Badanie z 2026 roku przeprowadzone wśród 277 menedżerów bankowych z 37 krajów afrykańskich wykazało, że 83,2% instytucji planuje zwiększyć wydatki na AI w ciągu najbliższych 12 miesięcy. Tymczasem blisko jedna trzecia nie formalnie nie śledzi zwrotu z inwestycji (ROI) w tę technologię. Wśród banków, które nie mierzą zwrotu z AI, 82% nadal zamierza zwiększyć budżety.

Wyniki podkreślają napięcie leżące w centrum wielomilionowej afrykańskiej automatyzacji bankowości. Banki inwestują w AI mimo faktur za chmurę denominowanych w dolarach, ograniczeń integracji ze starszymi systemami bankowości centralnej i niedoboru inżynierów uczenia maszynowego. W tym wydaniu Delve into AI EMMANUEL NWOSU analizuje rozdźwięk między szybszą operacyjnością a mierzalnymi zwrotami w bilansie.

Dokumentacja kredytowa historycznie była wąskim gardłem administracyjnym, również w dobrze skapitalizowanych instytucjach finansowych. W Standard Bank proces weryfikacji, który wcześniej zajmował około godziny, można teraz zakończyć w około 60 sekund dzięki sztucznej inteligencji.

Południowoafrykański bank ujawnił tę liczbę w swojej prezentacji z marca 2026 na Capital Markets Day. Wskaźnik dotyczy pionu finansowania aktywów komercyjnych i ilustruje, jak największy bank Afryki pod względem aktywów stosuje inteligencję maszynową do ugruntowanych procesów.
Standard Bank poinformował również, że jego bot konwersacyjny obsługuje 65% przychodzących cyfrowych zapytań klientów. Do sierpnia 2026 roku ponad 39 000 pracowników — około 72% załogi — było regularnymi użytkownikami korporacyjnej AI generatywnej.

Te przykłady pokazują natychmiastowy potencjał operacyjny automatyzacji. Zaległości administracyjne można skrócić do zadań trwających minutę, tarcia po stronie klienta mogą maleć, a pracownicy mogą być kierowani do pracy doradczej wymagającej ludzkiej oceny.

Korzyść finansowa pozostaje jednak mniej pewna. Wdrożenie AI w regulowanych środowiskach finansowych wymaga kontroli zarządzania danymi, licencji na oprogramowanie, integracji systemów i przekwalifikowania pracowników. Aby uzasadnić te koszty komercyjnie, banki muszą wykazać, że zyski finansowe przewyższają koszt wdrożenia i eksploatacji.

Szybsza praca, niepewne zwroty finansowe

Raport State of AI in African Banking, wspólne badanie z 2026 roku dostawcy oprogramowania bankowego Backbase i African Banker, objęło ankietą menedżerów z 37 krajów afrykańskich. Wykazało, że 83,2% instytucji planuje zwiększyć alokacje na AI w ciągu następnych 12 miesięcy, a tylko 67,1% formalnie śledzi ROI tych wdrożeń.

Wśród około jednej trzeciej respondentów, których banki nie śledziły zwrotu z AI, 82% mimo to planowało zwiększyć budżety. Liczby te wskazują, że wielu liderów bankowych rozwija technologię, której komercyjnego wkładu jeszcze nie określono.

Brak formalnego pomiaru niekoniecznie oznacza, że projekty AI poniosły porażkę. Systemy algorytmiczne mogą skracać czasy przetwarzania, poprawiać monitorowanie oszustw i podnosić jakość obsługi klienta bez natychmiastowego obniżania kosztów w rachunku wyników. Ale różnica między efektywnością operacyjną a zwrotem finansowym staje się coraz ważniejsza, gdy AI przechodzi z izolowanych pilotaży do systemów używanych codziennie przez banki.

Standard Bank budował swoje zdolności AI na inwestycjach technologicznych z kilku lat. W marcowej prezentacji dla inwestorów bank podał, że AI konwersacyjna obsługuje 65% zapytań cyfrowych w aplikacji bankowości osobistej. Poinformował też, że produktywność inżynierii wzrosła o ponad 20% rok do roku, a AI zaczęła przyspieszać pracę związaną z kredytowaniem.

Przykład finansowania aktywów komercyjnych, w którym przetwarzanie dokumentacji kredytowej spadło z około godziny do około minuty, pokazuje potencjalną poprawę w niektórych procesach administracyjnych Standard Bank rozszerzył również dostęp w całej załodze. W sierpniu zgłosił ponad 39 000 aktywnych użytkowników AI generatywnej korzystających z zatwierdzonych narzędzi korporacyjnych.

Skrócenie procesu dokumentacji z godziny do minuty uwalnia pracowników, którzy wcześniej wykonywali tę pracę. Bank może przetwarzać więcej wniosków z tą samą załogą, ograniczyć nadgodziny lub przydzielić pracowników do innych zadań. Te korzyści operacyjne stają się mierzalnymi oszczędnościami finansowymi dopiero wtedy, gdy przynoszą uniknięte wydatki lub dodatkowy dochód, który można w rozsądny sposób przypisać inwestycji.

Standard Bank powiedział, że planuje przeznaczyć czas zaoszczędzony dzięki AI na relacje z klientami i pracę wymagającą bardziej złożonych decyzji. Takie podejście wykracza poza bezpośrednie cięcie kosztów i dąży do wygenerowania większej wartości z istniejącej załogi. Samo oświadczenie nie określa wygenerowanych przychodów ani zaoszczędzonych kosztów.

W kredytowaniu AI mogłaby pozwolić pracownikom przetwarzać więcej wniosków bez odpowiedniego wzrostu kosztów personelu. Jeśli byłaby używana do oceny zdolności kredytowej, mogłaby również wspierać decyzje kredytowe i potencjalnie ograniczyć niespłacanie. To dwa odrębne korzyści, a Standard Bank nie ustalił, że jego inwestycje w AI przyniosły którąkolwiek z nich finansowo.

Wskaźnik kredytów niespłacanych banku wynosił 5,6% na koniec czerwca wobec 6,2% rok wcześniej. Koszty utraty wartości kredytów, odzwierciedlające oczekiwane straty na pożyczkach, spadły o 12% do 7,13 mld R (435,5 mln USD) w pierwszej połowie 2026 roku. Standard Bank nie przypisał tej poprawy użyciu AI.

Nedbank, inny pierwszorzędny południowoafrykański bank, również zgłosił mierzalne poprawy operacyjne. W swoim zintegrowanym raporcie za 2025 rok bank podał, że wdrożył w ciągu roku 30 zaawansowanych zastosowań AI. Jego szerszy program, obejmujący AI, AI generatywną, analitykę, uczenie maszynowe i robotyzację procesów, zaoszczędził około 312 000 godzin pracy w tworzeniu mediów i treści, tłumaczeniu dokumentów i produktywności osobistej. Globalny czas przetwarzania płatności spadł również o około 30%.

Nedbank stosował modele predykcyjne do identyfikacji klientów bardziej skłonnych do zakupu produktów inwestycyjnych. Stosował też analitykę do targetowania potencjalnych klientów kart kredytowych i kredytów. Te zastosowania odzwierciedlają główne sposoby, w jakie banki oczekują zwrotu z AI: obniżając koszty istniejących usług i skuteczniej obsługując klientów.

Koszt uruchomienia AI

AI nie działa niezależnie od istniejącej technologii banku. Modele wymagają niezawodnych danych, bezpiecznych systemów obliczeniowych i dostępu do aplikacji używanych przez pracowników i klientów. Banki potrzebują również procedur testowania wyników, ograniczania dostępu do wrażliwych informacji i monitorowania decyzji podejmowanych z AI.

W efekcie koszt wdrożenia AI może być znacznie wyższy niż cena subskrypcji oprogramowania. Podczas Capital Markets Day 2026 Standard Bank podał łączne wydatki na technologię w wysokości 23,5 mld R (1,44 mld USD) w 2025 roku, co stanowiło 27,7% wydatków operacyjnych.

Bank powiedział, że 88% jego starszych serwerów wycofano z użytku, a 71% obciążeń obliczeniowych kwalifikujących się do migracji przeniesiono do chmury w momencie prezentacji. Później poinformował, że migracja do chmury osiągnęła 78% kwalifikujących się obciążeń do końca czerwca 2026 roku.

Standard Bank powiedział, że inwestycje technologiczne przez kilka lat pomogły poprawić efektywność i przyczyniły się do spadku grupowego wskaźnika kosztów do dochodów z 59,1% do 50,2%. W praktyce bank wydawał około 50 R (3,05 USD) na wydatki operacyjne na każde 100 R (6,09 USD) dochodu operacyjnego, w porównaniu z około 59 R (3,60 USD) wcześniej.

Wydatki na technologię nadal rosły wraz z ekspansją operacji AI. Standard Bank wydał 23,51 mld R (1,43 mld USD) na technologię w 2025 roku, o 4,9% więcej niż 22,4 mld R (1,36 mld USD) w 2024 roku. W pierwszej połowie 2026 roku wydatki na oprogramowanie, chmurę i technologię wzrosły o 6% do 7,16 mld R (436,5 mln USD). Bank przypisał część wzrostu rozbudowie zdolności AI, a także inwestycjom w wyspecjalizowaną wiedzę technologiczną, systemy bankowości centralnej i cyberbezpieczeństwo.

Łączne wydatki na technologię wzrosły jednak tylko o 2% do 11,83 mld R (721 mln USD) w tym półroczu, ponieważ niższa amortyzacja i inne koszty technologiczne zrównoważyły część wzrostu. Standard Bank określa swoje podejście jako strategię „save-to-invest”, wykorzystując efektywność z wcześniejszych inwestycji technologicznych do finansowania nowszych zdolności, w tym AI.

Program modernizacji ilustruje pracę wymaganą do wprowadzenia nowych zdolności do ugruntowanego biznesu bankowego. W badaniu Backbase i African Banker 50,2% respondentów wskazało integrację z istniejącą technologią jako największą wewnętrzną przeszkodę w adopcji AI.

Banki potrzebować połączenia rekordów klientów, historii transakcji i innych informacji przechowywanych w systemach opracowanych w różnych okresach. Bank wprowadzający AI do oceny kredytowej, na przykład, wymaga niezawodnego dostępu do informacji finansowych używanych do oceny kredytobiorców. Konsolidacja tych informacji może wymagać modernizacji starszych systemów, dodatkowej infrastruktury obliczeniowej i wyspecjalizowanych pracowników do jej utrzymania.

Te wymagania zwiększają zarówno początkowe, jak i bieżące koszty AI. Banki kupujące usługi chmurowe lub oprogramowanie w walutach obcych mogą również ponosić wyższe wydatki w walucie lokalnej przy niekorzystnych ruchach kursów. Uzasadnienie finansowe AI zależy więc od czegoś więcej niż czas zaoszczędzony przez system. Banki muszą zestawić te zyski z pełnym kosztem wprowadzenia i eksploatacji technologii.

Dlaczego zwroty pozostają trudne do zmierzenia

Badania Backbase i African Banker sugerują, że niektóre afrykańskie banki osiągają oczekiwane wyniki finansowe. Wśród respondentów, których instytucje formalnie mierzyły zwroty, 85,1% powiedziało, że ich inwestycje spełniły lub przewyższyły prognozy.

Te banki mierzyły wyniki wobec własnych celów. Badanie nie ustala, ile każda instytucja zainwestowała, jaką wartość finansową wygenerowała ani czy zwroty były obliczane spójnie między organizacjami.

Kredytowanie zasilane AI ilustruje tę trudność. Jeśli bank zatwierdza więcej wniosków po wprowadzeniu AI, dodatkowe kredyty mogłyby zwiększyć dochody z odsetek. Korzyść finansowa nadal zależałaby od kosztów finansowania, wyników tych kredytów i tego, czy technologia poprawiła decyzje kredytowe. Podobnie wartość systemu wykrywania oszustw AI leży w zapobieżonych stratach, a nie po prostu w liczbie wykrytych podejrzanych transakcji.

Badanie wykazało, że 71,7% respondentów współpracujących z zewnętrznymi dostawcami AI mierzy zwroty, w porównaniu z 31% tych rozwijających AI całkowicie wewnętrznie. Różnica odzwierciedla zróżnicowaną zdolność banków do budowy własnych systemów AI, co samo w sobie może stać się znaczącym centrum kosztowym.

W czerwcu 2026 roku pierwszy indeks AI Evident dla banków na Bliskim Wschodzie i w Afryce ocenił 25 głównych banków pod kątem talentów AI, innowacji, przywództwa i przejrzystości. Standard Bank zajął drugie miejsce, a Nedbank czwarte, co czyni je jedynymi dwoma południowoafrykańskimi bankami wśród czterech liderów regionu. FirstRand, Capitec i Absa również znalazły się w pierwszej dziesiątce.

Evident przypisałędnie silne wyniki tych banków częściowo większym zasobom talentów AI, bliskości uniwersytetów badawczych i zaangażowaniu w powstające regulacje banków centralnych. Wyniki sugerują, że południowoafrykańskie banki rozwinęły silniejsze zdolności AI niż wielu regionalnych konkurentów.

Jednak we wszystkich 25 instytucjach Evident stwierdził, że wyspecjalizowane talenty rozwoju AI w przeliczeniu na liczbę pracowników stanowiły tylko połowę poziomu odnotowanego w jego benchmarku głównych banków globalnych. Ten niedobór ma konsekwencje finansowe. Banki bez wystarczającej wewnętrznej wiedzy muszą albo inwestować w rozwój własnych zdolności, albo polegać na zewnętrznych dostawcach, płacąc jednocześnie za integrację i utrzymanie technologii.

Niektóre banki spoza Afryki przedstawiły jaśniejszy obraz finansowego wkładu AI. Singapurski DBS Bank zgłosił około 1 mld S$ (783 mln USD) wartości ekonomicznej z analityki danych i AI w 2025 roku, w porównaniu z 750 mln S$ (587 mln USD) w 2024 roku. Do końca tego roku DBS wdrożył ponad 2 000 modeli w ponad 430 zastosowaniach.

DBS wykracza poza raportowanie liczby zadań wykonywanych przez AI lub czasu oszczędzanego przez pracowników. Przypisał wartość pieniężną wkładowi technologii do biznesu, choć nie jest jasne, czy bank jest rentowny w zakresie użycia AI.

To porównanie doprecyzowuje pytanie finansowe przed którymi stoją afrykańskie banki. Standard Bank i Nedbank wykazały poprawy produktywności, a wiele instytucji objętych badaniem Backbase zgłasza osiąganie celów inwestycyjnych w AI. Ale banki dostarczają ograniczonych informacji o kosztach poszczególnych programów AI ani o generowanych przez nie zwrotach finansowych.

Produktywność to główne zastosowanie AI w bankowości i innych organizacjach pozafinansowych. Wyzwaniem jest ustalenie, ile jest warta ta produktywność i ile można jej przypisać AI. W miarę jak banki wychodzą poza pilotaże, najjaśniejszym dowodem postępów będzie bardziej spójne ujawnianie kosztów programów, mierzonych wyników i powiązania między tymi wynikami a wynikami finansowymi.

Źródło: TechCabal