespołu Bielik/SpeakLeash.

Konsorcjum Projekty R&D
Jak pracujemy w sektorze finansowym

Specyfika, którą znamy od środka.

Ponad dwie dekady pracy w bankowości — w tym na stanowiskach C-level — oznacza, że rozumiemy różnicę między tym, co zarząd mówi, że chce, a tym, co naprawdę kupi.

01

Rozmowa z poziomem decyzyjnym

Jeśli projekt ma sens, musi mieć właściciela na poziomie zarządu lub dyrekcji pionu. Pierwsze spotkanie z tą osobą, nie z IT.

02

Assesment regulacyjny

DORA, AI Act, RODO, rekomendacje KNF. Zanim pojedzie technologia, sprawdzamy, jak się układa w regulacyjny framework.

03

Selekcja partnera — z naciskiem na bezpieczeństwo danych

Partner musi spełniać wymagania dotyczące przetwarzania danych. On-premise, private cloud, modele open-source — zwykle niezbędne.

04

Pilot w izolowanym środowisku → decyzja o rollout

Sektor finansowy nie wdraża „na żywo". Pilot, walidacja, decyzja, produkcja — zgodnie z rytmem organizacji.

Insights — sektor finansowy

Lektura przed rozmową.

Bankowość · Agenci AI · 12 min

Agenci AI w bankowości: co jest gotowe na produkcję w 2026

Przegląd zastosowań od KYC i compliance po automatyzację developmentu — co działa, co jeszcze nie.

Przeczytaj →
Fraud · GNN · 10 min

Fraud detection poza regułami: podejście graph neural network

Dlaczego klasyczne systemy reguł przegrywają z wzorcami sieciowymi — i jak banki zaczynają to zmieniać.

Przeczytaj →
Regulacja · 9 min

DORA i AI Act: praktyczne implikacje dla wdrożeń AI w bankach

Co się zmienia w 2026 i 2027 w zakresie zgodności projektów AI — i jak projektować je tak, żeby regulacja nie była problemem.

Przeczytaj →
Sektor finansowy · rozmowa

Bank, ubezpieczyciel, inwestor? Znamy ten język.

Pierwsze spotkanie — 45 minut, jeden temat, zero prezentacji. Wychodzimy z tego z decyzją, czy to jest projekt do kontynuacji.

Umów rozmowę →