Czy sztuczna inteligencja może przejąć PR banku spółdzielczego?

W tradycyjnym modelu pracownik odpowiedzialny za komunikację musiałby sam odnaleźć te wypowiedzi, uporządkować je, ustalić, które zarzuty się powtarzają, zebrać informacje od informatyków i przygotować komunikat. Dzisiaj część tej pracy można wykonać inaczej.

System wyposażony w dostęp do wskazanych źródeł może cyklicznie pobierać nowe wzmianki o banku, grupować je według tematu i wskazywać gwałtowny wzrost liczby wypowiedzi dotyczących określonego problemu. Model językowy może następnie przygotować zestawienie najczęściej pojawiających się zarzutów oraz projekt komunikatu na stronę internetową i media społecznościowe.

Nie wie jednak, czy pieniądze rzeczywiście zniknęły z rachunków. Nie wie również, czy bank padł ofiarą ataku. Może jedynie pracować na informacjach, które zostały mu udostępnione.

Samo pisanie można zautomatyzować stosunkowo łatwo

Modele generatywne mogą przygotowywać pierwsze wersje tekstów. Komunikat prasowy, post na Facebooka, odpowiedź na pytanie klienta, propozycję artykułu czy scenariusz krótkiego filmu można dzięki nim przygotować szybciej.

W przygotowaniu komunikatu samo pisanie jest tylko jednym z etapów. Trzeba jeszcze zebrać informacje, przejrzeć wcześniejsze materiały, sprawdzić, jak bank komunikował podobne sprawy, dostosować treść do różnych kanałów i przygotować potrzebne warianty przekazu.

Jeżeli bank ma uporządkowane i łatwe do przeszukiwania archiwum komunikatów, uchwał, informacji produktowych oraz wcześniejszych materiałów prasowych, model może korzystać z tego zasobu podczas przygotowywania projektu. Nie opiera się wówczas wyłącznie na ogólnej wiedzy modelu, lecz pracuje na materiałach konkretnej instytucji.

Bez takiego zaplecza łatwo przecenić technologię. Model językowy potrafi napisać przekonująco brzmiący komunikat nawet wtedy, gdy nie zna faktów. W bankowości jest to szczególnie niebezpieczna cecha.

Najpierw trzeba ustalić fakty

Traktowanie PR przede wszystkim jako przygotowywania tekstów prowadzi do błędnej oceny możliwości AI.

W sytuacji kryzysowej ktoś musi najpierw ustalić, co rzeczywiście się wydarzyło. Co jest przyczyną awarii? Jaki jest jej zakres? Ilu klientów dotyczy problem? Czy doszło do naruszenia bezpieczeństwa? Jakie informacje bank może ujawnić? Czy sprawa wymaga zawiadomienia organów nadzoru?

Dopiero na tej podstawie można zdecydować, co powiedzieć klientom.

Model językowy może uporządkować dokumenty dostarczone przez pracowników, wskazać potencjalne sprzeczności pomiędzy informacjami albo przygotować kilka wariantów komunikatu. Nie zastąpi jednak źródła informacji. Jeżeli otrzyma niepełne albo błędne dane, może bardzo sprawnie stworzyć równie błędną odpowiedź.

Łatwość przygotowania pierwszej wersji komunikatu tworzy przy tym nowe ryzyko. Skoro projekt tekstu można przygotować szybko, rośnie pokusa, żeby równie szybko go opublikować.

W banku szybkość reakcji ma znaczenie, ale nie może odbywać się kosztem wiarygodności. Błędny komunikat dotyczący bezpieczeństwa pieniędzy może pogłębić kryzys, dlatego nie warto skracać etapu weryfikacji tylko po to, by opublikować odpowiedź wcześniej.

Dlatego potrzebna jest procedura. Kto dostarcza informacje? Kto sprawdza zgodność komunikatu ze stanem faktycznym? Kto ocenia ryzyko prawne? Kto zezwala na publikację?

Taka procedura nie eliminuje ryzyka, ale ogranicza je i pozwala bezpieczniej wykorzystywać automatyzację.

W lokalnym PR liczba wzmianek nie mówi wszystkiego

Bank spółdzielczy działa w innym środowisku komunikacyjnym niż duża instytucja obecna w całym kraju.

W małym mieście znaczenie może mieć artykuł w lokalnym portalu, dyskusja w grupie mieszkańców, wypowiedź burmistrza albo kilkanaście komentarzy osób znanych w miejscowej społeczności. Liczba wzmianek będzie niewielka, ale ich wpływ na reputację banku może być duży.

System, który analizuje głównie liczbę wzmianek, może nadać takim sygnałom zbyt małą wagę.

Nie da się więc oceniać znaczenia dyskusji wyłącznie przez liczbę wypowiedzi. Potrzebny jest kontekst, a więc wiedza o tym, kto mówi, gdzie odbywa się dyskusja i jakie znaczenie ma ona dla klientów.

Ograniczony obszar działania może być tu atutem banku spółdzielczego. Łatwiej zdefiniować lokalne portale, profile społecznościowe, fora, media samorządowe i inne źródła, które rzeczywiście mają znaczenie dla banku. Po technicznym i zgodnym z prawem podłączeniu dostępnych źródeł system może pomagać w ich przeglądaniu i porządkowaniu materiału.

Nadal pozostaje różnica między sygnałem a zjawiskiem. Wzrost liczby pytań o kredyt hipoteczny nie dowodzi jeszcze wzrostu popytu na kredyty. Więcej negatywnych komentarzy nie musi oznaczać pogorszenia reputacji całego banku. Model może wykryć zmianę w danych. Interpretacja jej znaczenia wymaga szerszego materiału.

Automatyzacja wymaga porządku po stronie banku

Wprowadzenie generatywnej AI do PR nie sprowadza się do zakupu narzędzia.

Jeżeli materiały banku znajdują się w przypadkowych folderach, nie istnieje uporządkowane archiwum komunikacji, nikt nie określił źródeł wykorzystywanych do monitoringu, a pracownicy nie wiedzą, jakie dane mogą przekazywać zewnętrznym systemom, nawet bardzo dobry model nie rozwiąże problemu.

W takim środowisku automatyzacja tylko przyspieszy pracę na nieuporządkowanym materiale.

Pierwszym krokiem nie musi więc być zakup rozbudowanego systemu AI. W niewielkim banku większy efekt może przynieść uporządkowanie archiwum, określenie zasad dostępu do dokumentów, stworzenie procedury akceptacji materiałów oraz wskazanie źródeł, które warto obserwować.

Dopiero wtedy można zdecydować, które czynności warto powierzyć technologii.

Bank nie musi od razu automatyzować całego obiegu komunikacji. Na początek warto sprawdzić trzy zastosowania: przygotowanie pierwszej wersji materiału, wyszukiwanie informacji w zatwierdzonym archiwum oraz porządkowanie treści z określonych źródeł.

Jeżeli te trzy zastosowania rzeczywiście oszczędzają czas i nie zwiększają ryzyka, zakres można rozszerzać.

Sztuczna inteligencja może więc zautomatyzować część operacyjnej pracy PR banku spółdzielczego: wyszukiwanie materiałów, porządkowanie informacji i przygotowanie pierwszych wersji komunikatów. Nie oznacza to jednak, że przejmuje odpowiedzialność za relacje banku z otoczeniem. Na reputację wpływają decyzje instytucji, jakość obsługi klientów, wiarygodność informacji i sposób zachowania banku wtedy, gdy pojawia się problem.

W praktyce warto sprawdzać, ile czasu bank rzeczywiście oszczędza, ile poprawek wymagają materiały, czy nie rośnie liczba błędów i czy procedura akceptacji nadal pozwala zachować kontrolę nad tym, co bank mówi publicznie.

Maciej Małek