Kako AI mijenja financijsku industriju u 2026.: od chatbota do algoritamskog kreditiranja

Negdje u serverskoj sobi vaše banke, algoritam je upravo odlučio nešto o vama. Nije bio umoran, nije imao loš dan, nije ga zanimalo da li ste se smiješili. Pregledao je tisuće podatkovnih točaka i donio odluku u milisekundama.

Dobrodošli u stvarnost AI-a u financijama — ne onu iz filmova, nego onu koja već utječe na vaš kredit, osiguranje i investicije.

Otkrivanje prijevara: gdje AI već dominira

Ovo je možda jedina primjena AI-a u financijama oko koje postoji globalni konsenzus: strojno učenje je dramatično bolje od pravila baziranih sustava u otkrivanju kreditnih prijevara.

Klasični antifraud sustavi radili su na jednostavnim pravilima: transakcija iz neobičnog geografskog područja → blokada. Transakcija iznad određenog iznosa u kratkom roku → provjera. Problemi: previsok broj lažnih alarmi (blokira legitimne korisnike), a sofisticirani prijevarnici nauče zaobići pravila.

AI modeli analiziraju obrasce ponašanja — brzinu tipkanja PIN-a, geografski kontekst, uobičajene kategorije kupnji, vremenska distribucija transakcija. Anomalija nije "neobičan grad", nego "neobičan grad u kontekstu ovog korisnika u ovom trenutku". Mastercard izvještava o smanjenju lažnih alarmi za 50%+ uz AI modele.

Kreditno scoriranje: više podataka, drugačiji zaključci

HROK i klasični kreditni modeli gledaju relativno mali skup varijabli: plaća, povijest plaćanja, DTI omjer. AI modeli — posebno oni koje koriste fintech tvrtke — mogu uključivati:

• Obrasce mobilnog plaćanja i kategorije kupnji
• Stabilnost mjesta stanovanja (promjene adrese)
• Redovitost i varijabilnost prihoda (ne samo iznos)
• Ponašanje prema digitalnim uslugama

Rezultat: osobe bez kreditne povijesti (mladi, migranti) mogu dobiti kredit jer AI pronalazi alternativne signale kreditne pouzdanosti. Ali i obrnuto — algoritam može diskriminirati neočekivanim kanalima.

Personalizacija: od one-size-fits-all do N=1

Vaša banka vas tretira kao segment: "mlađa osoba s visokim prihodima u urbanoj sredini". AI omogućava tretman vas kao individue.

U praksi to znači: personalizirane ponude štednih proizvoda temeljene na vašim obrascima potrošnje, upozorenja o neobičnim troškovima (ne generičkim pravilima), proaktivni prijedlozi refinanciranja kad tržišni uvjeti postanu povoljniji za vaš profil.

Revolut, Monzo, N26 — sve ove digitalne banke imaju teams koji rade samo na ML personalizaciji. Tradicionalne banke zaostaju, ali ulažu.

Regulatorni chatboti i back-office automatizacija

Manje glamurozno od robo-savjetnika, ali možda financijski najutjecajnije: AI automatizira ogromne količine back-office posla. KYC (Know Your Customer) provjere, AML (Anti-Money Laundering) praćenje, izvještavanje prema regulatorima — sve procesi koji su bili skupi, spori i podložni ljudskoj grešci.

Europska EBA i HNB regulatorni zahtjevi generiraju tisuće stranica dokumenata. AI sustavi mogu pratiti izmjene propisa, flagirati relevantne izmjene i automatski prilagoditi interne procedure.

---

AI u financijama nije "uskoro". Algoritam koji je odlučio o vašem posljednjem zahtjevu za kredit — bio je AI. Chatbot s kojim ste razgovarali u bankarskoj aplikaciji — AI. Sustav koji je odlučio ne blokirati vašu karticu na odmoru u Barceloni — AI. Pitanje nije hoće li AI biti u financijama. Pitanje je kako će biti reguliran i tko nosi odgovornost kad pogriješi.

---

Izvori i dodatno čitanje

• McKinsey — AI in banking — sveobuhvatna analiza AI primjena u bankarstvu
• EBA — AI in financial services — europski regulatorni pregled AI u kreditiranju
• HNB — Digitalizacija financijskog sektora — pregled digitalne transformacije u HR
• ECB — Artificial intelligence in financial services — Europska središnja banka o AI rizicima
• HANFA — Inovacije u financijskim uslugama — regulatorni pristup fintech inovacijama u HR