ZdrojReutersDatum zveřejnění článku: 10. 11. 2026Původní článek: ReutersTento článek slouží výhradně k informačním účelům a nepředstavuje individuální investiční doporučení ani investiční poradenství. Představuje redakční zpracování veřejně dostupných informací. Cílem je přiblížit čtenářům podstatné informace srozumitelnou formou při zachování významu původních zdrojů. Výdaje na tokeny využívané AI agenty mohou podle McKinsey dosáhnout 20 % celkových personálních nákladů bank. Finanční domy proto nasazují agentní AI selektivněji a sledují nejen úspory, ale také její dopad na výnosy. Z uživatelů AI by 72 % svěřilo bankovnímu agentovi jeden finanční úkol, autonomní schválení by však omezili částkou 500 dolarů.   Tokeny prodražují komunikaci mezi agenty Banky po celém světě hledají způsoby, jak udržet pod kontrolou rostoucí náklady spojené s AI agenty. Podle výročního přehledu globálního bankovnictví společnosti McKinsey by výdaje na tokeny, které provoz těchto systémů zajišťují, mohly snadno dosáhnout až 20 procent celkových personálních nákladů. Dohled nad těmito výdaji proto v některých finančních institucích přebírají nově vytvářené týmy označované jako AI FinOps. Jejich úkolem je řídit nákladovou stránku používání umělé inteligence a vyhodnocovat, ve kterých částech bankovního provozu mají jednotlivé systémy fungovat. Banky se zpočátku snažily spotřebu omezovat pomocí nástrojů, které zaměstnance směrovaly k různým modelům podle složitosti jejich dotazů. Jednodušší požadavky tak mohl zpracovat méně náročný model, zatímco komplikovanější zadání mířila k pokročilejším systémům. Podle Vika Sohoniho, seniorního partnera McKinsey a jednoho z autorů zprávy, tento přístup při práci AI agentů přestává fungovat. Agenti totiž nekomunikují pouze s člověkem, ale také mezi sebou. Každá další výměna spotřebovává tokeny, jejichž počet se může během vícekrokových procesů rychle zvyšovat. Banky zpřesňují výběr oblastí pro nasazení AI Finanční instituce v reakci na rostoucí spotřebu tokenů pečlivěji vybírají procesy, do nichž agentní AI zapojí. Soustředí se především na oblasti s nejsilnějším očekávaným přínosem a porovnávají provozní náklady systémů s jejich měřitelnými výsledky. Úspory spojené s produktivitou lze podle Sohoniho vyčíslit poměrně snadno. Banky mohou sledovat například množství práce, které systém převezme, nebo čas potřebný ke zpracování určitého úkonu. Vedle nákladových úspor však stále častěji měří také výnosy, které umělá inteligence pomáhá vytvářet. Právě dopad na výnosy má bankám ukázat, ve kterých oblastech lze odůvodnit vyšší výdaje na tokeny a provoz agentů. Hodnocení se tak neposouvá pouze kolem nahrazování nebo zrychlování manuálních činností, ale zahrnuje také to, zda systémy přispívají k růstu bankovních příjmů. McKinsey zároveň očekává, že se AI agenti rozšíří výrazně rychleji než předchozí generace digitálních technologií. Podle zprávy by se mohli začít běžně používat během tří let. Mobilnímu internetu trvalo dosažení širokého rozšíření přibližně pět až deset let. Klienti využívají AI při porovnávání bankovních služeb Průzkum McKinsey mezi 46 tisíci klienty retailových bank po celém světě ukázal, že většina respondentů již umělou inteligenci používá při rozhodování o finančních službách. Pomocí těchto nástrojů porovnávají nabídky bank, hledají spořicí účty s vyšším úročením nebo zjišťují možnosti refinancování a konsolidace dluhů. Mezi uživateli AI uvedlo 72 procent respondentů, že by bankovnímu agentovi dovolili provést jeden finanční úkol. Rozsah samostatného rozhodování by však zůstal omezený: autonomně schvalované operace by tito klienti zastropovali na 500 dolarech. Rychlost přijetí ilustrují také údaje o agentovi Muse společnosti Meta Platforms (META) . Ve Spojených státech si jej během prvních 22 dnů od uvedení stáhlo pět milionů uživatelů. Rozšíření externích agentů může bankám měnit také skladbu vkladů. Systémy mohou klientům usnadnit přesun peněz z neúročených účtů na produkty s vyšším výnosem, což by snižovalo příjmy bank z levnějších zdrojů financování. Zpráva proto vedle možnosti růstu výnosů a snižování nákladů upozorňuje také na tlak, který může tato technologie vyvíjet na ziskovost. Dosavadní dopad zůstává omezený, protože většina bank externím AI agentům neumožňuje autorizovat transakce přímo ve svých systémech. Nástroje tak mohou vyhledávat a porovnávat možnosti, konečné provedení finanční operace však nadále závisí na pravidlech konkrétní banky a souhlasu klienta.