Autonomiczne agenty AI, które mogłyby samodzielnie podejmować decyzje finansowe, wciąż napotykają na fundamentalny problem - instytucje finansowe nie mają wystarczająco dobrze przygotowanych danych do ich wdrożenia. MIT Tech Review analizuje to wyzwanie i pokazuje, że jakość, struktura i sama dostępność informacji stanowią mur nie do przejścia dla większości przedsiębiorstw sektora. To nie jest kwestia technologii - modele są gotowe - ale pragmatycznej rzeczywistości, w której dane leżą rozproszone w starych systemach, są niekompletne, a ich integracja wymaga poważnych nakładów.
Problem dotyka zwłaszcza instytucji finansowych, które chcą przejść na automatyczne procesy decyzyjne. Aby agent AI mógł na przykład samodzielnie zarządzać portfelem, oceniać ryzyko kredytowe czy optymalizować alokację kapitału, potrzebuje dostępu do czystych, ustrukturyzowanych i spójnych danych. W rzeczywistości banki i firmy ubezpieczeniowe operują zestawami informacji rozproszonymi na różnych platformach, w różnych formatach, często gromadzonych bez myśli o przyszłym wykorzystaniu sztucznej inteligencji. Brakuje też jasnych procedur aktualizacji i walidacji tych zasobów.
Dla branży finansowej to oznacza, że przed wdrożeniem zaawansowanych agentów AI konieczne jest najpierw spędzenie lat na porządkowaniu bazy danych - zadanie żmudne, kosztowne i mało spektakularne. Jednak dokładnie od tego etapu zależy, czy autonomiczne systemy będą rzeczywiście użyteczne i bezpieczne w praktyce. To przekłada się na rzeczywiste opóźnienia w transformacji cyfrowej dla wielu instytucji i pokazuje, że przed każdym skoku technologicznym czeka nas długa droga przygotowawcza.