Sztuczna inteligencja zagraża nawet 200 tysiącom miejsc pracy w bankach europejskich

Według analizy Morgan Stanley, sztuczna inteligencja może doprowadzić do likwidacji ponad 200 tysięcy miejsc pracy w europejskim sektorze bankowym do roku 2030. To mniej więcej 10% spośród 2,12 miliona pracowników zatrudnionych obecnie w tej branży na Starym Kontynencie. Głównym motorem tych zmian jest rosnące zainteresowanie automatyzacją jako narzędziem poprawy rentowności.

Kluczowe fakty

Prognozowane cięcia: ponad 200 tysięcy miejsc pracy w europejskiej bankowości do 2030 roku
Zasięg: Europa, analiza obejmuje 35 największych europejskich banków
Kogo dotyczy: banki, inwestorzy, pracownicy sektora finansowego
Dlaczego to ważne: AI może radykalnie przyspieszyć procesy i przekształcić strukturę zatrudnienia, szczególnie w funkcjach pomocniczych

AI uderza przede wszystkim w „usługi centralne" i funkcje zaplecza

Raport Morgan Stanley, którego treść ujawnił Financial Times, wskazuje, że sztuczna inteligencja może wyeliminować 1 na 10 stanowisk pracy w 35 największych europejskich instytucjach bankowych objętych analizą. Obszary najbardziej zagrożone to tzw. usługi centralne: middle-office, back-office, zgodność regulacyjna oraz zarządzanie ryzykiem.

Łączy je jeden wspólny mianownik: powtarzalne zadania, jasno określone reguły i duże wolumeny danych — dokumenty, formularze, transakcje, raporty. To właśnie w tych obszarach AI zyskuje przewagę: selekcja dokumentacji, ekstrakcja danych, uzgodnienia, sporządzanie projektów pism, wsparcie audytów czy wstępna analiza w ramach kontroli wewnętrznej. Co istotne, ryzyko nie zawsze oznacza „bezpośrednie zastąpienie" — wiele redukcji wynika z nieobsadzania wakatów po odejściach pracowników oraz reorganizacji zespołów.

Niccolò Ubertalli, dyrektor generalny CCF (dawniej HSBC France), powiedział w rozmowie z BFM Business, że „AI wyeliminowała już miejsca pracy w obszarach, które nie mają bezpośredniego kontaktu z klientami". Jako przykład podał kredyty hipoteczne, które dziś mogą być zatwierdzane w jeden dzień, podczas gdy wcześniej proces ten trwał kilka tygodni. Takie przyspieszenie możliwe jest tam, gdzie dane są już ustrukturyzowane — dochody, historia kredytowa, dokumentacja. W bardziej złożonych przypadkach ludzka weryfikacja nadal pozostaje niezbędna.

Presja inwestorów napędza automatyzację w europejskich bankach

Za wyścigiem ku automatyzacji stoi jeden zasadniczy cel: poprawa rentowności i efektywności kosztowej. Morgan Stanley podkreśla, że europejskie banki wciąż pozostają w tyle za swoimi odpowiednikami z Ameryki Północnej pod względem zyskowności. Wśród krajów najbardziej narażonych na zmiany analitycy wymieniają Francję i Niemcy, gdzie wskaźniki kosztów są szczególnie wysokie.

W obliczu rosnących oczekiwań inwestorów dotyczących poprawy wskaźnika kosztów do przychodów, AI jawi się jako droga do ograniczenia wydatków — choć niekoniecznie jest to „natychmiastowa oszczędność". Wdrożenie sztucznej inteligencji w bankowości wiąże się z realną złożonością: integracja z przestarzałymi systemami, przeprojektowanie procesów, bezpieczeństwo, nadzór nad modelami oraz wymagania dotyczące audytowalności decyzji. Obszary takie jak AML/KYC, ochrona danych czy raportowanie regulacyjne wymagają dodatkowych kontroli, co może ograniczać szybkie zyski.

Mimo to analitycy Morgan Stanley piszą, że „wiele banków mówi o zyskach efektywnościowych sięgających 30% dzięki AI". W praktyce korzyści te pojawiają się najczęściej najpierw przy zadaniach „pierwszej wersji" — tworzeniu szkiców dokumentów, wewnętrznych wyszukiwaniach, streszczeniach i klasyfikacjach — podczas gdy zespoły skupiają się na walidacji i obsłudze wyjątków.

Cięcia już trwają: ABN Amro i Société Générale pod lupą

Restrukturyzacja, jak wynika z raportu, to nie tylko scenariusz na przyszłość. Holenderski bank ABN Amro ogłosił zamiar redukcji prawie 20% zatrudnienia do 2028 roku.

We Francji dyrektor generalny Société Générale, Slawomir Krupa, oświadczył, że „nic nie jest święte" w planie cięcia kosztów — sformułowanie odczytywane jako gotowość do redukcji na różnych szczeblach i w wielu obszarach działalności.

Warto zauważyć często pomijany aspekt: gdy automatyzacja obejmuje funkcje pomocnicze, cięcia koncentrują się na stanowiskach o dużym wolumenie zadań i stabilnych regułach — operacje, raportowanie, rutynowe walidacje. Funkcje bliższe kluczowym decyzjom, takie jak złożona ocena kredytowa, ryzyko modelowe czy compliance wysokiego szczebla, ewoluują w kierunku profili wymagających większego nadzoru i zdolności do kwestionowania wyników generowanych przez AI.

UBS i JPMorgan wzywają do ostrożności i powrotu do „fundamentów"

Nie wszyscy analitycy są przekonani, że obietnice produktywności przekładają się już na realne efekty. Jason Napier, szef działu analiz europejskich banków w UBS, stwierdza, że „banki nie raportują jeszcze poprawy efektywności" i że „te potężne narzędzia nie zostały jeszcze w pełni wdrożone".

Mimo to UBS uważa, że rok 2026 może być punktem zwrotnym, jeśli AI wykaże realny wpływ na wyniki. Grupa wysłała 250 wyższych menedżerów na poświęcony sztucznej inteligencji szczyt do Oksfordu, traktując ten temat jako priorytet strategiczny.

Płyną też ostrzeżenia przed ryzykiem zbyt szybkiego wdrażania. Conor Hillery, współdyrektor generalny JPMorgan Chase na Europę, przekonuje, że „w wyścigu po AI nie możemy tracić z oczu fundamentów". W bankowości oznacza to umiejętność oceny ryzyka, znajomość produktów, wykrywanie luk kontrolnych i przestrzeganie przepisów — bo AI może się mylić, w tym generować błędne informacje, a bez solidnych podstaw nadzór staje się jedynie automatyczną weryfikacją.

Globalny trend: Goldman Sachs i projekt „Mercury" firmy OpenAI

Presja na zatrudnienie w bankowości nie ogranicza się do Europy. W Stanach Zjednoczonych Goldman Sachs poinformował pracowników w październiku o planowanych cięciach i zamrożeniu rekrutacji do końca 2025 roku w ramach programu „OneGS 3.0", skupionego na integracji obsługi klienta i raportowaniu regulacyjnym.

Tymczasem Bloomberg doniósł, że OpenAI uruchomił projekt o nazwie „Mercury", którego celem jest stworzenie AI zdolnej do zastąpienia młodszych analityków w zadaniach z zakresu modelowania finansowego. Według tych samych informacji do projektu zatrudniono ponad 100 byłych bankierów.

Nawet gdy AI automatyzuje część analiz, banki i regulatorzy mają tendencję do wymagania „człowieka w pętli" przy istotnych decyzjach: walidacja założeń, spójność modeli, identyfikowalność i kontrola wersji — zwłaszcza tam, gdzie decyzje wpływają na klientów, kapitał regulacyjny lub ryzyko operacyjne.

Dlaczego ta informacja ma znaczenie

Jeśli prognozy Morgan Stanley się potwierdzą, będziemy mieli do czynienia z jedną z największych transformacji zatrudnienia w europejskiej bankowości od dziesięcioleci. Skutki odczują przede wszystkim funkcje krytyczne, choć mniej widoczne — jak zarządzanie ryzykiem czy compliance. W krajach takich jak Polska, gdzie banki również zmagają się z presją na efektywność i rozbudowanymi wymogami regulacyjnymi, efekt ten może przejawiać się mniej w natychmiastowych zwolnieniach, a bardziej w przekwalifikowaniu pracowników, centralizacji procesów i ograniczeniu rekrutacji na stanowiskach związanych z przetwarzaniem danych.

Jednocześnie rozbieżność między obiecywanymi zyskami — do 30% efektywności według Morgan Stanley — a ostrożnością analityków takich jak UBS wskazuje, że rzeczywisty wpływ AI zależeć będzie od jakości wdrożenia: jakości danych, integracji z procesami, kontroli wewnętrznych, prywatności i bezpieczeństwa. W tak ściśle regulowanym sektorze działanie na skróty, bez odpowiedniego systemu zarządzania, może okazać się kosztowne — w postaci awarii operacyjnych, incydentów związanych z danymi i decyzji trudnych do uzasadnienia przed regulatorami.