3 popandemiczne fintechowe trendy o których powinieneś wiedzieć

Iwo Hachulski

30 cze 2020
3 popandemiczne fintechowe trendy o których powinieneś wiedzieć

Nie od dziś wiadomo, że fintech krok po kroku realizuje kolejne etapy rewolucji w sektorze usług bankowych. Głównym beneficjentem takiego stanu rzeczy są przede wszystkim – poza samymi fintechami – konsumenci. Tradycyjna bankowość przyjmuje rożne strategie odnośnie zaistniałego status quo. Część banków, między innymi Santander, stale silnie inwestuje w najbardziej perspektywiczne fintechowe startupy, aby następnie zaimplementować zaproponowane przez nie  rozwiązania dla swoich klientów. Inni – starają się tworzyć własne produkty, wprowadzane następnie przez pozostałych graczy na rynku. Tutaj jednym z najlepszych przykładów jest Bank PKO BP oraz opracowany przez bankowy dział IT system płatności zbliżeniowych BLIK. Wciąż nieustannie trwający czas epidemii zmienił wiele zachowań i przyzwyczajeń, które wcześniej często nie były nawet poddawane dyskusji. W jaki sposób koronawirus odcisnął swoje piętno na sektorze nowoczesnych usług finansowych, czyli popularnym fintechu? Jakich perspektyw powinniśmy się spodziewać po pełnym otwarciu gospodarek w kontekście globalnym?

Nadzwyczajne czasy wymagają nadzwyczajnych rozwiązań

Przewartościowanie priorytetów – tak chyba najprościej i najbardziej racjonalnie należy opisać zmiany, które w naszym życiu wprowadził koronawirus. Restrykcje sanitarne zmusiły sektor finansowy, podobnie jak wiele innych, do nowego otwarcia – i spojrzenia w przyszłość z zupełnie innej perspektywy. Potrzeba pełnej mobilności wprowadzanej wraz z pełną kompatybilnością używanych rozwiązań stały się w przeciągu kilku tygodni wyznacznikiem skuteczności adaptacji zarówno bankowości tradycyjnej, jak i fintechowych potentatów. 

Nieuczciwym byłoby jednak stawianie ich w tym kontekście obok siebie – głównie z racji na fakt, że dla fintechów przeniesienie niemalże 100 procent działalności w świat cyfrowy nie było aż takim wyzwaniem. Taki stan rzeczy to zasługa przede wszystkim tego, że znacząca większość oferowanych usług fintechów jest dostępna wyłącznie online. Model pozwala na ograniczenie kosztów prowadzenia oddziałów wraz z minimalizacją kosztów stałych. To w rezultacie zapewnia pełną mobilność, tym samym często zamykając się niejako na klientów aktualnie związanych niemalże wyłącznie z bankowością tradycyjną. Pomimo tego fintechy również często zostały zmuszone do cięć. Rynkowy potentat, Revolut, ogłosił wprowadzenie ograniczeń w najtańszym planie oferowanym klientom oraz liczne zwolnienia w polskim oddziale firmy. W przeciwieństwie do bankowości tradycyjnej fintechy zazwyczaj nie były jednak zmuszone stawać przed skomplikowanym zadaniem przeniesienia kilku tysięcy pracowników w tryb pracy zdalnej niemalże z dnia na dzień. Tym samym mogły skupić się na wprowadzaniu skonkretyzowanych rozwiązań oferowanych klientom, zamiast zajmować się w pierwszej kolejności swoimi problemami wewnętrznymi. Chociażby Starling Bank uruchomił funkcję "połączonej karty", która umożliwia przekazanie drugiej, "zapasowej" karty debetowej powiązanej z kontem klienta komuś, kto może wydatkować w jegoimieniu. Z kolei zespół deweloperów z firm Fronted, Credit Kudos i 11:FS stworzył dla osób samozatrudnionych t. zw. Covid Credit, umożliwiający dostęp do zapomóg finansowych dla osób w najtrudniejszej sytuacji, które nie zostały objęte rządowym wsparciem. Znaczącą rolę powoli zyskują również fintech software house’y, oferejące usługi IT wykorzystujące najnowsze rozwiązania z sektora Fintech takie jak Blockchain lub AI.

Mobilność i bezpieczeństwo ponad wszystko

Z racji obostrzeń i zaleceń sanitarnych nieznacznie wzrósł zarówno wolumen płatności kartą jak i telefonem - chociażby w Indiach wyniósł on ok. 5%. Zdaniem wielu ekspertów związanych z bankowością oraz psychologią społeczną taki trend może utrzymać się na dłużej. Według raportu Mordor Intelligence "Mobile Payments Market - Growth, Trends, and Forecast" (2020-2025) korzystanie z płatności mobilnych będzie nadal intensywnie rosło, a roczna skumulowana stopa wzrostu wyniesie aż 26,93%. W Europie Środkowej jest to głównie spowodowane wciąż bardzo młodym systemem bankowym, często rozwijanym od podstaw dopiero w latach 90. Z tego względu wiele zachowań nie jest aż tak silnie zakorzenionych w społeczeństwie, które tym samym jest znacznie bardziej podatne na wszelkiego rodzaju innowacje.

Kolejnym elementem o którym trudno nie wspomnieć są t. zw. budgeting apps, czyli aplikacje do planowania i kontrolowania budżetu. Choć ich popularność w Polsce i innych państwach Europy Środkowej nie jest aż tak imponująca jak na przykład w Stanach Zjednoczonych, może to stopniowo ulegać zmianie z racji na nieunikniony kryzys gospodarczy spowodowany pandemią koronawirusa. Pełna kontrola nad własnym budżetem z racji na trudną sytuację społeczno-gospodarczą stanie się niewątpliwie jednym z priorytetów – wynosząc tym samym na piedestał możliwość ustrukturyzowanego przeglądu własnych wydatków. Takie aplikacje pod wieloma względami różnią się od siebie, dzięki czemu każdy może znaleźć coś dla siebie. Na przykład Mint automatycznie kategoryzuje transakcje z podpiętych do systemu kart kredytowych i debetowych i śledzi je w stosunku do budżetu, który można dopasować i dostosować do swoich potrzeb. Z kolei Goodbudget jest głównie dedykowany parom - istnieje możliwość podziału i pełnej synchronizacji budżetu z drugą osobą zarówno w systemie iOS jak i Android.

Tandem a naturalna konkurencja

Pomimo wszelkich zawirowań popandemiczne perspektywy na nadchodzące miesiące wydają się stabilne, choć nie aż tak obiecujące jak wcześniej oczekiwano. Zdaniem Rona Shevlina, Managing Director of Fintech Research w Cornerstone Advisors, era fintechowej eksperymentacji powoli dobiega końca. Wskaźniki które zyskają na znaczeniu to przede wszystkim liczba kont zasilanych finansowo oraz ich procent w stosunku do sumarycznej liczby pobrań aplikacji. Jego zdaniem w przypadku fintechów ukierunkowanych głównie na rynek B2B kluczowe wskaźniki będą bardziej operacyjne, takie jak poprawa szybkości, czasu trwania cyklu i mniejszych kosztów.

Zauważalna jest duża dysproporcja w obrębie samego środowiska związanego z sektorem bankowym. Obserwuje się niesłabnący optymizm wśród największych fintechów. Do lutego 2020 roku Revolut miał już niecałe 11 mln użytkowników. Zgodnie z przewidywaniami właścicieli do końca czerwca liczba użytkowników ma wynieść 13,07 mln, a następnie wzrastać o około 20%, by do grudnia 2020 r. osiągnąć 16,45 mln. Drugi z największych graczy, N26, już styczniu przekroczył liczbę 5 mln użytkowników, tym samym utrzymując niemalże wykładniczy wzrost i przewyższając znacząco prognozy firmy.

Inna sytuacja ma miejsce w przypadku tradycyjnych banków, których sytuacja finansowa często uległa pogorszeniu. Wedle analiz Międzynarodowego Funduszu Walutowego poza bezpośrednimi wyzwaniami związanymi z wybuchem epidemii COVID-19, utrzymujący się okres niskich stóp procentowych może wywierać dalszą presję na rentowność banków w najbliższych latach. Może to niepokoić, głównie z racji na fakt, że to stały rozwój zarówno tradycyjnej jak i nowoczesnej bankowości może być kluczem do wyjścia z kryzysu. Swoisty bankowy tandem gwarantuje również większy wybór dostępnych dla klienta usług, a tym samym większą konkurencję i wzmożone wprowadzanie innowacji w walce o każdego użytkownika. 

Co więcej, mniejsze fintechy również borykają się ze sporymi problemami. Wedle najnowszego raportu CB Insights wartość umów podpisanych przez fintechy w Q1 2020 spadła aż o 35% w porównaniu do Q4 2019. Lepiej doinwestowane i zyskowne fintechy są w zdecydowanie lepszej pozycji, szczególnie w kontekście uszczuplania się funduszy inwestycyjnych i tym samym zwiększonej konkurencji w walce o jakiekolwiek fundusze na dalszy rozwój. Problemy jednych mogą stać się paradoksalnie bolączką drugich, tym samym pogarszając sytuację sektora, a w konsekwencji często całej gospodarki. 

Most viewed


Never miss a story

Stay updated about Nextrope news as it happens.

You are subscribed

AI w Branży Nieruchomości. Jak wspiera rynek mieszkań?

Miłosz Mach

13 mar 2025
AI w Branży Nieruchomości. Jak wspiera rynek mieszkań?

Obecnie wiele sektorów gospodarki przechodzi transformację cyfrową. AI w 2025 to już nie tylko gadżet, a narzędzie, które przeprowadza rozmowy z klientami, usprawnia podejmowanie decyzji i optymalizuje procesy sprzedażowe. Równolegle, technologia blockchain zapewnia bezpieczeństwo , transparentność i skalowalność transakcji. Tym wpisem rozpoczynamy serię publikacji o AI w biznesie, a dzisiejszy artykuł poświęcimy wykorzystaniu sztucznej inteligencji w branży nieruchomości.

AI vs. Tradycja: Kluczowe Implementacje AI w Sektorze Nieruchomości

Projektowanie, sprzedaż, i zarządzanie - dotychczasowe metody ustępują miejsca decyzjom wspieranym danymi.

Przełom w Obsłudze Klienta

Chatboty i Asystenci AI zmieniają sposób, w jaki firmy komunikują się z klientami. Obsługują równocześnie setki zapytań, personalizują oferty i prowadzą klientów przez proces zakupowy. Wdrożenie agentów AI może prowadzić do wzrostu jakościowych leadów dla deweloperów oraz automatyzacji odpowiedzi na większość standardowych zapytań klientów. Wyzwania techniczne przy implementacji takich systemów obejmują:

  • Integrację z istniejącymi bazami danych nieruchomości - chatbot musi mieć dostęp do aktualnych ofert, cen i dostępności
  • Personalizację komunikacji - system musi dostosowywać komunikację do indywidualnych potrzeb klienta
  • Zarządzanie wiedzą branżową - chatbot potrzebuje specjalistycznej wiedzy o lokalnym rynku nieruchomości

Zaawansowana Analiza Danych

Systemy kognitywnej AI wykorzystują uczenie głębokie (deep learning) do analizy złożonych zależności na rynku nieruchomości, t.j. trendów makroekonomicznych, lokalnych planów zagospodarowania czy zachowań użytkowników na platformach społecznościowych. Wdrożenie takiego rozwiązania wymaga:

  • Zebrania wysokiej jakości danych historycznych
  • Stworzenia infrastruktury do przetwarzania danych w czasie rzeczywistym
  • Opracowania odpowiednich modeli uczenia maszynowego
  • Ciągłego monitorowania i aktualizacji modeli w oparciu o nowe dane

Inteligentne Projektowanie

Generatywna sztuczna inteligencja rewolucjonizuje projektowanie architektoniczne. Te zaawansowane algorytmy potrafią generować dziesiątki wariantów projektu budynku uwzględniających ograniczenia działki, wymogi prawne, efektywność energetyczną i preferencje estetyczne.

Optymalizacja Efektywności Energetycznej Budynków

Inteligentne systemy zarządzania budynkami (BMS) wykorzystują AI do optymalizacji zużycia energii przy jednoczesnym zachowaniu komfortu mieszkańców. Algorytmy uczenia ze wzmocnieniem (reinforcement learning) badają dane z czujników temperatury, wilgotności i jakości powietrza, a następnie dostosowują parametry ogrzewania, klimatyzacji i wentylacji.

Integracja AI z Blockchain a Tokenizacja Nieruchomości

Połączenie AI z technologią blockchain stwarza nowe możliwości dla branży nieruchomości. Blockchain to rozproszona baza danych, w której informacje są przechowywane w niezmienialnych "blokach". Zapewnia bezpieczeństwo transakcji i transparentność danych, podczas gdy AI analizuje te dane i wyciąga wnioski. W praktyce oznacza to, że historia własności, wszystkie transakcje i modyfikacje nieruchomości są zapisane w sposób niemożliwy do podrobienia, a AI pomaga w interpretacji tych danych i podejmowaniu decyzji.

Przyszłość AI w Branży Nieruchomości: Trendy i Prognozy

AI w sektorze nieruchomości ma potencjał przyniesienia branży wartości od 110 do 180 miliardów dolarów amerykańskich, jak podkreślają eksperci McKinsey & Company.

Kluczowe kierunki rozwoju w najbliższych latach to:

  • Autonomiczne systemy negocjacyjne - agenci AI wyposażeni w strategie teorii gier, zdolni do prowadzenia złożonych negocjacji
  • AI w planowaniu urbanistycznym - algorytmy planujące rozwój miast i optymalną alokację przestrzeni
  • Tokenizacja nieruchomości - wykorzystanie blockchain do podziału nieruchomości na cyfrowe tokeny, umożliwiające inwestowanie w części nieruchomości

Wnioski

Pytanie dla firm nie brzmi już "czy", ale "jak" wdrażać AI, aby maksymalizować korzyści i konkurencyjność swoich ofert. Strategiczne podejście zaczyna się od zdefiniowania konkretnych problemów biznesowych, a następnie doboru odpowiednich technologii.

Jakie wartości potencjalnie wniesie do Twojej organizacji?
  • Obniżenie kosztów operacyjnych dzięki automatyzacji
  • Poprawę doświadczenia klienta i skrócenie czasu transakcji
  • Zwiększenie dokładności prognoz i wycen, redukcja ryzyka biznesowego
Nextrope Logo

Chcesz wdrożyć AI w swoim biznesie nieruchomości?

Nextrope specjalizuje się w implementacji rozwiązań AI i blockchain dostosowanych do konkretnych potrzeb biznesowych. Nasze doświadczenie pozwala na:

  • Tworzenie inteligentnych chatbotów obsługujących klientów 24/7
  • Implementację systemów analitycznych do wyceny nieruchomości
  • Budowę bezpiecznych rozwiązań blockchain dla transakcji nieruchomościowych
Umów bezpłatną konsultację

Lub sprawdź pozostałe artykuły z serii "AI w biznesie"

AI w automatyzacji frontendowej – jak zmienia pracę programisty?

Gracjan Prusik

10 mar 2025
AI w automatyzacji frontendowej – jak zmienia pracę programisty?

Rewolucja AI w Warsztacie Frontendowca

W dzisiejszych czasach programowanie bez wsparcia AI to rezygnacja z potężnego narzędzia, które radykalnie zwiększa produktywność i wydajność developera. Dla współczesnego developera AI w automatyzacji frontendowej to nie tylko ciekawostka, ale kluczowe narzędzie zwiększające produktywność. Od automatycznego generowania komponentów, przez refaktoryzację, aż po testowanie - narzędzia AI fundamentalnie zmieniają naszą codzienną pracę, pozwalając skupić się na kreatywnych aspektach programowania zamiast na żmudnym pisaniu powtarzalnego kodu. W tym artykule pokażę, jak najczęściej wykorzystywane są te narzędzia, aby pracować szybciej, mądrzej i z większą satysfakcją.

Ten wpis rozpoczyna serię poświęconą zastosowaniu AI w automatyzacji frontendowej, w której będziemy analizować i omawiać konkretne narzędzia, techniki i praktyczne przypadki użycia AI, pomagające programistom w codziennej pracy.

AI w automatyzacji frontendowej – jak pomaga w refaktoryzacji kodu?

Jednym z najczęstszych zastosowań AI jest poprawianie jakości kodu i znajdowanie błędów. Narzędzia potrafią analizować kod i sugerować optymalizacje. Dzięki temu będziemy w stanie pisać kod znacznie szybciej, a także znacznie zmniejszyć ryzyko związane z ludzkim błędem.

Jak AI ratuje nas przed frustrującymi błędami

Wyobraź sobie sytuację: spędzasz godziny debugując aplikację, nie rozumiejąc dlaczego dane nie są pobierane. Wszystko wydaje się poprawne, składnia jest prawidłowa, a jednak coś nie działa. Często problem tkwi w drobnych szczegółach, które trudno wychwycić podczas przeglądania kodu.

Spójrzmy na przykład:

function fetchData() {
    fetch("htts://jsonplaceholder.typicode.com/posts")
      .then((response) => response.json())
      .then((data) => console.log(data))
      .catch((error) => console.error(error));
}

Na pierwszy rzut oka kod wygląda poprawnie. Jednak po uruchomieniu nie otrzymamy żadnych danych. Dlaczego? W URL-u znajduje się literówka - "htts" zamiast "https". To klasyczny przykład błędu, który może kosztować developera godziny frustrującego debugowania.

Kiedy poprosimy AI o refaktoryzację tego kodu, nie tylko otrzymamy bardziej czytelną wersję wykorzystującą nowsze wzorce (async/await), ale również - co najważniejsze - AI automatycznie wykryje i naprawi literówkę w adresie URL:

async function fetchPosts() {
    try {
      const response = await fetch(
        "https://jsonplaceholder.typicode.com/posts"
      );
      const data = await response.json();
      console.log(data);
    } catch (error) {
      console.error(error);
    }
}

Jak AI w automatyzacji frontendowej przyspiesza tworzenie UI?

Jednym z najbardziej oczywistych zastosowań AI w frontendzie jest generowanie komponentów UI. Narzędzia takie jak GitHub Copilot, ChatGPT czy Claude potrafią wygenerować kod komponentu na podstawie krótkiego opisu lub przesłanego im obrazu.

Dzięki tym narzędziom możemy tworzyć złożone interfejsy użytkownika w zaledwie kilkadziesiąt sekund. Wygenerowanie kompletnego, funkcjonalnego komponentu UI zajmuje często mniej niż minutę. Co więcej, wygenerowany kod jest zazwyczaj pozbawiony błędów, zawiera odpowiednie animacje i jest w pełni responsywny, dostosowując się do różnych rozmiarów ekranu. Ważne jest, aby dokładnie opisać czego oczekujemy.

Widok wygenerowany przez Claude po wpisaniu "Na podstawie wczytywanych danych wyświetl posty. Strona ma być responsywna. Kolory przewodnie to: #CCFF89, #151515 i #E4E4E4".

Wygenerowany widok postów

AI w analizie i rozumieniu kodu

AI może analizować istniejący kod i pomóc w jego zrozumieniu, co jest szczególnie przydatne w przypadku dużych, skomplikowanych projektów lub kodu napisanego przez kogoś innego.

Przykład: Generowanie podsumowania działania funkcji

Załóżmy, że mamy funkcję do przetwarzania danych użytkowników, której działania nie rozumiemy na pierwszy rzut oka. AI może przeanalizować kod i wygenerować jego czytelne wyjaśnienie:

function processUserData(users) {
  return users
    .filter(user => user.isActive) // Sprawdza wartość `isActive` dla każdego użytkownika i zostawia tylko te obiekty, gdzie `isActive` jest prawdziwe (true)
    .map(user => ({ 
      id: user.id, // Pobiera wartość `id` z każdego obiektu użytkownika
      name: `${user.firstName} ${user.lastName}`, // Tworzy nowy string, łącząc `firstName` i `lastName`
      email: user.email.toLowerCase(), // Zamienia adres e-mail na małe litery
    }));
}

W tym przypadku AI nie tylko podsumowuje działanie kodu, ale też rozbija poszczególne operacje na łatwiejsze do zrozumienia fragmenty.

AI w automatyzacji frontendowej – tłumaczenia i wykrywanie błędów

Każdy frontendowiec wie, że praca programisty to nie tylko kreatywne tworzenie interfejsów, ale także mnóstwo powtarzalnych, żmudnych zadań. Jednym z nich jest implementacja tłumaczeń dla aplikacji wielojęzycznych (i18n). Dodawanie tłumaczeń dla każdego klucza w plikach JSON, a następnie ich weryfikacja, potrafi być czasochłonna i podatna na błędy.

Dzięki AI możemy jednak znacznie przyspieszyć ten proces. Wykorzystanie ChatGPT, DeepSeek czy Claude pozwala na automatyczne generowanie tłumaczeń dla interfejsu użytkownika, a także wychwytywanie błędów językowych i stylistycznych.

Przykład:

Mamy plik tłumaczeń w formacie JSON:

{
  "welcome_message": "Witaj w naszej aplikacji!",
  "logout_button": "Wyloguj się",
  "error_message": "Coś poszło nie tak. Spróbuj ponownie później."
}

AI może automatycznie wygenerować jego wersję w języku angielskim:

{
  "welcome_message": "Welcome to our application!",
  "logout_button": "Log out",
  "error_message": "Something went wrong. Please try again later."
}

Co więcej, AI potrafi wykryć błędy ortograficzne czy niekonsekwencje w tłumaczeniach. Jeśli na przykład w jednym miejscu użyliśmy "Wyloguj się", a w innym "Wyjdź", AI może zasugerować ujednolicenie terminologii.

Tego typu automatyzacja nie tylko oszczędza czas, ale też minimalizuje ryzyko ludzkich błędów. A to tylko jeden z przykładów – AI pomaga również w generowaniu dokumentacji, pisaniu testów oraz optymalizacji wydajności – o czym opowiemy w kolejnych artykułach.

Podsumowanie

Sztuczna inteligencja zmienia sposób, w jaki frontendowcy pracują na co dzień. Od generowania komponentów, przez refaktoryzację kodu i wykrywanie błędów, aż po automatyczne testowanie i dokumentację – AI znacząco przyspiesza i usprawnia pracę. Bez tych narzędzi stracimy bardzo dużo czasu, czego oczywiście nie chcemy.

W kolejnych częściach serii omówimy m.in.:

Śledź nas, aby być na bieżąco!