Maciej Kasprzak swoją karierę rozpoczynał jako wdrożeniowiec systemów Telco OSS, a od 2010 roku zajmował się zarządzaniem projektami informatycznymi dla sektora telekomunikacyjnego oraz lotniczego. Od 2020 roku związany jest z grupą Ailleron, gdzie odpowiada za obszary rozwiązań dla bankowości oraz rozwój usług IT dla branży finansowej, w tym związanych z takimi dziedzinami jak uczenie maszynowe czy data science. Wykorzystanie sztucznej inteligencji w bankowości oraz optymalne wykorzystanie BIG Data to jego pasja, którą chętnie dzieli się z partnerami biznesowymi.

Maciej Kasprzak Ailleron

Monika Lipiec: Jakie usługi i rozwiązania IT są dziś najczęściej wybierane przez klientów w branży finansowej?

Maciej Kasprzak: Wszystko zależy od naszego klienta. Jeżeli mówimy o dużych bankach, to zazwyczaj szukają uzupełnienia usług IT, natomiast w obszarach bardzo innowacyjnych są nastawione na zakup gotowych produktów digital banking. A to dlatego, że w tych przypadkach są jeszcze na etapie rozpoznania technologii czy danego obszaru i siłą rzeczy szukają na rynku rozwiązania, które mogłoby ewentualnie zaadresować ich potrzeby.

Mniejsze organizacje, są skłonne do zakupu gotowych rozwiązań, gdyż nie chcą budować miesiącami albo nawet latami, złożonych narzędzi. Zwracają się więc właśnie do firm takich jak nasza i szukają gotowych komponentów, ewentualnie konkretnych kompetencji. Starają się w ten sposób nadrobić dystans technologiczny i biznesowy do liderów rynku oraz stawiają na doświadczenie dostawcy, zdobyte w projektach realizowanych właśnie dla liderów.

M.L.: Jakie technologie informatyczne, stosowane w Ailleron, określiłbyś mianem innowacyjnych?

M.K.: Dobrym przykładem są AI Banking oraz obszar związany z analityką danych, czyli data platform. Te systemy zbierają dane z różnych źródeł w czasie rzeczywistym i za pomocą zaawansowanych algorytmów lub modeli uczenia maszynowego są w stanie wnioskować na podstawie zgromadzonych informacji.

Sztuczna inteligencja przez długi czas była pustym hasłem, za którym nie szło praktyczne zastosowanie w biznesie. Uczenie maszynowe, deep learning wykorzystywane były sporadycznie i w wąskich specjalizacjach. W sektorze finansowym i w bankach z tą technologią eksperymentowały bardzo innowacyjne komórki oraz działy IT, np. w zakresie wykrywania nadużyć finansowych, czy też zarządzania ryzykiem. W Ailleron, w obszarze AI, zajęliśmy się technologiami ML (machine learning), NLP (natural language processing) oraz DL (deep learning).

Machine learning (w tym Deep learning, czyli sieci neuronowe) wykorzystujemy m.in. do tworzenia zaawansowanych klasyfikatorów transakcji czy modeli rekomendacyjnych, tak aby z morza danych wyłapać cenne informacje, których nie są w stanie zobaczyć analitycy. Pod względem biznesowym machine learning pozwala szybciej dostarczać efekty złożonej analizy danych. Natomiast z technologicznego punktu widzenia odchodzimy od kodowania pewnych funkcjonalności, żmudnego tworzenia i utrzymywania reguł biznesowych na rzecz mechanizmów samouczących się.

Z kolei NLP (natural language processing) stosujemy do optymalizacji scenariuszy obsługi klientów przez chatboty. Nie jesteśmy dostawcą technologii platform chatbotowych, dostarczamy jednak usługi doskonalenia scenariuszy konwersacyjnych już zaimplementowanych w branży finansowej. Zrealizowaliśmy PoC (proof-of-concept) obsługi wniosków kredytowych, w którym chatbot w sposób wielowątkowy jest w stanie prowadzić dyskusję z klientem i odpowiadać na trudne pytania.

W obszarze AI mieści się także analityka, przewidująca zachowania klientów końcowych banku, firmy ubezpieczeniowej czy leasingowej. Analityka danych, aby działała efektywnie, wymaga optymalnej Platformy Danych (Customer Data Platfrom) , która integruje dane z różnych systemów, dba o ich jakość oraz spójność. Sama Platforma Danych może być wykorzystywana nie tylko pod kątem analityki przez instytucję finansową, ale stanowić źródło danych dostępnych w czasie rzeczywistym (real-time)  dla systemów takich jak bankowość internetowa, mobilne, CRM, bez obciążania systemów źródłowych.

Założenia rozwiązania AI Banking opierają się właśnie na podjęciu natychmiastowego, zdefiniowanego działania w czasie rzeczywistym po wykonaniu określonej czynności przez klienta np. w kanałach cyfrowych banku.  Zaawansowana segmentacja klientów pozwala nam na przewidywanie ich zachowań, takich jak zamiar zakończenia relacji z bankiem i umożliwia instytucji skuteczne podjęcie działań temu zapobiegających. Oferujemy bankom modele klasyfikowania grup klientów na podstawie danych historycznych albo zdarzeń odbieranych w czasie rzeczywistym. Duże banki w mniejszym lub większym zakresie już korzystają z podobnych technologii, jednak w wielu instytucjach finansowych segmentacja klientów odbywa się jeszcze na podstawie parametrów ustalanych przez analityków.

ML pozwala w takim przypadku na analizę pełnego spektrum danych i wychwycenia zależności nieosiągalnych dla umysłu ludzkiego. Pracujemy obecnie również nad wykorzystaniem grafowych baz danych to przeprowadzania analiz wielowymiarowych (Graph ML).

M.L.: Czy klienci Ailleron  korzystają już z produktów i usług w chmurze?

M.K.: Nasze rozwiązania tworzymy w oparciu o dojrzałe podejście do chmury-cloud native, czyli aplikacje muszą być przygotowane do uruchomienia na platformach chmurowych Google, Microsoftu, AWS czy też innego dostawcy. Ze względu na specyfikę i regulacje sektora finansowego, dopasowujemy się jednak do preferencji naszych klientów w zakresie „uchmurowienia”.

M.L.: Masz ogromne doświadczenie przy współpracy z różnorodnymi klientami z bankowości detalicznej i korporacyjnej. Jakie trendy według Ciebie dominują w bankowości?

M.K.: Poza wykorzystaniem AI, obszarem innowacji jest architektura mikroserwisowa. Wszystkie tworzone przez nas rozwiązania są o nią oparte, co przekłada się na wysoką skalowalność oraz dużą elastyczność uruchamiania tych rozwiązań w różnych środowiskach. W mniejszych organizacjach, gdzie procesy wymiany systemów są stosunkowo mało skomplikowane, architektura mikroserwisowa jest już popularna.

Z kolei architektura sterowana zdarzeniami (event driven architecture) będzie wyzwaniem dla istniejących systemów informatycznych. Reagowanie na zdarzenia w systemie jest jednak jednym z kluczowych założeń przy tworzeniu AI Banking.

Co jeszcze? Zaawansowana gamifikacja, która już dotarła do bankowości i widzimy ją zwłaszcza w bankowości dla najmłodszej generacji klientów. Autorzy tych rozwiązań starają się wpłynąć na wzrost przywiązania użytkowników do aplikacji mobilnej i zbudować unikalne Customer Experience.

W rozwoju tego trendu również pomocny będzie machine learning, który umożliwi personalizację pod konkretnego użytkownika. Będzie to jeden z przykładów odejścia od stosowania typowych reguł biznesowych na korzyść zrozumienia przyzwyczajeń użytkowników i “serwowania” hiperpersonalizowanej komunikacji.

Generalnie rynek czeka dalsza automatyzacja procesów i wdrożenia zaawansowanej analityki danych w celu umiejętnego wnioskowania z nich. Zanim to nastąpi, sektor finansowy czekają inwestycje w odświeżenie i przebudowę stosów technologicznych oraz – co najważniejsze – budowa skalowalnych, efektywnych platform danych. To są podstawy do zbudowania, zanim wejdziemy w świat personalizowanej komunikacji. W Ailleron mamy przyjemność wspierać instytucje finansowe we wszystkich tych obszarach.

M.L.: Czy usługi IT dla sektora finansowego to głównie pisanie kodu, wdrożenia i integracje?

M.K.: Usługi IT, oferowane przez Ailleron, to praca całych zespołów nad wdrożeniem konkretnych funkcjonalności biznesowych u klienta. Zapewniamy kompetencje i zasoby do prowadzenia projektów od koncepcji, czyli warsztatów design sprint i prac UX/UI, projektowanie architektury rozwiązań, aż po kompleksową realizację front-end i back-end, czy też integracje, kończąc na przeprowadzaniu testów manualnych i automatycznych. Bardzo ważne jest zrozumienie business case’u przez zespół projektowy, który pracuje dla klienta. Dla przykładu projekty data platform wymagają zaangażowania kierownika projektu, analityków biznesowych, architektów, analityków data science, programistów… Jest to cały przekrój kompetencji, dzięki którym dostarczamy klientowi rozwiązanie, którego oczekuje.

Większość z naszych klientów wymaga, by każdy członek zespołu – scrum master, deweloper, analityk, security engineer, data engineer – miał doświadczenie w sektorze finansowym, a najlepiej, żeby współtworzył rozwiązania właśnie dla banków. Nie chodzi wyłącznie o znajomość technologii, ale zrozumienie wspólnego celu, który mamy osiągnąć.

M.L.: A czy branża finansowa preferuje elastyczne usługi rozwoju oprogramowania, czy gotowe rozwiązania? Co w tym obszarze jest najważniejsze dla klientów?

M.K.: Patrząc na potrzeby naszych klientów w Polsce, Europie, na Bliskim Wschodzie i w Azji, widzę, że rynek na gotowe produkty i platformy jest bardzo mały. Banki budują rozwiązania dostosowane do swoich wymagań. Najlepszym przykładem są rozwiązania front-endowe, które pozwalają odróżnić się od konkurencji — innych banków, fintechów i innowacyjnych startupów.

W przypadku gdy banki chcą uzupełnić swój ekosystem o gotowe do wdrożenia rozwiązania, czy konkretne funkcjonalności, mogą skorzystać z naszej oferty produktów i komponentów. Zdalny onboarding klientów, umawianie spotkań w placówkach, albo zarządzanie kampaniami w bankowości mobilnej to tylko niektóre z nich.

Generalnie banki wybierają nie tylko usługi, ale także wiedzę i doświadczenie naszych analityków, zespołów deweloperskich. Dla klientów istotna jest także znajomość konkretnych stosów technologicznych, kluczowych dla architektury IT danego klienta. Przykładowo, oferując data platform zapewniamy zarówno usługę jej budowy, jak i wdrożenia stosu technologicznego opartego np. na grafowej bazie ArangoDB lub rozwiązaniu wybranym przez klienta.

M.L.: Czy technologie, stojące za usługami Ailleron, mają wpływ na wybór konkretnych rozwiązań przez klientów? 

M.K.: Tak, technologie i architektura oferowanych przez nas rozwiązań mają wielkie znaczenie dla klientów.

Obszar techniczny jest oceniany głównie przez pracowników działów IT oraz architektów banków pod wieloma kątami. Oceniane są: kompleksowość oferowanego rozwiązania, dopasowanie technologiczne do istniejącego ekosystemu IT, liczba integracji koniecznych do startu, koszt i czas wdrożenia oraz przede wszystkim, jakie perspektywy ma dana technologia. Klienci mogą realnie skorzystać z naszego doświadczenia i wybrać najbardziej optymalne rozwiązanie dla siebie. Mamy wieloletnie doświadczenie we wdrażaniu bankowości cyfrowej. Zmiana całego systemu na nowy to generalnie duże i skomplikowane przedsięwzięcie, jednak jesteśmy w stanie wskazać klientom drogę na skróty.

Pomagamy także uzupełnić istniejące systemy o brakujące funkcjonalności w oparciu o usługi i komponenty Ailleron. Są także klienci, którzy decydują się na zastąpienie tylko wybranych elementów z istniejącego systemu, dobierając np. gotowe funkcjonalności z naszej oferty – w każdym przypadku możemy pomóc je dobrać i szybko zintegrować z istniejącymi systemami.

Raporty rynkowe takich firm jak Deloitte, jak i nasze bezpośrednie kontakty wskazują, że klienci potrzebują wsparcia specjalistów z kompetencjami AI i ML. Takich ekspertów z doświadczeniem w branży finansowej jest niewielu, a każdy bank jest inny i na swój sposób buduje przewagę konkurencyjną. My bardzo dobrze rozumiemy potrzeby naszych klientów. Mamy specjalistyczne zasoby i know-how, aby dobrać najbardziej optymalne rozwiązanie.

M.L.: Na koniec opowiedz o jednym kompleksowym zrealizowanym projekcie z obszaru rozwoju oprogramowania „szytego na miarę”, który przychodzi Ci pierwszy na myśl.

M.K.: Przykładem takiego projektu może być wdrożenie dla Spółdzielczej Grupy Bankowej. Przy okazji tego projektu, czyli stworzenia aplikacji bankowości mobilnej, mierzyliśmy się z dużymi wyzwaniami organizacyjnymi i wdrożeniowymi. Wystarczy wspomnieć, że jest to aplikacja, z której mogą korzystać klienci niemal 200 banków spółdzielczych z różnymi systemami core’owymi i bankowości elektronicznej. A dodatkowo na półmetku projektu z napiętym harmonogramem zdarzyła się pandemia i lockdown… Mimo to podstawowa wersja aplikacji (Minimum Viable Product) powstała w zaledwie 6 miesięcy, umożliwiając działanie poszczególnych modułów dla klientów SGB.

To było prawdziwe “mobilne przyspieszenie” dla naszego klienta. Wspólnie wypracowaliśmy również unikatowe na polskim rynku funkcje, takie jak np. zarządzanie subskrypcjami czy moduł Active zintegrowany z urządzeniami Garmin, który wspiera aktywność fizyczną klientów banków zrzeszonych w SGB.

W projekcie dla SGB Banku znaliśmy wymagania, jednak rozpoczęliśmy od warsztatów design sprint, żeby jak najlepiej zrozumieć cele klienta i dobrze zaprojektować aplikację. Jest to świetna metoda inicjowania projektu, a nasz zespół UX uczestniczył w realizacji każdego modułu funkcjonalnego. O ile stworzenie aplikacji do bankowości mobilnej można potraktować jako projekt technologiczny, to stworzenie funkcjonalnej aplikacji, z której klienci będą korzystać na co dzień, stanowi wyzwanie w szerszym kontekście. Ostateczny sukces w przypadku rozwoju oprogramowania w finansach w ogromnej mierze zależy od wysokiej jakości współpracy na linii klient – dostawca.

M.L.: Dziękuję za rozmowę.

M.K.: Dziękuję.

Z Maciejem Kasprzakiem, General Managerem w Ailleron, rozmawiała Monika Lipiec, redaktor Fintek.pl.