Analizy
Polskie banki giełdowe mają na koncie 51 wdrożeń sztucznej inteligencji, a osiem z dziewięciu korzysta już z generatywnej AI / autor: Pixabay
Polskie banki giełdowe mają na koncie 51 wdrożeń sztucznej inteligencji, a osiem z dziewięciu korzysta już z generatywnej AI / autor: Pixabay

AI w bankach: wdrożeń coraz więcej, dowodów wciąż brak

Agnieszka Wójcik-Czerniawska, Hubert Gąsiński

  • Opublikowano: 22 listopada 2026, 15:18

  • Powiększ tekst

Czatboty, voiceboty, asystenci generatywnej AI dla dziesiątek tysięcy pracowników – polskie banki giełdowe mają na koncie 51 udokumentowanych wdrożeń sztucznej inteligencji, a osiem z dziewięciu korzysta już z generatywnej AI. Zestawiliśmy te wdrożenia z wynikami finansowymi i notowaniami z ośmiu i pół roku. Wniosek? Dane publiczne nie pozwalają ani potwierdzić, ani wykluczyć, że AI się bankom opłaca. Kłopot nie leży w technologii, lecz w miarce, którą próbujemy ją zmierzyć.

Pytanie o zwrot z inwestycji w AI przestało być akademickie. Agencja S&P Global Ratings zapowiada, że sztuczna inteligencja może z czasem wpływać na ratingi banków – ale premiowana będzie nie sama technologia, tylko strategia, która przynosi trwałe oszczędności lub nowe przychody. Z badania Gartnera, przedstawionego na konferencji IT@BANK 2025, wynika z kolei, że tylko 38 proc. dyrektorów IT w bankach wierzy, iż inwestycje w AI wyraźnie poprawią wyniki finansowe. Sprawdziliśmy więc, co mówią twarde dane: sprawozdania i notowania wszystkich dziewięciu banków z warszawskiej giełdy od początku 2018 r. do połowy 2026 r. To instytucje, które skupiają ok. 68 proc. aktywów sektora.

Od Milli do Copilota

Polskie banki nie czekały na modę na ChatGPT. W marcu 2018 r. ING Bank Śląski uruchomił w bankowości internetowej czatbota Mój Asystent, a w grudniu tego samego roku Bank Millennium pokazał Millę – pierwszego w Polsce czatbota bankowego, który realizował transakcje. W 2020 r. klientów Santander Bank Polska (dziś Erste Bank Polska) zaczął obsługiwać Santi, a w 2021 r. na infolinii Alior Banku pojawiła się InfoNina. Pod koniec 2024 r. odbierała ok. 14 tys. połączeń dziennie, a ponad połowę rozmów prowadziła bez udziału konsultanta.

Od 2023 r. trwa druga fala: generatywna AI i narzędzia dla pracowników. Voiceboty PKO Banku Polskiego przeprowadziły – według danych z listopada 2025 r. – ponad 70 mln rozmów z ponad 11 mln klientów, a z asystenta programisty korzystało ponad tysiąc deweloperów. Pekao chwali się m.in. narzędziem przeczytAI, które przetwarza ponad 1,5 mln dokumentów kwartalnie. mBank uruchomił pięć rozwiązań opartych na GenAI od razu jako produkty, a nie pilotaże, i udostępnił Copilota wszystkim pracownikom. Do połowy 2026 r. osiem z dziewięciu banków miało udokumentowane użycie generatywnej AI – własne albo w ramach grupy kapitałowej

Sztuczna inteligencja w bankach notowanych na GPW / autor: materiały własne autorów
Sztuczna inteligencja w bankach notowanych na GPW / autor: materiały własne autorów

Jak policzyć AI, której nie ma w sprawozdaniach

Banki nie podają ani wydatków na AI, ani liczby działających modeli w porównywalny sposób. Zbudowaliśmy więc własny indeks. Dla każdego banku ustaliliśmy, kiedy publiczne źródło – komunikat prasowy, raport roczny, artykuł branżowy albo studium przypadku dostawcy – po raz pierwszy potwierdza produkcyjne użycie AI w jednym z 12 obszarów: od obsługi klienta i wykrywania nadużyć, przez ocenę zdolności kredytowej i compliance, po pisanie oprogramowania. Zapowiedzi, strategie i projekty laboratoryjne nie liczyły się.

Wyszło 51 takich par „bank–obszar”. Najszerszy zakres zastosowań ma PKO Bank Polski (9 z 12 obszarów), za nim są Pekao i ING Bank Śląski (po 7) oraz mBank (6). Ważniejsze jest jednak tempo: dwie trzecie wszystkich wdrożeń pojawiło się dopiero w latach 2024–2026 (wykr. 1). Większość z nich jest więc zbyt świeża, by mogła już w pełni odbić się w wynikach.

Fala wdrożeń: dwie trzecie udokumentowanych zastosowań AI pojawiło się w latach 2024⁠–⁠2026 / autor: materiały własne autorów
Fala wdrożeń: dwie trzecie udokumentowanych zastosowań AI pojawiło się w latach 2024⁠–⁠2026 / autor: materiały własne autorów

Zyski: plus, ale w granicach błędu

Żeby nie pomylić efektu AI z efektem stóp procentowych czy innych zjawisk wspólnych dla całej branży, porównywaliśmy każdy bank z nim samym w czasie i odfiltrowywaliśmy to, co w danym kwartale działo się w całym sektorze. Wynik: każdy kolejny obszar zastosowań AI wiąże się z ROA wyższym średnio o ok. 0,05 pkt proc. Po uwzględnieniu wielkości banku i poziomu kapitałów zostaje z tego ok. 0,02 pkt proc. – po prostu duże banki mają więcej wdrożeń i zarazem wyższą rentowność. Dla ROE efekt to ok. 0,2 pkt proc. Żadnej z tych liczb nie da się jednak statystycznie odróżnić od zera. Marża odsetkowa nie zmienia się wcale, co ma sens: AI działa przez koszty i skalę, a nie przez cenę kredytu.

Podobnie jest, gdy porównamy banki przed pierwszym wdrożeniem generatywnej AI i po nim z tymi, które jeszcze tego kroku nie zrobiły. Średni efekt to +0,17 pkt proc. ROA, ale przy błędzie rzędu 0,29 pkt proc. mieści się w granicach przypadku. Jedyny wyraźniejszy sygnał dotyczy udziału wartości niematerialnych w aktywach, który rośnie wraz z liczbą zastosowań AI. To jednak ślad wydatków na oprogramowanie, a nie ich efektów – i także on nie jest statystycznie pewny.

Na proste rankingi „liderów AI” lepiej uważać. Bank o najszerszym zakresie AI (PKO BP) miał w latach 2018–2026 średnie ROA 1,06 proc., a bank o najwęższym (Millennium) – 0,12 proc.. Najwyższą średnią w całej próbie (1,68 proc.) osiągnął jednak Citi Handlowy, z pięcioma obszarami zastosowań. Te różnice mają zupełnie inne źródła: spory o kredyty frankowe, wakacje kredytowe i podatek bankowy uderzały w poszczególne banki z bardzo różną siłą. Kto zestawia „liderów” z „maruderami” bez takich korekt, mierzy historię portfela kredytowego, a nie technologię.

Dlaczego tego nie widać? Waga nie ta

Brak istotności statystycznej łatwo wziąć za dowód, że AI „nie działa”. To błąd. Każde badanie ma próg czułości – jak waga, która nie odnotuje kilku gramów. Przy dziewięciu bankach i 34 kwartałach najmniejszy efekt wdrożenia GenAI, jaki dało się wychwycić z rozsądnym prawdopodobieństwem, to ok. 0,82 pkt proc. ROA. To aż 83 proc. średniej rentowności aktywów w próbie (0,99 proc.).

Tymczasem realistyczne efekty są wielokrotnie mniejsze. S&P Global szacuje przeciętne korzyści efektywnościowe z AI na 10–25 proc., a w scenariuszach modelowych zakłada, że koszty operacyjne banków mogą spaść o 5–40 proc.. Same instytucje finansowe są ostrożniejsze: w czerwcowym badaniu S&P (179 podmiotów z całego świata) spodziewały się w tym roku obniżki kosztów nawet o 4 proc., a do 2028 r. – o 6–8 proc.. Przy wskaźniku kosztów do dochodów w polskim sektorze na poziomie 43,6 proc. (dane KNF za październik 2025 r.) cięcie kosztów o 5 proc. podnosi ROA o ok. 0,07 pkt proc., a o 8 proc. – o ok. 0,11 pkt proc. To 7–12 razy mniej niż próg czułości. Nawet 40 proc. oszczędności, czyli górna granica scenariuszy S&P, daje ok. 0,57 pkt proc. i wciąż nie wystarcza

Realistyczne efekty AI są mniejsze niż próg, który da się wykryć w danych publicznych / autor: materiały własne autorów
Realistyczne efekty AI są mniejsze niż próg, który da się wykryć w danych publicznych / autor: materiały własne autorów

Wniosek jest niewygodny, ale prosty: brak istotnych wyników wyklucza rewolucję, ale nie wyklucza realnych korzyści. Dane publiczne o kilku bankach mają po prostu za małą rozdzielczość. Nie pozwalają nawet czysto zmierzyć samych kosztów: w ujednoliconych danych finansowych koszty działania są raz liczone z podatkiem bankowym i składkami na BFG, a raz bez nich, a część banków wlicza do nich jednorazowe koszty sporów frankowych.

Giełda wzrusza ramionami

Sprawdziliśmy też, jak kursy akcji reagują na informacje o wdrożeniach AI. Wybraliśmy 20 komunikatów, które nie zbiegały się z publikacją wyników, decyzjami dywidendowymi ani innymi ważnymi informacjami. Średnia „nadwyżka” stopy zwrotu ponad zachowanie rynku w dniu publikacji i nazajutrz wyniosła −0,03 proc., a kurs rósł w 55 proc. przypadków. Statystycznie to czysty szum.

Przy siedmiu komunikatach o generatywnej AI średnia w trzydniowym oknie wyniosła −1,1 proc.. Nie warto jednak budować na tym tezy, że rynek karze za GenAI: zdarzeń jest niewiele, kilka przypadło na te same miesiące końca 2025 r., a spadki zaczynały się już 3–4 dni przed publikacją. Najbardziej prawdopodobne wyjaśnienie: inwestorzy od dawna uwzględniają AI w wycenach, a kolejny komunikat niewiele wnosi, jeśli nie zawiera twardych danych o efektach.

Pułapka kalendarza

Najwięcej nauczył nas wynik, który z początku wyglądał najlepiej. Po wdrożeniu generatywnej AI zmienność kursu specyficzna dla danego banku – czyli niezwiązana z ruchami całego rynku – spadła średnio o ok. 15 proc., i to w siedmiu z ośmiu banków. Wynik był statystycznie istotny i aż prosił się o nagłówek „AI stabilizuje banki”. Tyle że w latach 2024–2026 zmienność spadała w całym sektorze, niezależnie od AI. Po odjęciu tego wspólnego trendu efekt kurczy się do ok. 4 proc. i przestaje być istotny.

To przestroga nie tylko dla badaczy. Porównanie „przed i po” bez grupy kontrolnej mierzy kalendarz, a nie technologię. Ten sam błąd grozi wewnętrznym ocenom pilotaży: jeśli wdrożenie zbiega się ze zmianą stóp, sezonowością albo kampanią marketingową, prosty wskaźnik „przed i po” przypisze AI zasługi – albo winy – które do niej nie należą.

Co z tego wynika

Dla zarządów. Efekty AI trzeba mierzyć tam, gdzie powstają – w procesie, a nie w wyniku całego banku. Koszt obsługi sprawy, czas decyzji kredytowej, odsetek kontaktów obsłużonych automatycznie, straty z nadużyć – w takich wskaźnikach efekt rzędu kilku procent jest dobrze widoczny. Przykłady już są: w mBanku asystent GenAI skrócił średni czas obsługi reklamacji o 15 proc., a w Alior Banku po wdrożeniu voicebota średni czas rozmowy na infolinii spadł o ok. 15 proc.. Żeby takie liczby były wiarygodne, wdrożenie trzeba od początku zaplanować z mierzoną linią bazową, grupą kontrolną i etapowym uruchamianiem w oddziałach lub segmentach klientów. A business case powinien uczciwie zakładać, że w pierwszych latach koszty rosną – według S&P wydatki na AI podniosą koszty operacyjne banków o 1–5 proc..

Dla relacji inwestorskich. Komunikat o kolejnym wdrożeniu nie tworzy wartości dla akcjonariuszy. Tworzy ją wiarygodny i powtarzalny pomiar: kilka stałych wskaźników efektów AI, raportowanych regularnie według tej samej metodologii. W tym kierunku idzie też S&P – agencja zapowiada, że będzie sprawdzać m.in., czy bank prowadzi rejestr modeli, regularnie je testuje i zapewnia nad nimi kontrolę człowieka.

Dla nadzoru i branży. Porównywalnych danych o AI w bankach dziś brakuje, a nowe regulacje dają okazję, by to zmienić. Unijny pakiet AI Omnibus przesunął stosowanie wymogów dla systemów wysokiego ryzyka – w tym oceny zdolności kredytowej osób fizycznych – z sierpnia 2026 r. na grudzień 2027 r. W Polsce od 11 sierpnia 2026 r. obowiązuje ustawa o systemach sztucznej inteligencji, a nadzór nad stosowaniem AI Act sprawuje Komisja Rozwoju i Bezpieczeństwa Sztucznej Inteligencji. UKNF zarekomendował z kolei rynkowi finansowemu ponowną ocenę ryzyka ICT z uwzględnieniem ataków wykorzystujących AI. Dokumentacja wymagana przez te przepisy mogłaby – po anonimizacji – zasilić sektorowy benchmark, prowadzony np. przez ZBP we współpracy z nadzorcą, bez ujawniania tajemnic przedsiębiorstw.

Brak dowodu to nie dowód braku

Dane dziewięciu banków giełdowych nie mówią, że AI się nie opłaca. Mówią, że z informacji publicznych nie da się dziś rzetelnie policzyć, ile się opłaca. Wdrożeń przybywa szybciej niż danych, które pozwoliłyby je ocenić, a dwie trzecie zastosowań ma mniej niż trzy lata. Tę lukę zamkną banki, które zaczną mierzyć efekty AI z taką samą starannością, z jaką mierzą ryzyko kredytowe. Te, które zrobią to pierwsze, zyskają przewagę nie tylko technologiczną, ale też w rozmowach z inwestorami, agencjami ratingowymi i nadzorcą.

Ramka. O badaniu

Próba. Wszystkie dziewięć banków komercyjnych notowanych na GPW: PKO Bank Polski, Bank Pekao, Erste Bank Polska (do kwietnia 2026 r. Santander Bank Polska), mBank, ING Bank Śląski, Bank Millennium, Alior Bank, BNP Paribas Bank Polska i Bank Handlowy w Warszawie. Okres: I kw. 2018 – II kw. 2026 r., 305 obserwacji kwartalnych.

Jak liczyliśmy AI. Indeks od 0 do 12 obszarów zastosowań, zakodowany ręcznie na podstawie 27 publicznych dokumentów. Liczy się pierwszy kwartał, w którym źródło potwierdza użycie produkcyjne; zapowiedzi i projekty laboratoryjne pominięto. Data publikacji bywa późniejsza niż faktyczne wdrożenie.

Metody. Modele panelowe z efektami stałymi banku i kwartału, porównanie „różnica w różnicach” wokół pierwszego wdrożenia generatywnej AI, analiza reakcji kursów na komunikaty oraz modele zmienności GJR-GARCH. Przy tak małej liczbie banków zastosowano metody odporne na małe próby (wild bootstrap, testy randomizacyjne).

Ograniczenia. Dziewięć banków to mała próba. Indeks mierzy zakres, a nie skalę zastosowań: voicebot obsługujący 14 tys. połączeń dziennie i pilotażowy czatbot liczą się tak samo. Kodowania nie weryfikował niezależny drugi koder.

Pełne opracowanie. A. Wójcik-Czerniawska, H. Gąsiński, „Artificial Intelligence Adoption and Bank Performance: Panel, Announcement and Volatility Evidence from Poland’s Listed Banks” – maszynopis w języku angielskim, dostępny u autorów.

Agnieszka Wójcik-Czerniawska – Katedra Ekonomiki i Finansów Samorządu Terytorialnego, Kolegium Zarządzania i Finansów, Szkoła Główna Handlowa w Warszawie.

dr Hubert Gąsiński – Wydział Biznesu, Uniwersytet VIZJA w Warszawie.

Źródła

W. Gadomski, AI zacznie wpływać na ratingi banków, BANK.pl, 23.09.2026 (S&P Global Ratings: wpływ AI na ratingi, badanie 179 instytucji z czerwca 2026 r., kryteria oceny).

K. Mórawski, Dlaczego część banków jest rozczarowanych AI?, BANK.pl, 19.11.2025 (badanie Gartnera, IT@BANK 2025).

S&P Global Ratings, AI and banking: leaders will soon pull away from the pack, październik 2025 (szacunki korzyści i kosztów AI).

KNF, Dane miesięczne sektora bankowego według stanu na koniec października 2025 r. (aktywa sektora, wskaźnik C/I).

Informacje prasowe ING Banku Śląskiego (7.03.2018), Banku Millennium (14.12.2018), Banku Pekao (30.04.2025) i mBanku (5.06.2025).

M. Wawrzusiszyn, Alior Bank w wywiadzie o innowacjach AI, Harbingers, 27.12.2024; PKO Bank Polski coraz silniej wykorzystuje AI, „Wprost”, 10.11.2025; A. Jadczak, GenAI to nie eksperyment…, ITwiz, 20.01.2026.

Rozporządzenie (UE) 2026/1744 (AI Omnibus), Dz.Urz. UE z 24.07.2026 r.; ustawa z 3 lipca 2026 r. o systemach sztucznej inteligencji (Dz.U. z 2026 r. poz. 1003); M. Marszycki, UKNF ostrzega sektor finansowy przed AI…, ITwiz, 10.08.2026.

»» Odwiedź wgospodarce.pl na GOOGLE NEWS, aby codziennie śledzić aktualne informacje

Dziękujemy za przeczytanie artykułu!

Pamiętaj, możesz oglądać naszą telewizję na wPolsce24. Buduj z nami niezależne media na wesprzyj.wpolsce24.

Powiązane tematy

Zapraszamy do komentowania artykułów w mediach społecznościowych