Sztuczna inteligencja szybko stała się strategicznym priorytetem dla liderów finansowych w różnych branżach, napędzana obietnicami szybszych procesów, trafniejszych analiz i większej efektywności operacyjnej. Zgodnie z najnowszym raportem KPMG, 75% organizacji aktywnie korzysta dziś z AI w funkcjach finansowych, co oznacza wyraźny wzrost z poziomu zaledwie 30% w 2024 roku.

Jednak dla wielu organizacji pierwsza generacja narzędzi AI nie spełniła oczekiwań. Zamiast zasadniczo zmienić sposób działania zespołów finansowych, AI w dużej mierze ograniczała się do funkcji chatbota — podsumowywania informacji i oferowania ogólnych sugestii bez rozumienia szerszego kontekstu biznesowego czy połączenia z systemami, w których faktycznie odbywa się praca finansowa. Mimo wysokiego poziomu adopcji tylko 23% organizacji deklaruje, że AI przekracza ich oczekiwania.

Era chatbotów w AI dobiega jednak końca. Następna generacja AI w finansach będzie definiowana przez narzędzia wyposażone w kontekst, łączność z systemami oraz mechanizmy nadzoru potrzebne do tego, by pełnić aktywną rolę w operacjach finansowych — to, co szerzej branża zaczęła nazywać „agentic AI”, kierunek, w który inwestują również najwięksi dostawcy technologii, w tym Google, Microsoft i Salesforce.

Samodzielna AI nie spełnia oczekiwań w finansach

Dla większości zespołów finansowych początkowa adopcja AI oznaczała korzystanie z interfejsów czatu opartych na modelach takich jak ChatGPT i Claude. Dane były eksportowane z istniejących stosów technologicznych i wklejane do chatbota. Równolegle dostawcy oprogramowania ścigali się, aby dodać funkcje AI do starszych platform, a startupy promowały doświadczenia „AI-native”.

Modele takie jak ChatGPT i Claude niewątpliwie mogą zwiększać produktywność w zadaniach takich jak podsumowywanie dokumentów i inne proste czynności. Jednak taki poziom użyteczności jest daleki od transformacji, jakiej liderzy finansowi oczekiwali po swoich pierwszych inwestycjach w AI.

Podstawowym ograniczeniem samodzielnej AI jest to, że działa poza systemami, w których wykonywana jest praca finansowa. Nie ma dostępu do procesów accounts payable (AP), rejestrów dostawców, danych z faktur ani historii płatności — czyli do informacji zapewniających kluczowy kontekst potrzebny do wartościowych rekomendacji. Co więcej, ponieważ samodzielna AI działa w izolacji od innych narzędzi w stosie technologicznym finansów, nie może podejmować działań na podstawie generowanych rekomendacji. Jedno narzędzie AI może przeanalizować rozbieżność, ale nie może jej zbadać; inne może zasugerować akceptację, ale nie może przekazać faktury do właściwej osoby we właściwym czasie.

Otwarte protokoły, takie jak MCP, reprezentują nową erę AI

Otwarte protokoły, takie jak Model Context Protocol (MCP), zaczynają wypełniać tę lukę. MCP, wprowadzony przez Anthropic pod koniec 2024 roku jako standard open source, zapewnia ustandaryzowany sposób bezpiecznego łączenia AI z systemami, w których odbywa się praca finansowa. Zamiast działać jako samodzielny chatbot, AI wyposażona w MCP może uzyskiwać dostęp do odpowiednich danych, rozumieć kontekst biznesowy i wykonywać zatwierdzone działania w czasie rzeczywistym.

To istotna zmiana. Tam, gdzie AI była wcześniej ograniczona do odpowiadania na pytania, otwarte protokoły pozwalają jej stać się aktywnym uczestnikiem procesów finansowych.

Wyobraźmy sobie scenariusz, w którym dostawca składa fakturę do zespołu AP kupującego, a cena nie zgadza się z zamówieniem zakupu. Samodzielne narzędzie AI mogłoby wyjaśnić rozbieżność lub zasugerować kolejne kroki. Natomiast AI połączona przez otwarty protokół, taki jak MCP, może odegrać bezpośrednią rolę w analizie i rozwiązaniu problemu: wskazać właściwe zamówienie zakupu i historię dostawcy, porównać bieżącą cenę z wcześniejszymi fakturami, określić najbardziej prawdopodobną przyczynę rozbieżności, przekierować fakturę do odpowiedniego akceptującego, powiadomić właściwych interesariuszy i zarejestrować rozwiązanie — wszystko w ramach ustalonych uprawnień organizacji, polityk akceptacji i procesów roboczych. Nakład pracy ręcznej maleje, ale zespół zachowuje pełną kontrolę.

Wpływ jest szczególnie wyraźny w finansach i AP

Każdego dnia zespoły finansowe tworzą i zarządzają ogromnymi wolumenami danych operacyjnych — fakturami, zamówieniami zakupu, rejestrami dostawców, historią płatności, umowami i procesami akceptacji. Łącznie dane te mogą dostarczać AI kontekstu potrzebnego do podejmowania lepszych decyzji i wykonywania działań o realnym znaczeniu. W większości organizacji dane finansowe są jednak rozproszone w odłączonych systemach i objęte ścisłymi kontrolami dostępu.

Otwarte protokoły, takie jak MCP, zapewniają strukturę umożliwiającą bezpieczne łączenie AI z tymi danymi finansowymi. Zespoły nie muszą już ręcznie kopiować i wklejać danych między odłączonymi narzędziami, ponieważ AI może uzyskać dostęp do właściwych informacji we właściwym czasie, pozostając w granicach istniejących uprawnień organizacji, polityk akceptacji i wymogów audytowych.

Korzyści są szczególnie widoczne w accounts payable, gdzie brak kontekstu często prowadzi do opóźnionych płatności dla dostawców, niewykrytych nadużyć i nadmiernych wydatków. Na przykład rozwiązanie rozbieżności na fakturze może wymagać znalezienia właściwego zamówienia zakupu, sprawdzenia historycznych cen, potwierdzenia, że towary faktycznie zostały odebrane, oraz wskazania odpowiedniego akceptującego. Z kolei obsługa sporu z dostawcą może obejmować przeszukiwanie niezliczonych wiadomości e-mail, zapisów płatności i dokumentacji uzupełniającej. Wszystkie te zadania są czasochłonne, a opóźnione rozwiązanie może powodować realne ryzyko biznesowe.

Dzięki otwartym protokołom, takim jak MCP, takie wcześniej pracochłonne dochodzenia można często zakończyć w ciągu minut. Problemy są rozwiązywane szybciej, a zespoły mają więcej czasu na prace o wyższej wartości. W tym ujęciu AI ewoluuje z wygodnej funkcji zwiększającej produktywność do fundamentalnej infrastruktury finansowej, umożliwiając organizacjom podejmowanie lepszych i bardziej terminowych decyzji bez utraty dokładności, nadzoru czy kontroli.

Otwarte protokoły wprowadzają nadzór tam, gdzie wcześniej go nie było

W miarę jak AI coraz głębiej wnika w operacje biznesowe, wielu liderów finansowych pozostaje ostrożnych — a bezpieczeństwo jest zwykle ich najważniejszą obawą. Systemy finansowe zawierają wyjątkowo wrażliwe informacje, a każda technologia, która z nimi współpracuje, musi spełniać najwyższe standardy bezpieczeństwa. Funkcje finansowe działają również w ramach ścisłych reżimów regulacyjnych — kontroli Sarbanes-Oxley (SOX) w USA, ram ochrony prywatności danych, takich jak GDPR w Europie, oraz wymogów PCI-DSS dla danych płatniczych — co sprawia, że nadzorowany, audytowalny dostęp AI jest praktyczną koniecznością, a nie luksusem.

Otwarte protokoły nie oznaczają nieograniczonego dostępu do systemów finansowych. Wręcz przeciwnie. Protokoły takie jak MCP ustanawiają bezpieczne, oparte na rolach połączenia między AI a systemami finansowymi, które respektują istniejące uprawnienia użytkowników, polityki akceptacji i wymagania audytowe. Każda interakcja może być zakresowana, monitorowana i rejestrowana.

W rzeczywistości takie podejście jest często znacznie bezpieczniejsze niż obecne praktyki w wielu organizacjach, gdzie pracownicy regularnie wprowadzają faktury, umowy i inne wrażliwe dane finansowe do publicznych narzędzi AI. Te nieformalne, nienadzorowane przepływy pracy narażają organizacje na ryzyko związane z bezpieczeństwem i zgodnością. Otwarte protokoły stanowią bezpieczniejszą alternatywę: zamiast omijać istniejące systemy, organizacje mogą zapewnić AI bezpieczny, audytowalny dostęp do właściwych informacji, zachowując jednocześnie nadzór, odpowiedzialność i kontrolę wymagane przez zespoły finansowe.

Co dalej w AI dla finansów

Era chatbotów w AI dla finansów ustępuje miejsca nowej generacji, w której otwarte protokoły zapewniają AI kontekst i łączność potrzebne do dostarczania rzeczywistej wartości biznesowej. Zespoły finansowe, które wcześnie przyjmą to podejście, mogą liczyć na znaczący wzrost efektywności oraz trwałą przewagę konkurencyjną, która będzie się z czasem umacniać.

Im dłużej protokoły te pozostają wdrożone, tym więcej danych kontekstowych AI może wykorzystywać do nauki. W rezultacie jej zdolność do usprawniania rutynowych zadań, wydobywania wniosków i wspierania podejmowania decyzji nadal się poprawia. Organizacje, które opóźnią wdrożenie, mogą mieć trudność z dogonieniem pierwszych użytkowników.

Jednocześnie otwarte protokoły zmieniają samą rolę finansów. Gdy organizacja posiada finansowy system operacyjny zdolny do obsługi rutynowej pracy w tle, zespoły zyskują więcej czasu na działania o wyższej wartości, analizę i decyzje, które naprawdę wymagają ludzkiego zaangażowania. Ten finansowy system operacyjny nie jest definiowany przez jedno narzędzie ani jedną platformę. To kierunek, w którym zmierza branża — w stronę środowiska, w którym AI dysponuje kontekstem, łącznością i nadzorem potrzebnymi do pełnienia aktywnej roli w codziennych operacjach finansowych.