Moduł I. Bank spółdzielczy wobec sztucznej inteligencji
Moduł otwiera szkolenie od realiów banku spółdzielczego, a nie od technologii. Omawia lokalny charakter działalności, relacyjną znajomość klienta, ograniczone zasoby organizacyjne, presję kosztową, zależność od zewnętrznych dostawców systemów, rolę zrzeszenia oraz konieczność proporcjonalnego podejścia do nowych regulacji. AI zostaje przedstawiona jako narzędzie, które może odciążyć pracowników banku w czynnościach analitycznych, dokumentacyjnych, komunikacyjnych i kontrolnych, ale nie może zastąpić odpowiedzialności człowieka za decyzję wobec klienta.
W tej części uczestnicy poznają różnicę między prostą automatyzacją, analityką danych, systemem eksperckim, uczeniem maszynowym i generatywną AI. Moduł pokazuje, że największą wartością AI w banku spółdzielczym nie jest spektakularna transformacja technologiczna, lecz stopniowe zwiększanie jakości pracy małych zespołów: kredytowych, AML, compliance, operacyjnych, reklamacyjnych, marketingowych i zarządczych.
Moduł II. AI Act i jego znaczenie dla banku spółdzielczego
Moduł wyjaśnia AI Act w sposób praktyczny, przez pryzmat codziennych decyzji banku. Uczestnicy poznają logikę regulacji opartą na ryzyku oraz rozróżnienie między systemami zakazanymi, wysokiego ryzyka, ograniczonego ryzyka i niskiego ryzyka. Szczególna uwaga zostaje poświęcona sytuacjom, w których bank spółdzielczy występuje jako użytkownik systemu AI dostarczonego przez podmiot zewnętrzny, oraz sytuacjom, w których przez konfigurację, modyfikację lub samodzielne wykorzystanie danych może przejąć większą odpowiedzialność za sposób działania systemu.
Moduł koncentruje się na tych elementach AI Act, które mają rzeczywiste znaczenie dla banków spółdzielczych: obowiązku kompetencji AI, klasyfikacji przypadków użycia, systemach wysokiego ryzyka w ocenie zdolności kredytowej, obowiązku nadzoru człowieka, dokumentowaniu działania systemu, kontroli jakości danych, transparentności wobec klienta, cyberbezpieczeństwie oraz odpowiedzialności za korzystanie z narzędzi dostawców.
Moduł III. Sensowne zastosowania AI w banku spółdzielczym
Moduł prezentuje praktyczną mapę zastosowań AI, dobraną do skali i sposobu działania banku spółdzielczego. Omawiane są zastosowania, które realnie wzmacniają bank, a nie tworzą kosztowną i zbędną warstwę technologiczną. W centrum znajdują się narzędzia wspierające pracownika: analiza dokumentów, streszczanie regulacji, przygotowywanie projektów odpowiedzi, porządkowanie korespondencji, klasyfikacja reklamacji, analiza alertów AML, wsparcie w wykrywaniu oszustw, przygotowywanie notatek kredytowych, identyfikowanie niespójności w dokumentacji klienta oraz wspieranie zarządu w analizie materiałów i raportów.
Moduł pokazuje, że AI w banku spółdzielczym najlepiej działa jako asystent ekspercki dla człowieka. Nie przejmuje relacji z klientem, nie zastępuje lokalnej wiedzy pracownika i nie podejmuje samodzielnie decyzji. Właściwie wdrożona AI zwiększa efektywność placówki, centrali i funkcji kontrolnych, ale pozostawia odpowiedzialność tam, gdzie powinna pozostać: po stronie człowieka, procesu i zarządu.
Moduł IV. AI w procesie kredytowym banku spółdzielczego
Moduł omawia najbardziej wrażliwy obszar zastosowania AI w banku spółdzielczym. Proces kredytowy jest analizowany nie jako abstrakcyjny scoring, lecz jako realny proces oceny klienta lokalnego: osoby fizycznej, rolnika, mikroprzedsiębiorcy, lokalnej spółki, wspólnoty, stowarzyszenia lub klienta znanego bankowi od wielu lat. AI może wspierać analizę dokumentów finansowych, wykrywanie niespójności, porównywanie informacji z różnych źródeł, przygotowanie podsumowania ryzyka, weryfikację kompletności dokumentacji i przygotowanie materiałów dla osoby decyzyjnej.
Moduł jasno oddziela użycie AI jako narzędzia pomocniczego od użycia AI jako narzędzia wpływającego na ocenę zdolności kredytowej lub scoring klienta. W tej części szkolenia omawiane są ryzyka dyskryminacji pośredniej, błędnych danych historycznych, braku wyjaśnialności, nadmiernego zaufania do wyniku modelu i automatyzacji decyzji odmownej. Uczestnicy poznają model, w którym AI wspiera analityka, ale nie zastępuje decyzji kredytowej i nie usuwa indywidualnej oceny klienta charakterystycznej dla bankowości spółdzielczej.
Moduł V. AI w AML, przeciwdziałaniu fraudom i bezpieczeństwie klienta
Moduł pokazuje zastosowania AI w obszarach, w których bank spółdzielczy może uzyskać szybkie i praktyczne korzyści. AI zostaje przedstawiona jako narzędzie wspierające małe zespoły AML, compliance i operacji w selekcji alertów, analizie nietypowych zachowań transakcyjnych, identyfikacji możliwych rachunków słupów, rozpoznawaniu schematów oszustw socjotechnicznych, analizie opisów przelewów, porównywaniu zachowania klienta z jego wcześniejszym profilem oraz przygotowywaniu uzasadnień do dalszej analizy.
Moduł akcentuje, że AI w AML i fraud detection nie może automatycznie zastępować oceny pracownika. Jej zadaniem jest porządkowanie informacji, wskazywanie anomalii i skracanie czasu analizy. Decyzje o dalszych działaniach wobec klienta, blokadach, eskalacjach, zgłoszeniach lub zmianie klasyfikacji ryzyka pozostają w kontrolowanym procesie banku. Szczególna uwaga zostaje poświęcona ryzyku fałszywych alarmów, pominięcia nietypowych przypadków, nadmiernego profilowania klientów oraz błędnego traktowania lokalnych, nietypowych zachowań jako podejrzanych tylko dlatego, że nie pasują do standardowego modelu.
Moduł VI. AI w obsłudze klienta, reklamacjach i komunikacji lokalnej
Moduł koncentruje się na obszarze, w którym bank spółdzielczy musi zachować szczególną ostrożność, ponieważ jego przewagą jest bliskość klienta i zaufanie. AI może wspierać pracowników w przygotowaniu odpowiedzi, streszczaniu sprawy klienta, porządkowaniu historii kontaktu, analizie reklamacji, przygotowaniu jasnych wyjaśnień i tłumaczeniu skomplikowanych zapisów regulaminowych na bardziej zrozumiały język. Nie jest jednak przedstawiana jako narzędzie do pełnej automatyzacji relacji z klientem.
Moduł pokazuje, jak wykorzystywać AI w taki sposób, aby nie osłabiać lokalnego charakteru banku. Klient banku spółdzielczego często oczekuje rozmowy z człowiekiem, rozumienia jego sytuacji i indywidualnego potraktowania. AI może poprawiać jakość tej rozmowy, ale nie może tworzyć wrażenia anonimowej, automatycznej i bezosobowej obsługi. Szczególnie omawiane są ryzyka związane z chatbotami, automatycznymi odpowiedziami reklamacyjnymi, niekontrolowaną personalizacją ofert i użyciem AI do komunikacji marketingowej bez właściwej kontroli treści.
Moduł VII. Zagrożenia AI w banku spółdzielczym
Moduł przedstawia zagrożenia w sposób praktyczny i zarządczy. Główne ryzyko nie polega wyłącznie na tym, że model AI udzieli błędnej odpowiedzi. Znacznie poważniejsze jest niekontrolowane użycie AI przez pracowników, wpisywanie danych objętych tajemnicą bankową do publicznych narzędzi, brak wiedzy zarządu o funkcjach AI w systemach dostawców, brak rejestru zastosowań AI, brak zasad nadzoru człowieka i brak możliwości wykazania, czy wynik AI wpłynął na sytuację klienta.
W tej części omawiane są ryzyka regulacyjne, operacyjne, reputacyjne, konsumenckie, modelowe, cybernetyczne i organizacyjne. Szczególna uwaga zostaje poświęcona halucynacjom generatywnej AI, wyciekowi danych, prompt injection, błędnej interpretacji dokumentów, dyskryminacji algorytmicznej, automatyzacji decyzji, uzależnieniu od dostawcy, braku wyjaśnialności oraz sytuacji, w której bank formalnie posiada procedurę AI, ale w praktyce nie kontroluje rzeczywistego użycia narzędzi przez pracowników.
Moduł VIII. Governance AI dopasowany do banku spółdzielczego
Moduł stanowi centralną część szkolenia. Przedstawia model governance, który jest proporcjonalny do skali banku spółdzielczego i możliwy do zastosowania bez tworzenia rozbudowanej struktury właściwej dla dużego banku komercyjnego. Governance AI zostaje opisany jako praktyczny system kontroli: bank wie, gdzie używa AI, po co jej używa, z jakimi danymi, przez kogo, na podstawie jakiej decyzji, z udziałem jakiego dostawcy i z jakim nadzorem człowieka.
Model governance obejmuje politykę AI, rejestr przypadków użycia, właściciela biznesowego każdego zastosowania, klasyfikację ryzyka, ocenę zgodności, ocenę dostawcy, zasady korzystania z danych, reguły nadzoru człowieka, dokumentowanie wyników i okresowy przegląd. Moduł pokazuje, jak rozdzielić role między zarząd, compliance, ryzyko, IT, bezpieczeństwo informacji, IOD, AML, audyt wewnętrzny oraz właścicieli procesów, bez tworzenia fikcyjnych komitetów i nadmiernej biurokracji.
Moduł IX. Proces zatwierdzania i wdrażania AI
Moduł opisuje konkretną ścieżkę od pomysłu do kontrolowanego użycia AI w banku. Proces zaczyna się od zgłoszenia przypadku użycia przez komórkę biznesową, pracownika, dostawcę lub jednostkę technologiczną. Następnie bank opisuje cel użycia AI, dane wejściowe, grupę użytkowników, wpływ na klienta, rolę człowieka, dostawcę, miejsce przetwarzania danych, potencjalne ryzyka i wymagania regulacyjne.
Kolejnym etapem jest klasyfikacja ryzyka, ocena zgodności z AI Act, RODO, tajemnicą bankową, DORA, outsourcingiem i wewnętrznymi zasadami banku. Po tej ocenie następują testy, ograniczony pilotaż, decyzja o dopuszczeniu do użycia, przypisanie właściciela, opis zasad nadzoru człowieka i ustalenie cyklu przeglądów. Moduł pokazuje, że proces może być prosty, ale musi być obowiązkowy. Bank spółdzielczy nie potrzebuje rozbudowanej dokumentacji dla każdego prostego użycia AI, ale potrzebuje jednego spójnego mechanizmu kontroli.
Moduł X. AI, dostawcy technologii, zrzeszenie, outsourcing i DORA
Moduł odnosi się do jednej z najważniejszych cech banków spółdzielczych: zależności od zewnętrznych systemów i usług. W praktyce wiele funkcji AI nie zostanie zbudowanych przez bank samodzielnie, lecz pojawi się jako element systemu kredytowego, AML, CRM, cyberbezpieczeństwa, obsługi klienta, raportowania, poczty, narzędzi biurowych albo rozwiązań oferowanych w ramach współpracy zrzeszeniowej.
Moduł omawia, jak bank kontroluje AI dostarczaną przez podmioty zewnętrzne. Analizowane są wymogi dotyczące dokumentacji dostawcy, lokalizacji danych, zmian w modelu, odpowiedzialności za błędy, audytowalności, ciągłości działania, cyberbezpieczeństwa i możliwości wyłączenia funkcji AI. Szczególne znaczenie ma powiązanie governance AI z zarządzaniem ryzykiem ICT, outsourcingiem, chmurą i DORA. Bank spółdzielczy może korzystać z rozwiązań wspólnych i gotowych, ale nie może rezygnować z własnej odpowiedzialności za ocenę, czy dane narzędzie jest zgodne z prawem, bezpieczne i właściwe dla jego klientów.
Moduł XI. AI literacy i zasady codziennego korzystania z AI przez pracowników
Moduł skupia się na praktycznej edukacji pracowników banku. AI literacy nie jest przedstawiana jako ogólna wiedza technologiczna, lecz jako zdolność bezpiecznego użycia AI w codziennej pracy. Pracownicy poznają zasady korzystania z zatwierdzonych narzędzi, zakaz wpisywania danych klienta i tajemnicy bankowej do publicznych modeli, obowiązek weryfikacji odpowiedzi AI, sposób oznaczania materiałów przygotowanych z pomocą AI oraz zasady zgłaszania nowych zastosowań lub incydentów.
Moduł rozróżnia poziomy wiedzy potrzebne zarządowi, kadrze kierowniczej, pracownikom placówek, kredytom, AML, compliance, IT, bezpieczeństwu informacji, marketingowi i obsłudze reklamacji. Celem jest stworzenie kultury ostrożnego, świadomego i produktywnego korzystania z AI, w której pracownik rozumie, że AI może pomóc w pracy, ale nie zwalnia z odpowiedzialności za treść, decyzję i ochronę danych.
Moduł XII. Dokumentacja AI bez nadmiernej biurokracji
Moduł przedstawia dokumentację potrzebną bankowi spółdzielczemu w formule możliwej do utrzymania przez małą lub średnią organizację. Dokumentacja nie jest celem samym w sobie. Służy temu, aby bank mógł wykazać, że zna swoje zastosowania AI, ocenił ich ryzyko, przypisał odpowiedzialność, określił zasady użycia danych, kontroluje dostawców i prowadzi nadzór nad działaniem narzędzi.
W tej części omawiany jest praktyczny zestaw dokumentów: polityka AI, rejestr przypadków użycia, karta oceny zastosowania AI, ocena dostawcy, zasady korzystania z generatywnej AI, instrukcja nadzoru człowieka, rejestr incydentów i okresowa informacja dla zarządu. Moduł pokazuje, jak dokumentować AI w sposób prosty, ale dowodowy, tak aby bank nie tworzył pustych procedur, tylko realny system kontroli.
Moduł XIII. Warsztat wdrożeniowy dla banku spółdzielczego
Moduł końcowy ma charakter praktyczny. Uczestnicy pracują na przykładach zastosowań AI typowych dla banku spółdzielczego: analiza dokumentów kredytowych, wsparcie AML, klasyfikacja reklamacji, przygotowanie komunikacji z klientem, analiza alertów fraudowych, streszczanie regulacji, obsługa korespondencji oraz wsparcie zarządu w analizie raportów. Każdy przypadek zostaje oceniony pod kątem celu, danych, wpływu na klienta, ryzyka, dostawcy, nadzoru człowieka i wymaganej dokumentacji.
Efektem modułu jest praktyczna mapa wdrożenia AI w banku spółdzielczym. Bank otrzymuje logiczny podział zastosowań na bezpieczne do szybkiego wdrożenia, wymagające dodatkowej oceny, wysokiego ryzyka oraz niedopuszczalne bez istotnych zabezpieczeń. Warsztat prowadzi do stworzenia modelu pierwszych kroków: od uporządkowania zasad korzystania z AI przez pracowników, przez rejestr przypadków użycia, po wybór kilku kontrolowanych pilotaży.