Przetłumaczono z angielskiego oryginału. Liczby i źródła pozostają bez zmian. Przeczytaj angielski oryginał
Credit Agricole Bank Polska
Credit Agricole Bank Polska uruchamia polski otwarty model Bielik na własnych serwerach do narzędzi wewnętrznych
Credit Agricole Bank Polska wybrał Bielika, polski model językowy o otwartych wagach, po wewnętrznym hackathonie AI i kupił serwery GPU, by uruchomić go we własnej infrastrukturze. Napędza on teraz polCA, dostrojony korektor tekstów w prostym języku, oraz wewnętrzny czat, z którego może korzystać każdy pracownik. Bank mówi, że nie ma jeszcze wskaźników efektywności.
Kluczowe liczby
Przepisane dokładnie ze źródeł. Skopiuj każdą liczbę wraz z przypisem.
ponad 50
Zgłoszenia projektów otrzymane na hackathonie AI banku w 2024 roku1
pięć
Pomysły z hackathonu wybrane do wdrożenia1
Ile to kosztowało
Problem
Credit Agricole Bank Polska chciał zacząć pracę z dużymi modelami generatywnymi, ale dostęp do narzędzi takich jak ChatGPT był ograniczony, jak to w bankowości. Tylko kilka osób, w tym Innovation Lab, mogło z nich korzystać, pod kontrolą. Bank nie miał też własnej infrastruktury do uruchamiania modeli językowych. Szukał sposobu, by więcej pracowników mogło bezpiecznie używać generatywnej AI, bez opuszczania banku przez wrażliwe dane.
Co zbudowano
Bank używa Bielika, polskiego modelu językowego open-weight (o otwartych wagach), co oznacza, że pliki modelu można pobrać i uruchomić na własnych serwerach. Działają na nim dwa narzędzia dla pracowników. polCA to korektor, który przepisuje teksty zgodnie z zasadami prostego języka. Drugie to wewnętrzny czat, z którego może korzystać każdy pracownik, by rozmawiać z modelem lub pracować nad dokumentami. Bielik napędza też narzędzia usuwające lub maskujące dane wrażliwe, zanim tekst trafi do modelu w chmurze, oraz narzędzia pomagające marketingowi i HR pisać treści zgodne z wewnętrznymi standardami banku na podstawie krótkiego szkicu.
Jak to zrobiono
Impulsem był hackathon AI w 2024 roku, zorganizowany z partnerem technologicznym, Deviniti. Bank potrzebował silnika dla pomysłów uczestników. Hackathon przyniósł ponad 50 zgłoszeń, a bank wybrał pięć do wdrożenia. polCA, jedno z nich, stał się pierwszym zastosowaniem produkcyjnym. Celowo pozostał prosty, został przetestowany na tle innych modeli i dostrojony na korpusie tekstów banku, czyli model dotrenowano na danych banku, by pasował do jego potrzeb.
Hackathon i polCA skłoniły bank do zakupu serwerów GPU i zainstalowania na nich Bielika, po czym otworzył wewnętrzny czat dla wszystkich. Nowy sprzęt dotarł dopiero pod koniec 2024 roku, co bank wskazuje jako największą przeszkodę. Obecnie uruchamia też platformy do budowy agentów (n8n i RAGFlow) napędzane Bielikiem i innymi modelami, a w 2025 roku zorganizował drugi hackathon poświęcony agentom.
Wyniki
Model działa na własnych maszynach banku, więc dane wrażliwe zostają w jego infrastrukturze. polCA jest na produkcji, a każdy pracownik może korzystać z czatu Bielika. Bank mówi, że mierzy liczbę poprawionych lub wygenerowanych tekstów, uruchomień agentów i przetworzonych danych, i że pokazuje to, iż narzędzia pozwalają pracownikom wykonywać więcej zadań. Twierdzi, że nie ma jeszcze precyzyjnych wskaźników procentowej oszczędności czasu i definiuje wskaźniki KPI w ramach szerszego podejścia do zarządzania AI na dużą skalę.
Wnioski dla Twojego projektu
Warto użyć hackathonu, by jednocześnie znaleźć pierwsze przypadki użycia i pierwszy model. Hackathon Credit Agricole w 2024 roku dał ponad 50 pomysłów i argument za wspólnym modelem.
Warto zacząć od prostego pierwszego narzędzia produkcyjnego. Bank wybrał polCA, korektor tekstów, bo łatwo było udowodnić jego wartość, a potem małymi krokami przechodził do kolejnych projektów.
Warto porównywać modele na własnym zadaniu. Bank przetestował kilka, a polCA działał najlepiej na Bieliku po dostrojeniu na korpusie tekstów banku.
Warto dać pracownikom bezpieczny wewnętrzny czat, aby uczyli się, co modele językowe potrafią, a czego nie. Bank mówi, że Bielik jest słabszy od znacznie większych modeli, ale do tego wystarcza.
Warto uwzględnić czas dostawy sprzętu. Bank wskazuje zdobycie i instalację serwerów GPU jako największe wyzwanie.
Warto wcześnie wbudować pomiar. Bank liczy poprawione teksty i uruchomienia agentów, ale nie ma jeszcze wskaźników efektywności, i mówi, że ich zdefiniowanie jest częścią kolejnej fazy.
Zastrzeżenia
- Jedynym źródłem jest wywiad z kierownikiem Innovation Lab banku, opublikowany przez państwowy fundusz rozwoju PFR. Wszystkie twierdzenia pochodzą od banku i żadne niezależne źródło ich nie potwierdza.
- Bank twierdzi, że nie ma jeszcze precyzyjnych wskaźników tego, o ile zmienił się czas pracy lub produktywność. Powyższe liczby to liczby pomysłów, a nie wyniki biznesowe.
- Artykuł nie podaje dat uruchomienia polCA ani wewnętrznego czatu. Pokazana data wdrożenia to rok hackathonu i dostawy serwerów GPU (koniec 2024 roku); artykuł nie mówi, kiedy polCA lub czat trafiły do użytkowników, co mogło nastąpić po 2024 roku. Rok pochodzi z tekstu i nie podano miesiąca.
- Artykuł nie podaje kosztu, liczby serwerów ani liczby użytkowników czatu.
- Bank używa też innych modeli, w tym Qwen i gpt-oss, w swoich platformach agentowych, i mówi, że Bielik ustąpił innym modelom w niektórych zadaniach.
- Strona wywiadu blokuje czytniki automatyczne; przeczytaliśmy ją w zarchiwizowanej kopii.
Źródła
- Start z polskim AI – od pomysłu do wdrożenia
Polski Fundusz Rozwoju (PFR) · 2026-02-26 · Wywiad · pfr.pl
Streszczone własnymi słowami na podstawie powyższych źródeł. Zauważyłeś błąd? Zobacz sprostowania.