A bankszektorban jól ismert jelenség: újabb és újabb technológiai hullámok érkeznek, ígérve a forradalmat, miközben a valóság gyakran a kiábrándító kísérletezésben ragad. A mesterséges intelligencia – különösen a generatív AI – megjelenése azonban más. A BCG friss globális kutatása szerint a bankok ugyan vezető pozícióban vannak az AI-befektetésekben, de 76%-uk még mindig a kísérletezési fázisban topog. Turny Ákos, a BCG GenAI transzformációs igazgatója a 2025-ös BankTechShow konferencián egyértelműen fogalmazott: „Az inkrementalizmus kora véget ért, és a bankoknak ma kell elkezdeniük AI-transzformációjukat.”

Fotón: Turny Ákos, a BCG GenAI transzformációs igazgatója az idei BankTechShow konferencián. (Fotót készítette: Kovács Dávid)
Az AI-natív bank: Új definíció egy új korszakhoz
Az AI-natív bank fogalma túlmutat a chatbotok és automatizált ügyfélszolgálatok bevezetésén. A BCG meghatározása szerint ez egy olyan pénzügyi intézmény, amelyet
„az AI köré és az AI-val építettek, beágyazva a technológia, a folyamatok és a döntéshozatal szövetébe”.
Három AI-fejlődési szakaszról beszélhetünk: a prediktív AI (érett), a generatív AI (fejlődő) és az Agentic AI (kialakulóban lévő) területeiről.
„Az AI vezérli a core működést valós időben – beleértve az onboardingot, az adatalapú döntéshozatalt, az ügyfélkiszolgálást és a compliance-t –, miközben az emberek felügyelnek és kivételeket kezelnek,”
– foglalja össze a prezentáció.
Ez a megközelítés radikálisan eltér a hagyományos bank+AI logikától: itt az AI a kiindulópont, nem pedig egy ráépülő réteg.
A gyakorlat azt mutatja, hogy az AI-érettségi szint növekedésével a bankok az egyéni produktivitás („Deploy”) fókuszról áttérnek a folyamatszintű átdolgozás („Reshape”) és vállalati szintű innovációs („Invent”) stratégiákra, ahol az igazi értékteremtés rejlik.
Nemzetközi példák: Így csináljak az AI-Future-built bankok
A prezentációban bemutatott hat nemzetközi példa konkrét képet ad arról, mit jelent AI-natív módon működni.
Az OakNorth brit fintech AI-vezérelt KKV-hitelezéssel operál, intelligens hitelplatformot építve 2% alatti nemteljesítési rátával. A kínai WeBank tömegméretekben, mobilfókuszú formában működik: AI-alapú hitelautomatizációt, federált tanulást alkalmaz, és NLP-alapú botok kezelik a lekérdezések 98%-át – mindezt ökoszisztéma-modellben.
A dél-koreai Kakaobank az AI-optimalizált felhasználói élményre és a termékperszonalizációra épít, ahol az AI-vezérelt UI és hitelpontozás hajtja az ügyfélszerzést, szintén ökoszisztéma-logikával. Az izraeli One Zero digitális privát banki szolgáltatást nyújt hibrid AI+ember modellben, automatizált hitel- és befektetési döntésekkel, az AI21 Labs-szal együttműködve.
A Catena Labs AI-natív bankolást épít kifejezetten AI-ágensek számára, ágensidentitással és blokkláncalapú megoldással, míg a RytBank többnyelvű GenAI asszisztenssel működő, AI-first lakossági bank.
„Az AI-Future-built pénzügyi intézmények megjelennek és jelentős előnyöket aratnak a kevésbé AI-érett társaikhoz képest,”
– állapítja meg a kutatás.
Hatékonyság és valódi ROI: 90%-os automatizáció lakossági hitelezés területén
Az elméleti előnyökön túl konkrét számok is alátámasztják az AI-transzformáció üzleti értékét. A BCG esettanulmányai szerint 90%-os automatizációs arány érhető el a fogyasztói hitelezés end-to-end folyamataiban, míg jelzáloghiteleknél ez 70%.
Az operációs költségek (OPEX) 20%-os csökkentése érhető el az eredeti költségszinthez viszonyítva – ezek nem előrejelzések, hanem tényleges, megvalósult eredmények.
„Az AI képes hatalmas változást és jelentős előnyöket hozni a működési hatékonyságban mindenki számára”
– emelte ki Turny Ákos az előadásában.
A teljes ügyfél-életúton keresztül – az ügyfélszerzéstől a hitelelbírálás, kockázatkezelés, behajtás, operáció, compliance, személyes pénzügyeken át az ügyfélkapcsolat és marketing területekig – az AI beépítése „súrlódásból precizitást” teremt.
A technológiai alapréteg – egységes valós idejű adatinfrastruktúra, skálázható MLOps és döntési motorok, moduláris, cloud-natív core rendszerek, nyílt API-k és integrációs rétegek, beépített biztonság, adatvédelem és magyarázhatóság, valamint partneri ökoszisztéma – nélkülözhetetlen. Azonban ez csak az alap.

Fotón: Turny Ákos, a BCG GenAI transzformációs igazgatója az idei BankTechShow konferencián. (Fotót készítette: Kovács Dávid)
A 70-20-10 szabály: Miért a kultúra és a folyamatok a siker kulcsa?
A prezentáció talán legfontosabb üzenete az, hogy
„bár az adatok és a technológia fontosak, az emberek és a folyamatváltozások a legkritikusabb sikertényezők.”
A BCG tapasztalata szerint az AI-transzformáció sikere 70%-ban a folyamatoktól, emberektől és kultúrától függ, 20%-ban a technológiától, és csupán 10%-ban az algoritmusoktól és adattudományi képességektől.
Ez radikálisan eltér a hagyományos IT-projektektől, ahol a technológia központi szerepet játszik. Itt az eredményes operációs modell, a megfelelő tehetség- és változásmenedzsment gyakorlatok, valamint a kockázat- és felelős AI-governance (RAI) a meghatározó tényezők.
Ennek hiányában olyan akadályok gátolják az előrelépést, mint a szervezeti összehangolás hiánya, rossz stratégiai fókusz, irreális elvárások, legacy rendszerek, silókban tárolt alacsony minőségű adatok, tehetséghiány, árnyék-AI jelenségek és governance-kudarcok, valamint szabályozási és etikai kockázatok.
A BCG kutatása szerint
„a következő öt év fogja meghatározni a következő 30-at”,
mivel a korai szereplők fogják meghatározni az AI-verseny ütemét és feltételeit.
Az AI-képes technológiai platformok kritikus alapot jelentenek, de a legtöbb bank még nem áll készen a skálázásra, mivel a digitalizáció még nem zárult le. És ami a legfontosabb:
„üzleti vezérelt stratégia elengedhetetlen, amely a folyamatok átalakítására összpontosít, hogy mérhető megtérülést biztosítson.”