Gdzie AI realnie pomaga w finansach

Po tej lekcji rozpoznasz, w których zadaniach finansowych sztuczna inteligencja realnie pomaga, a w których szkodzi lub nie ma sensu. Poznasz też fikcyjną firmę, na której danych będziesz ćwiczyć przez cały kurs.

Cztery rodzaje zadań, w których AI pracuje w finansach

Hasło „AI w finansach” obejmuje bardzo różne techniki. Łatwiej o nich myśleć przez pryzmat zadania, które mają wykonać, niż przez nazwy algorytmów.

1. Prognozowanie liczb. Przewidywanie sprzedaży, przepływów pieniężnych, kursu walut albo zapotrzebowania na gotówkę. Model uczy się z historii szeregu czasowego i podaje wartość na kolejne okresy, najlepiej z przedziałem niepewności.

2. Klasyfikacja i ocena ryzyka. Odpowiedź na pytanie „tak czy nie” albo „jak bardzo prawdopodobne”: czy kontrahent spóźni się z zapłatą powyżej 90 dni, czy wniosek kredytowy ma wysokie ryzyko. To obszar scoringu, któremu poświęcony jest moduł 5.

3. Wykrywanie nietypowych zdarzeń. Szukanie transakcji, które odstają od wzorca: przelewu w nocy na nowy rachunek, faktury z kwotą tuż pod progiem akceptacji, duplikatu płatności. Model nie musi wiedzieć, czym jest nadużycie, wystarczy, że wskaże to, co nietypowe, a człowiek sprawdzi.

4. Praca z tekstem i dokumentami. Generatywna AI, czyli duże modele językowe w narzędziach takich jak ChatGPT, Microsoft Copilot, Gemini czy Claude (stan na październik 2026), streszcza raporty, pisze projekt komentarza do wyników, wyciąga dane z umów. Obok niej działają klasyczne techniki przetwarzania języka, na przykład dopasowanie tytułu przelewu do faktury.

Opracowanie własne na potrzeby kursu.

Poznaj Stolarnię Dąb

Przez cały kurs pracujesz jako analityk finansowy w fikcyjnej firmie Stolarnia Dąb sp. z o.o. z Poznania. Firma produkuje meble z litego drewna, ma około 80 pracowników i sprzedaje mniej więcej połowę produkcji do Niemiec w euro. Dyrektorka finansowa, Marta, ma dla Ciebie listę zadań, które zobaczysz w kolejnych modułach:

• prognoza sprzedaży na 12 miesięcy dla planu budżetu (moduł 3);
• ocena kontrahentów B2B przed przyznaniem kredytu kupieckiego (moduł 5);
• kontrola płatności wychodzących pod kątem nietypowych przelewów (moduł 5);
• automatyczny raport miesięczny z komentarzem (moduł 6);
• polityka lokowania nadwyżek gotówki i ryzyko walutowe (moduły 4 i 7);
• prognoza przepływów pieniężnych jako projekt końcowy (moduł 8).

Dane do ćwiczeń są fikcyjne i wygenerowane tak, żeby wyniki dało się sprawdzić. Wyjątkiem są kursy euro: to prawdziwe kursy średnie NBP pobrane z publicznego API. Pliki znajdziesz w materiałach do każdego modułu.

Gdzie AI nie pomoże albo zaszkodzi

AI nie zastąpi trzech rzeczy, które w finansach są kluczowe.

Odpowiedzialności. Za sprawozdanie finansowe odpowiada kierownik jednostki, za decyzję kredytową bank lub firma udzielająca kredytu kupieckiego, a za rekomendację inwestycyjną podmiot, który ją wydał. Model może przygotować propozycję, ale decyzję podejmuje i podpisuje człowiek.

Wiedzy o kontekście. Model nie wie, że duży klient właśnie przechodzi restrukturyzację, że w marcu ruszyła nowa linia produkcyjna albo że spadek sprzedaży w sierpniu wynika z urlopu w fabryce. Dane historyczne nie zawierają przyszłych zmian w firmie.

Pewności tam, gdzie jej nie ma. Rynki finansowe są w dużej mierze nieprzewidywalne. Model, który na danych historycznych „przewiduje” kurs akcji z wysoką skutecznością, zwykle popełnia błąd metodologiczny, o którym będzie mowa w module 4.

Do tego dochodzą przepisy. Unijny akt w sprawie sztucznej inteligencji (rozporządzenie 2024/1689) zalicza systemy AI do oceny zdolności kredytowej osób fizycznych do systemów wysokiego ryzyka (załącznik III pkt 5 lit. b), z wyjątkiem systemów wykrywania oszustw finansowych. Po zmianie rozporządzeniem 2026/1744 obowiązki dla takich systemów stosuje się od 2 grudnia 2027 roku. Szczegóły omawia moduł 8.

Jak oceniać pomysł na zastosowanie AI

Zanim Marta zgodzi się na jakikolwiek projekt, zadaje cztery pytania. Warto przyjąć je jako własny filtr.

Opracowanie własne na potrzeby kursu.

Jeśli odpowiedź na pierwsze dwa pytania brzmi „nie”, projekt AI zwykle kończy się prezentacją, a nie narzędziem. Często lepszy efekt daje wtedy porządny arkusz z regułami.

Najważniejsze w 3 punktach

1. AI w finansach wykonuje cztery typy zadań: prognozy, ocenę ryzyka, wykrywanie anomalii i pracę z tekstem.
2. Dobry projekt ma dane, miarę wyniku, znany koszt błędu i osobę, która zatwierdza.
3. Odpowiedzialność za decyzje finansowe zostaje po stronie ludzi, a ocena zdolności kredytowej osób fizycznych to w AI Act obszar wysokiego ryzyka.

Źródła

• Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2024/1689 (akt w sprawie sztucznej inteligencji), załącznik III pkt 5: https://eur-lex.europa.eu/legal-content/PL/TXT/?uri=CELEX:32024R1689
• Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2026/1744 z dnia 8 lipca 2026 r. (Digital Omnibus w zakresie AI), zmiana terminów stosowania: https://eur-lex.europa.eu/eli/reg/2026/1744/oj
• Narodowy Bank Polski, API kursów walut i cen złota: https://api.nbp.pl/

Materiał edukacyjny, nie porada inwestycyjna, prawna ani podatkowa. Stan na październik 2026.