A mesterséges intelligencia használata 2026-ban új szintre lépett a pénzügyi szektorban. Az intézmények gyakorlatilag túlléptek a kísérleti projektek korszakán: a válaszadó pénzügyi intézmények 98 százaléka már éles üzemben használja a technológiát, a fennmaradó 2 százalék pedig a közeljövőben tervezi a bevezetést. Utóbbiak kizárólag nem rendszerszempontból jelentős bankok.

Az összes globálisan rendszerszempontból jelentős bank (G-SIB), valamennyi biztosító, tőkepiaci szereplő és fizetési szolgáltató már éles környezetben alkalmazza az AI-t.

Jelentősen felgyorsult az AI-adaptáció

A felmérés egyik legfontosabb tanulsága az AI-adaptáció rendkívüli felgyorsulása. Míg a hagyományos gépi tanulási, prediktív megoldások széles körű elterjedéséhez a pénzügyi szektornak több mint 15 évre volt szüksége, addig a generatív AI esetében ez nagyjából négy év, az ügynökalapú AI-nál pedig mindössze két év alatt ment végbe. A vállalatok a korábbi technológiai tapasztalatokra építve jóval gyorsabban képesek skálázni az újabb AI-megoldásokat, mint a korábbi technológiai hullámok idején.

A generatív AI megelőzte a prediktív AI-t

A felmérések történetében először fordult elő, hogy a generatív AI szélesebb körben van jelen az éles rendszerekben, mint a prediktív AI. A megkérdezettek 97 százaléka használ generatív AI-t éles környezetben, míg prediktív AI-t 94 százalékuk alkalmaz.

A tendencia az egyes alszektorokban is jól látható:

• G-SIB-ek: valamennyi globálisan rendszerszempontból jelentős bank használ generatív AI-t éles üzemben, 77 százalékuk pedig már ügynökalapú AI-t is alkalmaz.
• Biztosítók: 100 százalékos arányban vetik be mind a prediktív, mind a generatív AI-t.
• Ügynökalapú AI: ez a legdinamikusabban terjedő terület; az éles alkalmazás aránya egyetlen év alatt 23 százalékról 70 százalékra ugrott. Minden megkérdezett tőkepiaci szereplő aktívan kísérletezik a technológiával.
• Kísérleti projektek: a tesztelés alatt álló fejlesztések középpontjában elsősorban a generatív és az ügynökalapú AI áll, 95, illetve 92 százalékos aránnyal.

Nőnek az AI-beruházások, visszafogást senki sem tervez

A mesterséges intelligencia mára a pénzügyi vállalatok hosszú távú stratégiájának szerves részévé vált. A megkérdezettek túlnyomó többsége növelte AI-költségvetését 2024 és 2026 között, és egyetlen szervezet sem tervezi az erre szánt források csökkentését. A cégek 43 százaléka 0–25 százalék közötti emelkedéssel számol, miközben mindössze 5 százalék azok aránya, akik nem várnak változást.

Az AI stratégiai prioritásként szinte mindenhol megjelenik: az észak-amerikai és európai vállalatok egységesen hosszú távú növekedési tényezőként tekintenek rá, míg a japán intézmények 60 százaléka sorolja ebbe a kategóriába.

A forrásallokáció ugyanakkor kiegyensúlyozott portfóliószemléletet tükröz. A vállalatok 40 százaléka továbbra is a prediktív AI-t jelöli meg elsődleges beruházási területként, miközben párhuzamosan skálázzák a generatív és az ügynökalapú megoldásokat.

A témával a Portfolio szerdai Future of Finance 2026 konferenciája az alábbi szekcióban foglalkozik, érdemes regisztrálni a szakmai rendezvényre!

Mérhető a megtérülés, de technológiánként eltérő ütemben

Az intézmények döntő többsége az érettebb technológiáknál már mérhető üzleti előnyökről, elsősorban költségcsökkentésről számolt be. Az újabb modelleknél ugyanakkor egyelőre inkább a várakozások dominálnak.

• Prediktív AI: a válaszadók 86 százaléka tapasztalt realizált pénzügyi előnyöket.
• Generatív AI: jelenleg 81 százalék számol be mérhető megtérülésről, de a várakozások már elérik a 92 százalékot, Észak-Amerikában pedig a 100 százalékot. Ezzel párhuzamosan a 200 feletti használati esetet futtató cégek aránya a 2024-es 2 százalékról 23 százalékra nőtt. Japán különösen kiemelkedik: ott az intézmények 60 százaléka számolt be 200 feletti használati esetről.
• Ügynökalapú AI: ezen a területen a legnagyobb a különbség a jelenlegi és a várt megtérülés között. Jelenleg a vállalatok 32 százaléka tapasztal mérhető pénzügyi eredményt, de ez az arány a következő egy évre vonatkozó várakozások szerint 75 százalékra emelkedhet. Az euróövezetben a cégek 94 százaléka számít rövid távú eredményekre. Bár a széles körű megtérülés még várat magára, az 50–100 alkalmazási területet futtató intézmények aránya több mint kétszeresére nőtt 2025 és 2026 között.

Kockázatkezelés, csalásmegelőzés és tudásmenedzsment a fő felhasználási terület

Az egyes AI-technológiák hasznosítása jól elkülöníthető funkcionális mintázatokat mutat:

• a prediktív AI fő felhasználási területei: kockázatkezelés 66 százalékkal, csalásmegelőzés 58 százalékkal, valamint megfelelőség – beleértve a pénzmosás elleni védekezést is – 55 százalékkal.
• A generatív AI fő fókuszai: az éles üzemben generatív AI-t alkalmazó intézmények 98 százaléka belső tudásmenedzsmentre, 97 százaléka pedig folyamatok automatizálására használja a technológiát.
• Ügyféloldali megoldások: a chatbotok terén a pénzforgalmi cégek járnak az élen, de a következő 12 hónapban a G-SIB-ek és a nem rendszerszinten jelentős bankok 84–85 százaléka is tervezi hasonló megoldások bevezetését.

Bevezetési akadályok és új tokenomikai stratégiák

Az AI-megoldások élesítésének

Legfőbb akadályai továbbra is az adatminőségi problémák, a szakemberhiány és a korlátozott adathozzáférés.

Emellett a válaszadók fele a bevezetési költségeket is fő gátként jelölte meg.

Bár a tokenárak bizonyos mérőszámok szerint csökkentek, az iterációnkénti tokenfelhasználás nőtt, különösen a legfejlettebb modelleknél. Ez a tokenomikai dinamika erősíti a nyílt forráskódú megoldások és a kis nyelvi modellek (SLM) iránti érdeklődést. Előbbiek iránt a cégek 57 százaléka, utóbbiak iránt 49 százaléka mutat érdeklődést.

Az egyes megoldástípusoknál ugyanakkor eltérő akadályok jelentkeznek:

• az ügynökalapú AI esetében a meglévő technológiai rendszerekbe való integráció és az irányítási keretrendszer kialakítása bizonyul a legkomolyabb nehézségnek;
• a nyílt forráskódú modelleknél az adatvédelmi aggályok és a kiberbiztonsági kockázatok állnak a kihívások élén.

Egyre nagyobb a függés a külső szolgáltatóktól

A külső AI-infrastruktúrák és platformok éles használata meredeken emelkedett: az ilyen megoldásokat éles környezetben alkalmazó intézmények aránya a 2023-as 59 százalékról 2026-ra 88 százalékra nőtt. Ezzel párhuzamosan a kizárólag kísérleti projektekre szorítkozó vállalatok aránya 16 százalékról 6 százalékra esett.

A külső modelleket és platformokat elsősorban adatelőkészítésre, modellbetanításra és teljesítménytesztelésre használják, miközben az irányítási képességek fejlesztése némileg lemaradásban van. A szolgáltatók korlátozott átláthatósága miatt az intézmények mintegy fele nem jut hozzá a hatékony validáláshoz szükséges információkhoz.

A külső modelleket használó intézmények közül

• 83 százalék a modellarchitektúrához és a technikai részletekhez való hozzáférés hiányát,
• 65 százalék a modellfrissítési és újratanítási folyamatok átláthatatlanságát,
• 55 százalék pedig a betanítási adatokhoz való hozzáférés nehézségét

emelte ki. A probléma a legnagyobb szereplőket is érinti: a G-SIB-ek 69 százaléka jelezte, hogy a gyakorlatban nem rendelkezik elegendő információval a külső modellek validálásához.

Pozitívum ugyanakkor, hogy a beágyazott AI-szolgáltatások felügyelete javult: a semmilyen irányítási gyakorlattal nem rendelkező cégek aránya 13 százalékról 3 százalékra csökkent. A válaszadók 91 százaléka a közös felelősség, vagyis a shared responsibility modelljét preferálja a beszállítókkal való együttműködésben.

Többrétegű kockázatkezelés és megosztott felelősség

Minden éles AI-rendszert üzemeltető intézmény hivatalos kockázatkezelési keretrendszeren belül felügyeli megoldásait. A felosztás a következőképpen alakul:

• 56 százalék kifejezetten az új AI-alkalmazásokra szabott keretrendszert dolgozott ki;
• 19 százalék a meglévő modellkockázat-kezelési (MRM) vagy vállalati kockázatkezelési (ERM) rendszerekre támaszkodik;
• 21 százalék pedig éppen az ügynökalapú AI-hoz kapcsolódó kockázatok kezelése érdekében fejleszti tovább meglévő kereteit.

Az AI-irányítás felelősségi struktúrája szintén átalakult. A 2025-ben még domináns egyéni felelősök – például a kockázatkezelési és adatgazdálkodási vezetők – helyett egyre inkább a több felsővezetőre épülő, közös irányítási modell kerül előtérbe. Az ilyen modellt alkalmazó cégek aránya 2025 és 2026 között 9 százalékról 45 százalékra nőtt.

Az egyes technológiák eltérő kockázatokat hordoznak:

• a generatív AI esetében az adatvédelmi aggályok és a hallucinációk jelentik a fő problémát, mindkettőt a válaszadók 65 százaléka említette,
• az ügynökalapú AI-nál a modellsodródás és az autonómiából fakadó kockázatok állnak az élen 60 százalékkal, amelyeket a kiberbiztonsági kockázatok 52 százalékkal, valamint az elszámoltathatósági kérdések 45 százalékkal követnek. A kiberbiztonsági kockázat az autonóm ügynököknél 12 százalékponttal magasabb, ami a felügyelet nélküli működésből adódó nagyobb támadási felülettel magyarázható.

Terjednek a visszacsatolási és AI-alapú felügyeleti megoldások

Kiemelkedő változás az AI-alapú irányítási eszközök, az úgynevezett AI-in-the-loop megoldások gyors terjedése. Míg 2025-ben az intézmények 41 százaléka alkalmazott mesterséges intelligenciát a modellek felügyeletének automatizálására, addig 2026-ra ez az arány 81 százalékra nőtt.

Az intézmények ezzel nem az emberi felügyeletet váltják ki, hanem a rutinszerű monitorozást tehermentesítik,

hogy az emberi erőforrások a magasabb szintű döntéshozatalra és a stratégiai felügyeletre összpontosíthassanak.

A hibák feltárását és javítását szolgáló visszacsatolási mechanizmusok alkalmazása szintén gyorsan bővült: a 2024-es 65 százalékról 2026-ra 81 százalékra nőtt, további 14 százaléknál pedig éppen fejlesztés alatt áll. Így a piac 95 százaléka aktívan foglalkozik a kérdéssel.

Az ügynökalapú AI megjelenésére válaszul az intézmények 62 százaléka frissíti irányítási keretrendszerét. A legelterjedtebb megközelítés a kockázatalapú szintezés 89 százalékkal, valamint az eseti értékelés 86 százalékkal.

Összetettebb szabályozás és aktívabb hatósági párbeszéd

A jogi környezet egyre összetettebbé válik. A válaszadók 71 százaléka jelezte, hogy a meglévő, nem kifejezetten AI-specifikus szabályozási keretek – például az adatvédelmi és kiberbiztonsági előírások – már érintik az ügymenetüket. Emellett az intézmények 55 százaléka szektorspecifikus szabályoknak is megfelel, 48 százalékuk pedig átfogó, kifejezetten AI-ra vonatkozó jogszabályok hatálya alá is tartozik.

Az euróövezeti intézmények 78 százaléka átfogó, AI-specifikus szabályozás hatálya alatt áll. Észak-Amerikában a cégek 100 százaléka, Japánban pedig 80 százaléka jelezte, hogy valamilyen, AI-t érintő – bár nem feltétlenül kifejezetten arra szabott – előírás vonatkozik rá.

A felügyeleti hatóságok fókuszában minden vizsgált joghatóságban egyöntetűen a magyarázhatóság, valamint a torzítással és az etikai szempontokkal kapcsolatos kérdések állnak. Jelentős változás, hogy az AI-modellek összetettségének felügyeleti prioritása egy év alatt a nyolcadik helyről az ötödikre ugrott.

Bár a hatóságok ismeretei erősödnek az AI-irányítás 88 százalékos, az adatkeretrendszerek 83 százalékos, a prediktív AI 76 százalékos és a felhőtechnológia 73 százalékos aránya alapján, a vállalatok szerint az AI-életciklus technikai részleteit sok szabályozó még mindig nem érti maradéktalanul.

A hatóságokkal folytatott párbeszéd intenzitása szintén nő. A pénzügyi felügyeletekkel egyeztető intézmények aránya 68 százalékra emelkedett, miközben a nem pénzügyi hatóságokkal – például adatvédelmi és fogyasztóvédelmi szervekkel – való kapcsolatfelvétel aránya 3 százalékról 14 százalékra ugrott. Ezzel párhuzamosan a hatósági párbeszédet egyáltalán nem tervező cégek aránya 17 százalékról 10 százalékra csökkent.

Kísérletből működési alaptechnológia

A 2026-os IIF–EY-felmérés alapján a pénzügyi szektor AI-használata gyorsan érik: az intézmények tömegesen vezetik be éles üzemben a prediktív, generatív és ügynökalapú megoldásokat, miközben

a beruházások nőnek, a megtérülés pedig egyre több területen mérhető.

A következő időszak kulcskérdése már nem az lesz, hogy a pénzügyi intézmények alkalmazzák-e a mesterséges intelligenciát, hanem hogy képesek-e megfelelő kontrollok, átlátható beszállítói kapcsolatok, erős adat- és kockázatkezelési keretrendszerek, valamint hatékony szabályozói párbeszéd mellett skálázni a technológiát. Az ügynökalapú AI gyors terjedése különösen jól mutatja: a pénzügyi szektorban az AI már nem kiegészítő innováció, hanem a működés egyik meghatározó alaptechnológiája.

A címlapkép illusztráció. Címlapkép forrása: Getty Images