NOWY JORK, 8 lutego 2026, 08:25 EST
Goldman Sachs współpracuje ze startupem AI Anthropic nad opracowaniem „agentów AI” zaprojektowanych do automatyzacji wewnętrznych zadań bankowych, takich jak księgowanie transakcji i rozliczeń, a także weryfikacja klientów — proces, w którym banki sprawdzają tożsamość klientów, poinformował w piątek CNBC. Goldman Sachs później potwierdził te doniesienia, zauważył Reuters. 1
Ta zmiana jest znacząca, ponieważ wykracza poza proste asystenty czatu, w kierunku oprogramowania zdolnego do samodzielnego wykonywania wieloetapowych zadań — coś, do czego banki od dawna podchodzą ostrożnie w ściśle regulowanych obszarach. Obecnie ci agenci AI są testowani do uzgadniania transakcji, księgowania handlu, weryfikacji klientów i onboardingu — zadań, które według PYMNTS „opierały się automatyzacji przez dekady” z powodu surowych wymogów regulacyjnych. 2
To trudny moment dla wszystkiego, co reklamuje się jako „AI wykonujące pracę”. Reuters zauważył, że wyprzedaż dotknęła akcje firm z branży oprogramowania i analityki danych po tym, jak Claude od Anthropic wprowadził nową wtyczkę. Strateg Carlota Estragues Lopez wskazała, że „nagłówki, które w szczycie optymizmu wokół AI podbijałyby kursy akcji na nowe szczyty, są teraz interpretowane przez inwestorów znacznie ostrożniej”. 3
Dyrektor ds. informatyki Goldmana, Marco Argenti, powiedział CNBC, że firma jest „na wczesnym etapie” i spodziewa się wdrożenia agentów „wkrótce”, choć nie podał konkretnego terminu, poinformował Sharecast. Bagatelizował obawy dotyczące zwolnień jako „przedwczesne”, ale zauważył, że bank może zmniejszyć zależność od niektórych zewnętrznych dostawców w miarę rozwoju technologii. 4
Argenti przedstawił tę koncepcję jako kwestię szybkości, a nie efektowności. „Wyobraź to sobie jako cyfrowego współpracownika, który zajmuje się rolami w firmie, które są skalowalne, złożone i silnie oparte na procesach”, powiedział Observerowi. W raporcie zauważono również, że Argenti wspomniał o przyszłych zastosowaniach, takich jak monitorowanie pracowników i tworzenie prezentacji inwestycyjnych. Zarówno Goldman, jak i Anthropic odmówiły komentarza, gdy zwrócił się do nich Observer. 5
Poza Goldmanem, banki zastanawiają się, które ruchy automatyzacyjne mają sens jako pierwsze — i jak udowodnić, że faktycznie przynoszą efekty. Alexandra Mousavizadeh, współzałożycielka i współ-CEO Evident, powiedziała Business Insider, że niektóre funkcje AI stały się już „standardem rynkowym”. Mimo to agenci AI pozostają na wczesnym etapie, szczególnie w kontaktach zewnętrznych, gdzie ludzie prawdopodobnie nadal będą zaangażowani, dopóki banki nie dopracują zabezpieczeń. 6
Przejście Goldmana w kierunku AI rozpoczęło się już jakiś czas temu. Czerwcowy raport Reutersa z 2025 roku ujawnił, że bank wdrożył swojego GS AI Assistant w całej firmie, a według wewnętrznej notatki udostępnionej przez Argentiego, korzysta z niego już około 10 000 pracowników. 7
Rywale rozwijają własne wewnętrzne platformy i narzędzia do zarządzania przepływem pracy, wszystkie dążąc do podobnych celów, mimo różnych nazw. We wrześniu 2025 roku Citi ogłosiło aktualizację swojego autorskiego Citi Stylus Workspaces, dodając „Agentic AI” i łącząc go z wybranymi wewnętrznymi systemami. Już w czerwcu 2024 roku Morgan Stanley wprowadził „Debrief” – narzędzie oparte na OpenAI, które generuje notatki ze spotkań i szkice wiadomości follow-up — wymagana jest zgoda klienta. JPMorgan ujawnił w 2025 roku, że jego plan rozwoju LLM Suite obejmie agentów AI zdolnych do wykonania wielu kroków w celu osiągnięcia celu. 8
Ale ryzyka nie są tylko hipotetyczne. W grudniu brytyjski Urząd Nadzoru Finansowego zwrócił uwagę na „agentic AI” jako źródło nowych zagrożeń ze względu na jego zdolność do działania „w tempie”. Wskazano, że autonomia i szybkość mogą potęgować problemy z zarządzaniem i stabilnością, zwłaszcza gdy wiele agentów wchodzi ze sobą w interakcje. 9
Goldman nie ogłosił jeszcze publicznej daty uruchomienia swoich agentów. Pierwszym wyzwaniem będą nudne kwestie, na których zależy regulatorom: ścieżki audytu, kontrole i utrzymanie niezawodności oprogramowania, gdy sprawy się komplikują. Jeśli agenci potkną się na przypadkach brzegowych, nie skrócą czasu — po prostu przesuną wąskie gardło na naprawianie błędów.
