Piše: Domagoj Markovina
Accentureovo istraživanje bankarskog sektora za 2026. uvodi koncept vrijedan pažnje: „banka 10ד. Ideja je jednostavna – mali timovi upravljaju AI agentima koji postižu deseterostruki učinak, za što su prije trebali čitavi odjeli, odn. kapacitet više ne ovisi o broju zaposlenih.
Ovo nije samo još jedna od fascinantnih prognoza – Goldman Sachs već koristi autonomne agente za praćenje tradinga i onboarding klijenata. Lloyds Banking Group očekuje da će AI ove godine stvoriti 100 milijuna funti vrijednosti kroz automatizirane istrage frauda i obradu pritužbi. JPMorgan koristi stotine AI modela na razini cijele organizacije, a otprilike 150.000 zaposlenika tjedno se služi velikim jezičnim modelima.
Smjer je jasan. Gartner predviđa da će do kraja 2027. multi-agentski sustavi samostalno donositi 30% svih svakodnevnih bankarskih odluka. Ovdje ne govorimo samo o odgovaranju na upite, nego o donošenju odluka – odobravanju kredita, upravljanju compliance procesima ili obradi zahtjeva klijenata.
I upravo ovdje, 10x koncept postaje interesantan za ostatak industrije.
Problem nije u sposobnosti AI-ja nego u sloju ispod
Banke koje sam spomenuo imaju nešto što većina srednje velikih institucija nema: velike AI timove i budžete za izgradnju AI infrastrukture od nule. Samo JPMorgan zapošljava tisuće inženjera. Goldman Sachs si može priuštiti razvoj vlastitih agentskih sustava na Anthropicovim modelima.
Većina banaka to ne može – ali niti ne mora.
Stvarna razlika između banaka koje skaliraju AI i onih koje su zapele u pilot-fazama nije u kvaliteti AI modela. Razlika je u platformi na kojoj te modele pokreću.
Devedeset pet posto implementacija generativnog AI-ja u financijskim uslugama i dalje ostaje u pilot-fazama, daleko od produkcije. Samo četiri od pedeset najvećih globalnih banaka prijavile su stvarni povrat ulaganja iz AI projekata prošle godine.
To je ogroman jaz između ambicija i realizacije. Razlog je skoro uvijek isti: banke pokušavaju nadograditi AI na naslijeđenu infrastrukturu koja za takvo nešto nije dizajnirana.
Što banka 10× zapravo zahtijeva?
Ako apstrahiramo marketinšku priču, model „banke 10ד ovisi o tri stvari koje moraju funkcionirati zajedno. Ako ijedna nedostaje, vraćamo se na skupe pilote koji nikada ne dođu do produkcije.
Jedinstvena agentska platforma. Ne skup odvojenih rješenja, nego jedinstveno okruženje u kojem možemo graditi, pokretati, orkestrirati i nadzirati AI agente za cijelo poslovanje. Većina banaka danas ima chatbot jednog dobavljača, model za fraud od drugog, ML scoring alat trećeg – a međusobno ne komuniciraju. Svaki od njih ima svoju vlastitu compliance provjeru, svoje podatke i svoje odvojeno održavanje. Ta fragmentacija je upravo razlog zašto se piloti teško skaliraju.
Agenti povezani s CRM-om i koji uistinu obavljaju posao. AI agent koristan je samo onoliko koliko mu to dopuštaju podaci kojima pristupa i radnje koje može izvršiti. Agent koji može čitati vaš CRM, ali ne može ažurirati zapise, pokrenuti proces ili poslati personaliziranu ponudu, nije agent nego pametnija tražilica. Agenti koji donose stvarnu vrijednost su ugrađeni u operativne sustave i rade sa stvarnim podacima o klijentima te izvršavaju konkretne poslovne procese. Kad se klijent obrati banci za obnovu kredita za stan, agent bi trebao moći izvući potpunu povijest, provjeriti ispunjava li uvjete, generirati personaliziranu ponudu i proslijediti je na odobrenje – sve unutar jednog te istog razgovora.
AI governance koji skalira s povećanjem autonomije. Ovo je dio koji većina nas podcjenjuje. Kad imate jedan AI pilot u sandboxu, AI governance je sasvim izvediv. Kad imate desetke agenata koji rade na korisničkoj službi, kreditiranju, complianceu i prodaji, trebate AI governance koje je ugrađeno u samu platformu – ne nadograđivano naknadno, agent po agent.
To znači:
- human-in-the-loop kontrole kojima definirate koliko autonomije svaki agent ima
- trag revizije koji bilježi svaku agentsku odluku, radnju ili eskalaciju
- zaštitu osobnih podataka je automatska, a ne ovisna o tome hoće li se netko sjetiti ručno je konfigurirati
- pragove kvalitete koji sprječavaju agenta da pošalje odgovor klijentu ako ne zadovoljava razinu AI pouzdanja
- kontrole trošenja budžeta koje sprječavaju nekontrolirani rast troškova AI-ja
EU AI Act čini ovo obveznim. Iako je Omnibus regulativa pomaknula rok za high-risk usklađenost na prosinac 2027., obveze transparentnosti prema Članku 50 već su na snazi. Banke moraju objaviti kada klijenti komuniciraju s AI-jem, a infrastruktura upravljanja – inventar sustava, klasifikacije rizika, sljedivost odluka i procjene usklađenosti – a sve to zahtijeva vrijeme za razvoj.
Prednost srednje velike banke
Ovdje imamo interesantnu „kvaku“. Najveće banke imaju resurse za izgradnju vlastite AI infrastrukture, ali ih isto tako opterećuju kompleksni naslijeđeni sustavi. Velika banka može imati stotine aplikacija raspoređenih na desetke platformi, od kojih neke datiraju iz 90-ih. Složiti AI agente da rade s takvim i toliko IT sustava je sasvim netrivijalan tehnološki izazov.
Srednje velike banke imaju daleko manje IT „nasljeđa“ . Mogu usvojiti moderne, AI-nativne platforme koje već integriraju CRM, automatizaciju procesa i upravljanje agentima u jednom okruženju. Mogu se kretati puno agilnije upravo zato što imaju puno manje prtljage za vući sa sobom.
Nedostatak AI kadra ovo dodatno potvrđuje. Srednje velike banke ne mogu se natjecati s tehnološkim divovima za AI inženjere – ali niti ne moraju. Platforme koje omogućuju poslovnim korisnicima da grade i implementiraju AI agente koristeći prirodni jezik i no-code alate potpuno mijenjaju računicu. Bankin vlastiti compliance tim koristi postojećeg ili jednostavno napravi novog KYC agenta, marketinški tim agenta za personaliziranu komunikaciju, a korisnička služba agenta za rješavanje pritužbi – sve bez pisanja koda ili čekanja na IT.
Kako krenuti?
Ako vodite srednje veliku banku i koncept „banke 10ד zvuči privlačno ali ne i dostižno, evo kako pristupiti:
Ne trebate pokušavati replicirati Goldman Sachsa. Trebate platformu koja vam daje iste sposobnosti – agentski AI, integraciju s CRM-om, višekanalnu komunikaciju, ugrađeni governance – bez potrebe za golemim inženjerskim timom koji će sve graditi od nule i održavati.
Praktični koraci su:
- Napravite reviziju svojih trenutnih AI inicijativa. Koliko pilota imate? Koliko ih je u produkciji? Koliki je ukupni trošak njihovog zasebnog održavanja?
- Procijenite podržava li vaša postojeća CRM i platforma za automatizaciju poslovnih procesa nativno pokretanje AI agenata – ili trebate nadogradnje da biste ih spojili na odvojene AI agente.
- Provjerite svoju spremnost za AI governance. Imate li uvid u svaku odluku AI-ja? Možete li kontrolirati autonomiju agenata po pojedinoj funkciji? Jeste li spremni za zahtjeve EU AI Acta koji dolaze 2027.?
- Krenite s jednim primjerom visoke dodane vrijednosti. Npr. automatski odgovori u korisničkoj službi s definiranim razinama kvalitete, personalizirane preporuke proizvoda pokrenute stvarnim podacima ponašanja klijenta ili automatizirana kvalifikacija leadova koja prodajnim timovima predaje kvalificirane prilike umjesto nefiltriranih lista.
Banka 10× ne znači raditi deset puta više s AI-jem. To znači izgraditi operativni sloj koji AI – uz nadzor – čini korisnim i skalabilnim te zatim prepustiti svojim timovima da multipliciraju svoj učinak.
Razgovarajte s našim timom
